为推动物理AI在工业自动化领域的广泛应用,Globalstar旗下的XCOM RAN正式发布了一套端到端私有5G解决方案。该公司认为,物理AI将逐渐成为工业自动化的新常态。
XCOM RAN的核心使命是构建下一代私有5G基础设施,专为满足"未来关键任务级工业自动化需求"而设计。该公司宣称,通过采用全新的私有5G架构,其方案在现有私有5G产品基础上将容量提升超过四倍,能够在自动化设备最密集的环境中实现稳定可靠的连接,性能表现业内领先。
XCOM RAN运行于全球各地分配的私有5G共享频谱之上,并可使用Globalstar授权的Band n53作为专用频段,实现无忧私有5G部署。其超级小区(Supercell)架构大幅降低了站点勘察和射频网络设计的需求,使私有5G解决方案能够在工业环境中"快速部署、便捷管理,并提供完整的容量与覆盖"。
XCOM RAN预测,未来可应用的物理AI优化类型与数量将呈指数级增长。该公司表示,客户正在寻求一套全面的底层无线网络架构,能够随其自动化战略持续演进扩展,并满足客户及合作伙伴的多元化需求。
此次发布还引入了一套私有5G环境管理编排层,旨在应对AI时代企业规模化部署所面临的运营复杂性挑战。
XCOM RAN的整体产品方案涵盖以下几个核心组件:基于O-RAN标准的Supercell架构,配备室内外多款选型的XCOM Radio系列;XCOM Core,作为合作伙伴私有5G核心网之外的新增选项;以及XCOM Orchestrator——一套多租户管理与编排系统,旨在简化运营流程,降低企业团队初次部署私有5G的学习门槛。
在频谱灵活性方面,XCOM RAN支持美国Band n48共享频谱,以及欧洲和亚洲部分地区用于私有5G及工业用途的Band n78,同时采用Globalstar Band n53进行授权专用。该方案还包含XCOM工业路由器——一款支持工业4.0的客户前置设备(CPE),可兼容上述三个频段,帮助客户将XCOM RAN私有5G无缝融入AI驱动的工业自动化环境。
XCOM RAN还携手多家行业合作伙伴,提供"经过充分测试、深度集成、随时可部署"的私有5G解决方案与服务。不断扩大的合作伙伴网络旨在确保客户能够获益于经过验证的技术、无缝的集成体验,以及能够随业务增长灵活扩展的端到端解决方案。
多家合作伙伴已公开表态支持这一新技术,其中包括坚固型工业解决方案提供商斑马技术(Zebra Technologies)。
斑马技术企业移动计算业务高级副总裁兼总经理James Poulton表示:"我们一直处于技术创新前沿,持续为设备引入新技术和新频谱选项,以支持客户快速迈向AI驱动的智能化运营。我们近期已在ET 401企业平板中增加了对Globalstar Band n53的支持,让客户得以在这些设备上通过私有专用频谱安全运行最敏感的业务应用。"
智能信号增强器制造商Nextivity的首席执行官Michiel Lotter也表示:"将现代DAS系统与私有5G相结合,以实现室内外全面的容量与覆盖,是当前企业无线部署的最新趋势之一。这类解决方案正处于技术发展的前沿,能与XCOM RAN团队携手合作、共同满足客户需求,我们深感荣幸。"
Q&A
Q1:XCOM RAN的私有5G方案相比现有产品有哪些性能提升?
A:XCOM RAN通过全新的私有5G架构设计,在现有私有5G产品基础上将容量提升超过四倍,能够在设备最密集的自动化环境中提供稳定连接。其Supercell超级小区架构基于O-RAN标准构建,大幅降低了站点勘察和射频网络设计的需求,实现快速部署、便捷管理和完整覆盖。
Q2:XCOM RAN支持哪些频段?分别适用于哪些地区?
A:XCOM RAN支持多个频段:美国地区支持Band n48共享频谱;欧洲及亚洲部分地区支持用于私有5G和工业用途的Band n78;此外,全球范围内还可使用Globalstar授权的Band n53专用频段。配套的XCOM工业路由器可同时兼容上述三个频段,方便客户灵活部署。
Q3:XCOM Orchestrator是什么?能解决什么问题?
A:XCOM Orchestrator是XCOM RAN推出的一套多租户管理与编排系统,专为应对AI时代企业私有5G规模化部署带来的运营复杂性而设计。它能够简化私有5G环境的日常运营流程,同时降低企业团队初次接触和使用私有5G时的学习门槛,帮助企业更高效地管理私有5G基础设施。
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。