在经历了上半年的多项合作伙伴关系、产品发布以及星座扩展后,专注于太空物联网(IoT)连接服务提供商Myriota宣布其HyperPulse连接平台正式上线。该平台将公司的5G非地面网络(NTN)架构与从Viasat租赁的L波段容量相结合。
成立于2015年的Myriota公司,其基于太空的网络旨在为农业、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IoT数据服务和节能硬件,用于监测和收集关键传感器数据。该公司表示,其使命是让卫星IoT接入民主化,为全球市场提供关键的现场监测服务。其网络专为IoT行业而设计。
HyperPulse被称为全球首个采用波束跳跃技术的5G非地面网络(NTN)实现,根据流量需求在需要的地方激活波束。这种方法旨在优化电池供电IoT设备的功耗,同时提高卫星资源和稀缺频谱的使用效率,使行业合作伙伴能够简单地在地球上任何地方构建、部署和扩展IoT解决方案。
作为Myriota现有UltraLite商用服务的补充,后者专注于极致的能源效率、安全性和频谱效率,HyperPulse声称能够提供更低的延迟和更高的日数据配额。
该网络的优化层被描述为独特的,旨在允许连接性能——如延迟和数据量——根据客户需求或环境条件进行动态调整。
随着HyperPulse计划在2026年初将NTN覆盖范围扩展到欧洲、东南亚和拉丁美洲其他国家,Myriota将重新定义全球IoT连接的经济性和覆盖范围。该网络将从12月15日起在美国、墨西哥、巴西、澳大利亚和沙特阿拉伯正式提供服务,环境监测、石油天然气监测、资产跟踪和动物跟踪领域的客户已通过早期接入计划连接到网络。
这些功能旨在支持需要更详细报告和更丰富传感的应用,包括重型设备、集装箱、铁路车辆和拖车的资产跟踪和监测;公用事业智能计量、气象站环境传感、土壤、空气和水质监测;以及动物管理,包括虚拟围栏、饲料优化和远程监测。
注意到现代IoT解决方案需要的不仅仅是网络连接,Myriota还发布了一套赋能产品,旨在支持其IoT合作伙伴生态系统无缝集成和开发HyperPulse网络解决方案。与服务同时推出的是这些工具中的第一个——HyperPulse开发者套件,该套件专为支持快速原型设计和概念验证而构建,设计用于现场使用,具有防风雨外壳、电池供电以及多种传感器和接口选项。
Myriota首席执行官Ben Cade表示:"通过HyperPulse,我们让5G非地面连接成为大规模IoT的现实。通过提供更高的数据配额、更低的延迟和基于标准的覆盖,HyperPulse为组织提供了跟踪和监测资产、收集洞察和做出决策的能力——即使在最偏远和最具挑战性的环境中。随着明年新功能路线图的推出,这是全球IoT连接的令人兴奋的进步。"
Q&A
Q1:Myriota的HyperPulse平台有什么特色?
A:HyperPulse是全球首个采用波束跳跃技术的5G非地面网络实现,能根据流量需求激活所需区域的波束,优化电池供电IoT设备的功耗,同时提高卫星资源使用效率。相比现有UltraLite服务,它提供更低延迟和更高日数据配额。
Q2:HyperPulse网络覆盖哪些地区和应用领域?
A:该网络从12月15日起在美国、墨西哥、巴西、澳大利亚和沙特阿拉伯正式提供服务,2026年初将扩展至欧洲、东南亚和拉丁美洲其他国家。主要应用于环境监测、资产跟踪、智能计量、动物管理等领域。
Q3:如何开始使用HyperPulse服务进行IoT开发?
A:Myriota推出了HyperPulse开发者套件,支持快速原型设计和概念验证。该套件具有防风雨外壳、电池供电以及多种传感器和接口选项,专为现场使用而设计,帮助开发者构建和测试IoT解决方案。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。