智能技术和数字服务提供商 Connexin 在 2024 年初为赫尔市的中小企业(SMEs)推出了一项全方位商业宽带服务,现已将其全光纤基础设施战略性地出售给 CityFibre。
Connexin 成立于 2006 年,位于赫尔市。该公司于 2021 年 9 月宣布建设宽带网络,旨在通过为居民和企业提供选择光纤宽带提供商的自由,打破现有的垄断局面。
目前,公司在五个领域提供服务:家庭、商业、企业、公共部门和公用事业。公司还为公共部门和公用事业企业开发和运营智能基础设施,以增强连接性。公司在 2024 年底完成了英国"吉比特计划"下为超过 34,000 个农村家庭提供宽带的合同第一阶段。
这项战略性收购协议包括已建成和在建的光纤网络资产,目前已覆盖超过 80,000 个场所,并在建设通向另外 20,000 个场所的网络,未来还有进一步扩展至整个赫尔市的选择权。根据协议,Connexin 的股东 Patrizia 欧洲基础设施基金 II 将成为 CityFibre 的少数股东。
这笔交易包括"吉比特计划"合同,使 CityFibre 能够在赫尔和东骑士(East Riding)地区建立重要据点,将其网络覆盖范围扩大至多达 185,000 个场所。CityFibre 表示,此次收购凸显了公司积极参与市场整合的承诺,作为其全国性网络覆盖超过 800 万个场所的一部分。
此前,CityFibre 在 2024 年 5 月收购了 Lit Fibre,并在不到九个月的时间内完全整合,展示了公司整合和商业化收购网络以推动网络增长的能力。
CityFibre 还将接管 Connexin 的"吉比特计划"合同,向诺丁汉郡和西林肯郡难以触及的地区铺设千兆比特宽带。这将成为 CityFibre 获得的第 10 个"吉比特计划"交付合同,将"解锁未来扩展"至目标地区超过 50,000 个非补贴场所。
Connexin 现在将通过 CityFibre 的网络全国扩张,并在物联网(IoT)等现有业务基础上继续发展,包括推出英国最大的长距离广域网络(LoRaWAN)之一,并赢得超过 200 万个智能水表的合同。
在技术层面,CityFibre 将立即开始整合 Connexin 的 XGS-PON 网络,以在该网络覆盖范围内引入自身的批发产品、定价和服务。CityFibre 预计将在 2025 年底完成整合,进一步扩展其已覆盖超过 440 万个场所的全国性网络。
Connexin 首席执行官 Furqan Alamgir 就此收购发表评论说:"我们很高兴能与 CityFibre 合作,专注于我们的全国性增长战略。这种合作将为英国的消费者和企业带来我们双方最精华的专业知识。
"我们的下一个增长阶段极其令人兴奋,我们将加速聚焦于在英国扩展更智能的家庭、商业、企业、公共部门和公用事业产品及服务,使这些快速发展的市场能够通过采用更智能的技术来实现雄心勃勃的目标。"
CityFibre 首席执行官 Greg Mesch 表示:"Connexin 已经建立了一个出色的网络,这对 CityFibre 来说是一个极佳的契合点。我们成熟的批发模式现在将为赫尔市的家庭和企业带来更多选择,并获得无与伦比的连接产品、服务和价格。
"在我们迅速整合 Lit Fibre 的网络之后,我们已经证明这是扩大网络覆盖的有效方式,我们期待在 2025 年积极参与该行业加速整合的进程。"
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。