爱立信与全球多家主要运营商今日宣布成立一家尚未命名的合资企业,运营商包括 América Móvil、AT&T、Bharti Airtel、Deutsche Telekom、Orange、Reliance Jio、Singtel、Telefonica、Telstra、T-Mobile、Verizon 和 Vodafone,此举旨在“整合并销售全球范围内的网络应用程序编程接口(API),以推动数字服务的创新”。在过去两年里,API 作为 5G 货币化新载体的步伐虽然缓慢,但一直在加速,特别是 GSMA 的开放网关计划和 Linux 基金会的 CAMARA 项目促进了网络 API 的行业标准化。爱立信在一份声明中表示,新公司将遵循 Open Gateway和CAMARA确立的原则和共识。
爱立信将持有总部设在美国的新实体的 50% 股份,其余股份将由运营商成员瓜分。网络 API 将向超大规模服务商、通信平台即服务(CPaaS)提供商、系统集成商和独立软件供应商(ISV)出售。爱立信旗下的 Vonage 和谷歌云将与新公司合作,“为其生态系统中数以百万计的开发者及其合作伙伴提供访问”。
AT&T 首席运营官 Jeremy Legg 在一份声明中表示,“十多年来在AT&T,我们一直在开发 API 工具,以赋能开发者。现在,通过一个广泛的、可互操作的 API 平台,我们为创新者提供了一个新的全球工具箱,世界上最优秀的应用程序开发者可以在这里大规模地创造令人兴奋的用户体验。这个高性能的移动生态系统将为全球客户和移动用户开创一个可能性更大的新时代。”
Deutsche Telekom首席执行官 Tim Höttges 表示,“新公司的成立加速了我们与 MagentaBusiness APIs 的合作,可以为客户和开发者展示了我们的网络能力。我们相信,这家公司将为行业带来新的货币化机会。我们鼓励并期待更多电信运营商加入我们,共同拓展和发展这一生态系统。”
爱立信首席执行官 Börje Ekholm 曾负责 2022 年62亿美元Vonage的收购,他表示,“现在是行业的决定性时刻,也是我们开放网络增加货币化机会的战略里程碑。一个全球平台的打造基于爱立信深厚的技术实力和全面的生态系统,可以为数百万开发者提供单一连接,这将推动电信行业更深入地在网络API的投资机会,从而促进整个行业的增长与创新。”
2023 年 11 月爱立信曾宣布对 Vonage 进行 29.2 亿美元的减值,2024 年 7 月又进一步进行了 11 亿美元的减值。
McKinsey 公司的一个团队在今年 2 月发表了一篇博文,McKinsey 公司在博文中详细介绍了“网络 API 如何为全新的”网络用例奠定基础。“通过推动这些创新,电信运营商可以将自己定位为寻求加速数字化转型企业的重要合作伙伴”。
McKinsey 公司估计,在未来 5 到 7 年内,“网络 API 市场将为运营商带来约 1,000 亿到 3,000 亿美元与连接性和边缘计算相关的收入……同时,API 本身还将创造 100 亿到 300 亿美元的额外收入”。
爱立信的一位代表在回答记者提出的有关使用 API 提供新服务时透明的多方结算问题时表示,通信服务提供商 (CSP) 通常会“向新公司提供 API,并根据产生的流量获得终止收入。更具体地说,新成立的公司将从本地 CSP 网络购买网络 API,然后将其合并和规范化,再出售给开发者平台。”
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。