在全球通信运营商、系统集成商、软件开发商和超大规模云服务商共同打造的应用程序编程接口 (API) 生态系统的最新扩展中,诺基亚与新加坡电信运营商 StarHub 签署了一项协议,为开发者提供一个通过网络 API 创建新应用的途径,以推动企业垂直领域的 5G 和 4G 应用开发。
作为新加坡最大的运营商之一,StarHub 拥有超过 200 万用户,提供通信、娱乐和数字服务。凭借光纤和无线基础设施以及全球合作伙伴关系,它为企业提供移动和固定服务、优质内容套餐和各种通信服务。此外,它还为企业和政府客户开发和提供包含人工智能、网络安全、数据分析、物联网和机器人技术在内的服务。
作为其为客户创造收入机会并实现网络资产变现使命的一部分,StarHub 正与诺基亚合作开发网络 API,帮助开发者为银行、金融、港口和其他企业垂直领域创建 5G 和 4G 应用程序,如设备状态和按需服务质量。通过使用诺基亚的 Network as Code 平台,StarHub 将向开发者开放其网络功能,创建可在其 5G 和 4G 网络上运行的软件应用。
StarHub 首席技术官 Ayush Sharma 表示:"我们很高兴能够深化与诺基亚的合作,提供更简单和改进的开发者体验。为开发者提供更广泛的网络 API 选择对于充分发挥新加坡及更广泛地区 5G 和 4G 网络的价值至关重要。"
诺基亚云和网络服务网络变现平台负责人 Shkumbin Hamiti 表示:"诺基亚的网络 API 方法反映了推动新商业模式的战略重点,并从创新、可持续性、协作和生产力的角度释放 5G 和 4G 网络的潜力。通过这种合作关系,StarHub 将拥有更多选择和灵活性,为其客户创造新价值。"
该通信技术公司的整体 API 战略是利用网络功能,通过为消费者、企业和工业客户创建新的使用场景来实现网络资产的变现。
诺基亚的 Network as Code 开发者门户平台旨在通过 API 为开发者提供标准化的网络功能访问,无需他们深入了解底层网络技术,从而让他们能够创建用于访问 5G 网络功能的 API,如按需服务质量、设备位置精确定位和网络切片,以及 4G 功能。
该平台将全球网络与系统集成商和软件开发者整合到一个统一的生态系统中,使用通过 GSMA Open Gateway 和 Linux Foundation Camara 等行业倡议产生的技术标准。StarHub 一直积极支持行业efforts,为其客户定义新的 API 技术标准,创建新的使用场景。
Network as Code 生态系统在全球拥有超过 45 个合作伙伴,包括 BT、Orange、Telefonica 和 Telecom Argentina。诺基亚还与 Google Cloud 等超大规模云服务商、包括 Infobip 在内的通信平台即服务提供商、大型系统集成商和垂直行业独立软件供应商建立了合作伙伴关系。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。