蓝色起源公司近日宣布推出名为TeraWave的太空通信网络,该系统专为企业、数据中心和政府用户设计,能够提供高达6太比特每秒的对称数据传输速度。
网络架构与技术规格
该网络架构依托5408颗卫星,分布在低地球轨道和中地球轨道上。蓝色起源在声明中表示:"全球分布的客户可以通过5280颗低地球轨道卫星的Q/V频段链路获得高达144 Gbps的速度,而通过128颗中地球轨道卫星的光学链路可以获得高达6 Tbps的速度。"
该网络将于2027年第四季度开始推出。公司表示,该服务旨在为现有高容量基础设施提供"额外的路由多样性",主要针对光纤部署在技术上困难或成本过高的地区。
市场需求与应用场景
随着企业对连接性需求日益重要,海底电缆中断等干扰正推动市场对替代网络路径的兴趣。Pareekh咨询公司首席执行官Pareekh Jain表示:"海底电缆中断(如最近在红海地区看到的情况)突显了全球互联网基础设施的脆弱性。TeraWave可以作为垂直的、面向企业的备份或替代路由,而不是直接与消费者卫星宽带竞争。"
其他专家认为,TeraWave的吸引力在于其能够提供物理独立且灵活的网络路径,这是基于光纤的基础设施难以复制的。
TechInsights分析师Manish Rawat说:"它非常适合偏远、稀疏或敏感地区。主要用例包括云到云链接、数据中心复制、政府、国防和灾难恢复工作负载。它支持快速或临时部署,优先为较少的客户提供高容量、严格的服务水平协议和深度运营商集成。"
不过,采用程度预计在很大程度上取决于行业。对于运营高度重要或敏感基础设施的政府和组织,在可靠性和安全性比成本考虑更重要的情况下,这可能作为冗余选项很有吸引力。
Jain表示:"银行、国家安全机构和其他关键任务运营商可能会将其视为替代路由路径。不过对于大多数企业来说,它不太可能取代地面连接,而是作为补充层发挥作用。"
性能与技术挑战
尽管卫星连接提供了潜在优势,但分析师指出,实际性能仍存在疑问。
Rawat说:"TeraWave的6 Tbps是指总星座容量,而不是每用户吞吐量,通过多个光学卫星间链路和地面网关实现。光学交叉链路提供高聚合带宽,但不是单一太比特级管道。性能介于光纤和地球同步轨道卫星之间,洲际延迟低于地球同步轨道卫星但高于光纤。"
运营因素也可能影响网络稳定性。抖动通常很低,但切换、重新路由和天气条件可能引入间歇性性能峰值。Rawat补充说,数据包丢失预计保持适中但会偶发。
安全性仍是另一个关注领域,特别是对于运行敏感工作负载的企业。Counterpoint Research研究副总裁Neil Shah表示,组织需要评估是否需要额外的硬件来支持数据传输期间的IPSec加密和解密等安全功能。
Shah说:"围绕主权的数据隐私和安全影响将是关键,特别是对于在Azure或Google等竞争云平台上运营的企业。"
Q&A
Q1:TeraWave是什么?能提供什么服务?
A:TeraWave是蓝色起源公司推出的太空通信网络,专为企业、数据中心和政府用户设计。该系统由5408颗卫星组成,能够提供高达6太比特每秒的对称数据传输速度,将于2027年第四季度开始推出。
Q2:TeraWave主要适用于哪些场景?
A:TeraWave主要适用于偏远、稀疏或敏感地区,用例包括云到云链接、数据中心复制、政府、国防和灾难恢复工作负载。对于银行、国家安全机构等关键任务运营商,可作为替代路由路径和备份选项。
Q3:TeraWave在性能方面有什么限制?
A:6 Tbps是指总星座容量而非每用户吞吐量。性能介于光纤和地球同步轨道卫星之间,延迟高于光纤。切换、重新路由和天气条件可能引起间歇性性能波动,数据包丢失虽然适中但会偶发。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。