在卫星物联网领域的最新进展中,卫星物联网连接服务提供商 Myriota 通过沙特阿拉伯通信、空间和技术委员会 (CST) 新兴技术监管沙盒计划,将其物联网连接服务扩展至中东地区。该公司声称是该计划最新一批 21 家企业中唯一的直接卫星物联网连接服务提供商。
该计划是 CST 使命的一部分,旨在提高监管成熟度、加速数字化转型,并与全球及国内实体合作支持所谓的"创新"解决方案。
2024 年,卫星物联网领域是蓬勃发展的空间通信产业中的关键增长领域之一。物联网专业分析机构 Juniper Research 在 2024 年 10 月的研究预测,全球卫星物联网总收入将从 2024 年的 29 亿美元增长至 2027 年的 58 亿美元。
从根本上说,该研究将目前的显著增长主要归因于偏远地区和难以通过传统地面网络服务的地区(如采矿和航运业常见的地区)对物联网连接的需求不断增加。研究预测,到 2030 年,政府和国防部门将创造全球最多的卫星物联网收入,占收入的 20% 以上。
然而,要实现卫星物联网的全部效益并获得预期增长,报告指出服务提供商必须解决卫星网络安全这一关键问题。分析师补充说,卫星通信为物联网解决方案增加了另一层复杂性,需要保护更广泛分布的接入点,导致网络所有者面临更多漏洞。
Myriota 成立于 2015 年,其基于空间的网络旨在为农业、物流、水资源管理和环境保护等领域提供可扩展、经济实惠的物联网数据服务和节能硬件。该公司的客户跟踪、定位和监控包括水箱和燃料箱、灌溉系统、重型机械、风力涡轮机、公用设施仪表以及国家公园中的人流量等资产。
该公司的网络专门为物联网行业设计,支持物流、公用事业和农业等应用,以监控和收集关键传感器数据。其使命是实现卫星物联网接入的民主化,为全球市场提供关键的现场监控解决方案。
通过与 CST、沙特电信公司 (STC) 和系统集成商 Giza Systems 的合作,Myriota 已代表沙特环境、水利和农业部在偏远地区部署了一批智能水表。这些仍在运行的设备旨在实现对cellular 连接有限或无法连接区域的水表进行远程监控。
Myriota 的首席执行官 Ben Cade 表示:"全球对基于卫星的通信网络的需求正在爆发性增长,我们很高兴能够将我们的服务引入沙特阿拉伯。"
"今天的消息表明,Myriota 仍然走在提供低成本、低功耗全球物联网服务的前列,使我们能够为最关键的行业和资源提供有价值的数据洞察。我们很高兴开始扩大在中东地区的合作伙伴和客户群,帮助这些创新者解决真正困难的问题。"
2024 年 12 月,Myriota 宣布完成 3200 万美元融资,由澳大利亚联邦政府的国家重建基金公司 (NRFC) 和风险投资合作伙伴 Main Sequence 领投,并得到包括 Inter Valley Ventures 在内的其他投资者的支持。
好文章,需要你的鼓励
AI正在彻底改写创业规则:YC最新数据显示,10人团队12个月达成千万美元营收已成常态,"氛围编程"让技术不再是瓶颈,而创始人能否深度理解客户需求成为成败关键。当6人团队就能创造八位数收入时,我们看到的不仅是速度革命,更是对公司本质的重新定义。
这项由阿伯丁大学和格勒诺布尔阿尔卑斯大学研究者联合完成的研究揭示了大语言模型处理日期时的关键问题:现代分词器常将日期分割成无意义的碎片,如"20250312"被切分为"202"、"503"、"12",这严重影响时间推理能力。研究提出了日期碎片化率指标,创建了DATEAUGBENCH测试集,并通过内部机制分析发现,大型模型能在早期层快速"修复"碎片化日期,但其推理路径与人类理解方式显著不同,这解释了模型在处理非标准日期时的准确率下降。
MUG-Eval是KAIST和Trillion Labs联合开发的创新多语言评估框架,通过让语言模型在目标语言中进行自我对话来评估其生成能力。该方法独特之处在于不依赖语言特定工具或人工标注数据,而是通过任务完成率间接衡量语言能力。研究团队测试了8种顶级语言模型在30种语言上的表现,发现其结果与传统评估方法高度一致(相关系数>0.75)。MUG-Eval揭示了模型在低资源语言上表现显著落后,并发现英语并非评估低资源语言的最佳替代。该框架理论上支持2,102种语言,为真正包容的AI评估提供了新途径。
浙江大学研究团队开发的"自制动力训练"(Self-Braking Tuning,SBT)方法解决了大型语言模型在推理过程中的过度思考问题。该方法不依赖外部干预,而是培养模型自主识别冗余推理并适时终止的能力。研究者通过分析推理效率比率和过度思考标记比率,构建了两种数据策略:SBT-E(精确版)和SBT-D(动态版)。实验结果表明,经过训练的模型在多个数学基准测试上保持原有准确率的同时,将标记消耗减少了30%到60%,显著提高了推理效率。这项创新使AI系统能更像人类一样有效思考,为资源受限环境下的AI部署提供了新解决方案。