随着5G在全球各地的蓬勃发展,人们的目光现在正从室外环境转向室内,因为室内的接收可能是一个问题。为了满足室内的连接要求,例如零售环境中的连接,爱立信及其合作伙伴Proptivity已经推出了共享室内5G无线接入网络(RAN),这两家公司表示这是世界上首个由中立主机主导的解决方案,可提供高达1.2Gbps的下载速度。
这个由Ericsson Radio Dot System支持的室内5G小基站解决方案部署在斯德哥尔摩中心的一个旗舰购物中心和写字楼联合体中——一个位于Östermalmstorg的顶级物业,由Fastpartner拥有并管理——据说可以保证大楼内任何地方的高速5G连接,即使在高峰时段也是如此。
据称,它能够为Åhlens这样的零售租户提供他们所需的容量,为购物者提供卓越、无缝的移动体验,同时支持未来5G用例(如增强现实购物)对数据不断增长的需求。
爱立信进一步说明指出,购物中心是繁忙的公共空间,带来了连接方面的挑战,例如确保室内空间的所有用户获得同样质量的服务——无论他们使用的是哪家通信服务提供商。
爱立信和Proptivity之间的战略合作旨在实现中立主机的室内5G网络——允许一个或多个通信服务提供商(CSP)使用该基础设施为其客户提供服务——为高性能的室内网络提供多运营商、多厂商的移动解决方案,每千兆字节的成本低于传统解决方案。
据称,Radio Dot System通过类IT安装和紧凑的组件,最大限度地减少了对建筑基础设施和操作的干扰。主要产品包括Indoor Radio Unit 8848和Radio Dot 4453。与传统的分布式天线系统(DAS)相比,这种可共享的解决方案还被认为可以将功耗和设备占地分别降低70%和80%,这对业主来说都是重要的标准。
大楼里的其他租户和公司也将从高性能的室内5G网络中受益。据信企业租户可以为客户和员工提供无缝、安全的连接,而且不需要进行Wi-Fi登录。办公室也可以为未来工作场所的连接需求(如5G笔记本高速互联网连接)做好准备。本地运营商3 Sweden是首家连接到该共享室内5G网络服务提供商。
爱立信产品区域网络主管David Hammarwall评论表示:“Proptivity使用爱立信室内5G网络解决方案的这一里程碑标志着室内空间向新的商业模式转变,在室内5G部署方面,中立主机和企业越来越多地挑大梁。”“这一发展凸显了对高性能室内及室外5G日益增长的需求。”
Fastpartner的副首席执行官Christopher Johansson说: "我们认为5G是我们的租户及我们自身持续数字化的一个关键创新平台。它可能会创造许多我们今天还看不到的机会。我们选择与Proptivity合作,因为他们与爱立信一起提供了强大的5G解决方案,从技术角度满足我们的需求,以及我们相信的简单商业模式。"
3 Sweden公司首席执行官Haval van Drumpt补充表示:“我们非常高兴能成为首家连接到这个开创性室内网络的运营商。通过创新性的商业模式和Ericsson Radio Dot System之类能够实现网络共享的高性能解决方案,电信行业可以更容易地为商业建筑提供大容量的室内5G,并更快地提升瑞典的数字化水平。”
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。