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
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。