Space42与Viasat宣布成立合资公司Equatys Venture,旨在打造业界首个空间塔台公司模式,通过共享空间和地面非地面网络(NTN)基础设施,降低资本成本并提升频谱利用效率。
该合资公司的成立目标是实现全球直连设备(D2D)服务,并将现有和计划中的移动卫星服务(MSS)升级至5G网络环境。
Space42是一家总部位于阿联酋的AI驱动空间技术公司,于2024年由Bayanat和Yahsat成功合并组建。公司整合了卫星通信、地理空间分析和人工智能能力,为政府、企业和社区客户提供通信连接服务。公司包含两个业务单元:空间服务专注于固定和移动卫星服务的上游卫星运营;智能解决方案将地理空间数据采集处理与AI相结合,为决策制定、态势感知和运营效率提升提供支持。
Viasat是一家全球通信公司,致力于连接世界上的每个人和每样物品。2023年5月完成对Inmarsat的收购后,Viasat在全球24个国家设有办事处,为消费者、企业、政府和军方提供通信连接服务。2025年5月,其通信服务部门的企业业务部推出了连接服务,在全球范围内提供双向消息连接,即使在最偏远和具有挑战性的环境中也能实现。
Equatys预计将使用符合3GPP非地面网络(NTN)标准的平台,统一卫星和地面网络,标准智能手机和物联网(IoT)设备均可接入,将服务扩展至全球数十亿人和设备。该合资公司预计能够支持超过100MHz的协调MSS频谱,已在160多个市场分配,有望为可靠的全球通信奠定基础,目标在三年内实现商业化部署。
合资公司将采用精简的基础设施提供商模式运营,使用共享多租户模型,减少冗余投资,同时为生态系统参与者提供成本效益的容量。两家合作伙伴表示,这种方法将补充地面网络,为整个行业创造可持续的增长机会。
通过使用共享多轨道基础设施,Viasat和Space42相信运营商客户将从规模优势中受益,同时降低个人投资风险。该平台旨在使运营商能够增长,允许政府拥有和运营基础设施以维护国家数据主权,并允许本地空间产业参与空间和地面技术开发与制造。
5G开放架构平台将根据3GPP框架开发。Equatys将作为中立的"空间塔台"公司运营和管理,提供"最低成本"的空间和地面基础设施供持牌运营商共享,允许多个独立运营商在单一全球系统上使用目前在独立卫星系统上使用的频谱块。
Space42董事总经理Karim Sabbagh和Space42空间服务CEO Ali Al Hashemi在联合声明中表示:"Equatys将实现卫星行业数十年来的追求:将地面网络的规模与空间的效率相结合。普遍连接的承诺正在成为现实。在全球频谱、成熟技术和强大合作伙伴的支持下,Equatys代表着为全球社会提供动力和经济转型而建设的基础设施。"
这一新公告是继Space42和Viasat于2025年3月签署谅解备忘录之后的进展,从技术和商业研究推进到成立合资基础设施公司的协议,但需满足惯例条件。
Q&A
Q1:Equatys Venture是什么?它的主要功能是什么?
A:Equatys Venture是Space42与Viasat成立的合资公司,旨在打造业界首个空间塔台公司模式。它将统一卫星和地面网络,使用符合3GPP非地面网络标准的平台,为标准智能手机和物联网设备提供全球直连设备服务,预计三年内实现商业化部署。
Q2:Space42是一家什么样的公司?
A:Space42是总部位于阿联酋的AI驱动空间技术公司,于2024年由Bayanat和Yahsat合并组建。公司整合卫星通信、地理空间分析和人工智能能力,包含空间服务和智能解决方案两个业务单元,为政府、企业和社区客户提供通信连接服务。
Q3:这个合资公司采用什么商业模式?有什么优势?
A:合资公司采用精简的基础设施提供商模式,使用共享多租户模型运营。这种模式可以减少冗余投资,为生态系统参与者提供成本效益的容量,让运营商客户从规模优势中受益,同时降低个人投资风险,补充地面网络创造可持续增长机会。
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。