开源卫星互联网协议Spacecoin背后的公司宣布,已成功在美国范德堡太空部队基地通过拼车任务发射了三颗卫星。
Spacecoin被设计为Starlink的替代方案,旨在提供全球连接服务,而无需依赖中心化提供商或传统地面基础设施。该项目声称是世界首个由低地球轨道卫星星座支持的去中心化物理基础设施网络。
作为无需许可的全球互联网连接开放协议,Spacecoin使用基于区块链技术的纳米卫星在全球范围内提供抗审查的互联网接入服务,初期重点关注服务不足和偏远地区。
这些卫星由STI公司拥有和运营,该公司持有卫星运营所需的监管批准,并通过Arrow Science and Technology公司集成到任务中。Spacecoin作为治理开放卫星数据网络的底层协议,管理去中心化基础设施中的授权、认证和计费。
三颗CTC-1卫星延续并利用了2024年发射的首个CTC-0任务所获得的见解。据称,CTC-0任务作为概念验证,开创性地实现了从地球到太空再返回的加密区块链消息传输,并验证了载荷完整性。另一个声称的成果是证明了区块链操作可以通过天基通信保持其安全性和功能性。
STI公司表示,此次发射标志着区块链协议首次被集成到专门为去中心化互联网基础设施设计的卫星星座中,并得到拥有已发布和待审专利的专有技术支持。
CTC-1被认为推进到了验证去中心化卫星互联网两个关键能力的重要下一阶段:当卫星在低地球轨道中移动时保持不间断的用户连接,以及最少依赖地面站的直接卫星间数据交换。该任务将朝着建立确保未来卫星星座互操作性所必需的开放架构标准迈出"决定性的一步"。
此外,STI表示,这些卫星间能力的成功验证将能够与多个政府和电信合作伙伴进行连接演示,这些合作伙伴已经签署协议并承诺在真实世界条件下测试Spacecoin的去中心化卫星互联网基础设施。
"此次发射标志着去中心化连接的下一个前沿,"STI创始人Tae Oh说。"随着多颗卫星现在进入轨道,我们正在证明互联网服务不必是中心化的,使连接变得无需许可且无法关闭。这是朝着一个世界迈出的一步,在那里每个人、任何地方都能获得互联网接入这一基本人权。"
为了向用户展示去中心化通信架构的优势,Spacecoin生态系统还在开发Starmesh,这是一个去中心化VPN,允许用户体验私密、匿名和加密的互联网浏览如何在分布式网络中运行。Starmesh早期原型测试预计在2026年初至中期进行,重点关注隐私和安全优势。
随着Spacecoin协议生态系统扩展到初始合作伙伴关系之外,该项目正在积极寻求与全球政府、电信运营商和机构利益相关者的新合作。
Q&A
Q1:Spacecoin是什么?它与Starlink有什么不同?
A:Spacecoin是世界首个去中心化物理基础设施网络,使用基于区块链技术的纳米卫星提供全球互联网连接。与Starlink不同,它不依赖中心化提供商,而是提供无需许可且无法关闭的抗审查互联网接入服务,特别关注服务不足和偏远地区。
Q2:CTC-1卫星任务的主要验证目标是什么?
A:CTC-1任务旨在验证去中心化卫星互联网的两个关键能力:一是当卫星在低地球轨道中移动时保持不间断的用户连接,二是实现最少依赖地面站的直接卫星间数据交换,为未来卫星星座的互操作性建立开放架构标准。
Q3:Starmesh是什么产品?什么时候可以使用?
A:Starmesh是Spacecoin生态系统正在开发的去中心化VPN产品,允许用户在分布式网络中体验私密、匿名和加密的互联网浏览。早期原型测试预计在2026年初至中期进行,重点展示隐私和安全优势。
好文章,需要你的鼓励
火箭实验室(Rocket Lab)宣布计划以现金加股票方式,斥资80亿美元收购主要卫星运营商铱星通信(Iridium Communications),交易预计于2027年中完成。铱星目前运营着由66颗活跃低轨卫星组成的星座网络,拥有约255万活跃用户,2024年营收达8.717亿美元。收购完成后,Rocket Lab计划借助其新型重型运载火箭Neutron及Lightning卫星平台,扩大铱星星座规模,开拓未被覆盖的市场并降低发射成本。
香港大学与武汉大学联合开发的EO-WM系统,将地球观测卫星图像预测重新定义为天气驱动的世界建模问题,通过把气象信号拆解为气候基线、天气异常和累积压力三层,显著提升了对极端干旱和热浪事件下植被退化的预测准确性。
音乐流媒体平台Tidal宣布,将于7月中旬启用自动化工具,对完全由AI生成的音乐添加"AI"标识,并移除具有欺诈性质的曲目。平台还将取消AI生成音乐的版税资格,仅向真人创作、演唱的原创音乐开放变现渠道。此外,Tidal明确将高频异常上传、干扰真实艺术家等行为列为欺诈活动。Deezer、Spotify等竞争对手此前已推出类似检测机制,流媒体行业正加速构建AI内容治理体系。
腾讯等机构提出ViQ框架,通过两阶段渐进量化训练,让离散视觉编码在多模态理解和图像重建上同时追平连续特征编码器,训练速度最高提升70%。