为了挑战未来连接必须依赖地面基础设施的传统观念,特别是在印度准备迎接新一轮数字化转型之际,DE-CIX印度宣布成为该国首个将Starlink卫星互联网纳入互联生态系统的互联网交换平台,创造了历史性突破。
DE-CIX成立于1995年,在欧洲、非洲、北美、南美、中东和亚洲的60个地点提供互联服务。该平台可从全球600多个城市的数据中心接入,连接来自100多个国家的网络运营商、互联网服务提供商、内容提供商和企业网络,提供对等互联、云服务和其他互联服务。
DE-CIX印度致力于促进印度主要网络与全球网络之间的对等互联。公司在孟买、德里、金奈、加尔各答、班加罗尔和海得拉巴设有业务点,旨在为互联网服务提供商、内容分发网络、在线视频平台和企业提升互联网性能,从而增强印度的数字经济实力。
该公司认为,低轨道卫星正在为那些长期被排除在数字主流之外的世界各地区提供连接服务,开启了新的可能性。
Starlink现在准备在印度不断增长的数字生态系统中发挥成熟互联网服务提供商的作用,并强调这不是要与地面或移动网络竞争,而是作为补充力量存在。
DE-CIX印度表示,随着Starlink已从印度电信部获得商业许可证,预计将在2025年底或2026年初获得最终批准,卫星通信的监管路径已经明确。公司还观察到,Starlink的部署设计具有良好的可及性——特别是考虑到其在传统连接仍在发展的地区提供高速接入的承诺——这一推出不仅对卫星行业,而且对国家的更广泛发展目标都将产生重大影响。
DE-CIX印度补充说,预期的初始吞吐速度范围在25 Mbps到220 Mbps之间,使得即使在山区、农村或岛屿等超出光纤等地面基础设施覆盖范围的地理区域,也能提供真正的宽带级服务。
然而,DE-CIX印度也强调,无论卫星星座多么先进,其性能都取决于与地面数字生态系统互联的能力——特别是对于流媒体、视频会议和在线游戏等延迟敏感的应用——卫星星座要兑现其承诺,需要地面网络的韧性支撑。
在印度及其他地区,DE-CIX一直证明其互联基础设施能够满足超大规模性能和韧性的需求。随着Starlink等参与者进入印度市场,能够依靠全球基准的正常运行时间、合规性和互联标准,是解决数字鸿沟问题时获得长期成功的关键要素。
通过其全球Space-IX项目,DE-CIX表示可以为Starlink等卫星运营商提供互联服务,将轨道网络锚定到高性能地面基础设施中,实现与内容、云服务和应用提供商的无缝接入。公司表示有信心确保卫星运营商能够在本地互联的同时实现全球服务交付,为即使是最偏远地区的用户实现尽可能低的延迟。
Q&A
Q1:DE-CIX印度与Starlink合作有什么意义?
A:DE-CIX印度成为该国首个将Starlink纳入互联生态系统的互联网交换平台,这一合作将帮助卫星网络与地面数字基础设施无缝对接,特别是为山区、农村等偏远地区提供25-220 Mbps的宽带级服务,有助于缩小数字鸿沟。
Q2:Starlink在印度的商业化进展如何?
A:Starlink已经从印度电信部获得了商业许可证,预计将在2025年底或2026年初获得最终批准。获批后,Starlink将作为印度数字生态系统中的互联网服务提供商,与地面和移动网络形成互补关系。
Q3:Space-IX项目是什么?能提供哪些服务?
A:Space-IX是DE-CIX的全球项目,专门为卫星运营商提供互联服务。该项目能将轨道网络锚定到高性能地面基础设施,实现与内容、云服务和应用提供商的无缝接入,确保卫星运营商在本地互联的同时实现全球服务交付。
好文章,需要你的鼓励
科技亿万富翁拉里·埃里森资助的研究团队将向英国牛津大学投资1.18亿英镑,用于将AI技术应用于疫苗研究。牛津疫苗研究小组将领导这一项目,研究人体免疫系统对严重细菌感染和抗生素耐药性的反应。该项目由曾主导新冠疫苗试验的安德鲁·波拉德教授领导,计划采用人体挑战模型,让志愿者在受控条件下接触细菌,然后运用现代免疫学和AI工具来精确识别预测保护效果的免疫反应,以开发针对致命疾病的创新疫苗。
伦斯勒理工学院研究团队通过网络科学方法首次系统揭示了大语言模型的内部"认知架构"。研究发现AI模型采用类似鸟类大脑的弱定位架构,模块间通过分布式协作而非专业化分工来处理认知任务。这一发现颠覆了基于功能模块优化的传统思路,指出应充分利用网络级协作来提升AI性能。
据报道,ChatGPT开发商OpenAI计划在印度建设一座耗电量超过1吉瓦的数据中心,目前正寻找当地合作伙伴。该设施预计可容纳至少5.9万片英伟达B200芯片。这可能是OpenAI全球数据中心计划的一部分,旨在为国际用户提供更低延迟服务。OpenAI CEO奥特曼将于下月访问印度,公司还计划年底前在新德里开设办事处。
腾讯和清华研究团队首次从数学理论角度解释了为什么AI需要外部工具。研究证明纯文本AI存在"隐形枷锁",无法突破预训练的能力边界,而工具集成能打破这种限制,让AI获得全新的问题解决策略。团队还开发了ASPO算法,解决了训练AI更早使用工具的技术难题。实验显示配备工具的AI在数学问题上全面超越纯文本版本,展现出三种新奇认知模式,为构建更强大的AI系统提供理论指导。