在马斯克领导的卫星运营商迎来强劲发展的一年之际,最近获得星链全球授权的经销商Sama X已获得约旦电信监管委员会(TRC)许可,可在约旦王国境内转售SpaceX公司的卫星互联网服务,旨在简化高速互联网的接入。
这家于2025年初成立并由科威特阿尔加尼姆集团支持的经销商,其使命是为中东和北非地区的企业"就地"提供"创新的"卫星连接解决方案。
该公司表示,它专门提供高速、低延迟的卫星互联网和连接服务,"旨在克服数字障碍并确保无缝连接"。与星链的合作使其能够利用后者的低地球轨道卫星星座,为多样化的市场和企业提供"世界级"的连接服务。
Sama X还提供一站式解决方案——从客户咨询到快速安装和激活——以及本地支持,包括提供英语和阿拉伯语服务的24/7呼叫中心。
这项协议将使Sama X为约旦的专业人士、企业和公共部门组织提供服务,解决约旦王国偏远地区的关键连接需求,从为非政府组织在营地提供可靠的互联网,到将数字政府服务扩展到农村社区。低地球轨道卫星解决方案将致力于在全国范围内实现可靠的主要或备用连接,使企业和社区能够更有效、更有信心地运营。
Sama X首席执行官阿米特·索马尼就此举评论道:"约旦拥有多样化的经济和地形,为将星链的低地球轨道星座与我们的本地市场专业知识和增值服务相结合的最新一代卫星宽带解决方案提供了独特的机会。无论是塔菲拉的教室、马安附近的物流车队,还是马夫拉克的难民诊所,每个人都能享受到与首都安曼相同的高速互联网。"
"我们感谢约旦电信监管委员会建立了有利的环境,使像Sama X这样的公司能够有效运营。我们期待与当地利益相关者合作,通过无处不在的可靠连接推进约旦王国的经济现代化愿景。"
Sama X的这项交易距离研究发现星链连接在2025年翻倍仅几天,其中包括来自20多个新国家和地区的流量。该研究分析了与星链主要自治系统(AS14593)相关的聚合请求流量,以跟踪该服务在过去12个月的使用增长。研究显示的请求量发现,星链的流量在2025年持续稳定增长,全年总请求量增长了2.3倍。数据还表明,当星链服务在某个国家或地区可用时,往往会出现快速的流量增长,这一趋势在2025年得以延续。
这家卫星提供商在2025年还与世界各地的航空公司签订了一系列合同,为其提供机上连接服务。这些合同包括卡塔尔航空和阿联酋航空。前者声称是运营星链配备宽体飞机数量最多的航空公司,也是中东和北非地区目前唯一提供星链机上连接服务的承运商。
不甘示弱的阿联酋航空于2025年11月宣布,将在其整个在役机队中部署星链Wi-Fi,此举将为232架波音777和空客A380飞机带来快速连接。
Q&A
Q1:Sama X是什么公司?它主要做什么业务?
A:Sama X是一家于2025年初成立的星链全球授权经销商,由科威特阿尔加尼姆集团支持。该公司专门为中东和北非地区的企业提供高速、低延迟的卫星互联网和连接服务,旨在克服数字障碍并确保无缝连接。
Q2:Sama X在约旦获得了什么授权?
A:Sama X获得了约旦电信监管委员会(TRC)的许可,可以在约旦王国境内转售SpaceX公司的卫星互联网服务,目的是简化高速互联网的接入,为专业人士、企业和公共部门组织提供服务。
Q3:星链在2025年的发展情况如何?
A:研究显示星链连接在2025年翻倍,包括来自20多个新国家和地区的流量,全年总请求量增长了2.3倍。同时星链还与世界各地的多家航空公司签订合同提供机上连接服务,包括卡塔尔航空和阿联酋航空等。
好文章,需要你的鼓励
计算机历史博物馆软件馆长Al Kossow成功恢复了上月在犹他大学发现的半世纪前磁带内容。UNIX V4是首个内核用C语言编写的UNIX操作系统版本,已从1970年代九轨磁带中成功恢复。现可从互联网档案馆下载并在SimH中运行。该版本包含约5.5万行代码,其中2.5万行为C语言,内核仅27KB大小。恢复过程使用了readtape程序采样原始磁通变化进行数据重建。
新加坡南洋理工大学研究团队提出"棱镜假设",认为图像可像光谱一样分解为不同频率成分,低频承载语义信息,高频包含视觉细节。基于此开发的统一自编码系统UAE,通过频率域分解成功统一了图像理解和生成能力,在多项基准测试中超越现有方法,为构建真正统一的视觉AI系统提供了新思路,有望推动计算机视觉技术向更智能统一的方向发展。
亚马逊云服务宣布其存储网关现已支持Nutanix的AHV虚拟化管理程序,进一步扩展混合云存储解决方案。此前AWS存储网关已支持VMware ESXi、微软Hyper-V和Linux KVM。由于AHV基于KVM架构,AWS表示添加支持相对容易。随着Broadcom收购VMware后策略调整,许多企业正寻求替代方案,Nutanix成为热门选择。分析师预测VMware可能在三年内失去35%的工作负载。
芝加哥伊利诺伊大学团队提出QuCo-RAG技术,通过检查AI训练数据统计信息而非内部信号来检测AI回答可靠性。该方法采用两阶段验证:预检查问题实体频率,运行时验证事实关联。实验显示准确率提升5-14个百分点,在多个模型上表现稳定,为AI可靠性检测提供了客观可验证的新方案。