尽管 2024 年交通运输领域的通信关注焦点主要集中在汽车行业,但 SNS Telecoms & IT 的一项研究显示,未来铁路移动通信系统 (FRMCS) 准备就绪的私有 5G 和 LTE 网络累计支出预计将在 2024 年至 2027 年间大幅增长,达到 12 亿美元。
这项名为《铁路私有 5G/4G 蜂窝网络:2024-2030》的研究揭示,私有 5G 和 4G LTE 蜂窝网络(又称非公共网络,NPNs)正在各行各业迅速普及,铁路行业也不例外。公共交通运营商越来越多地转向使用任务关键型 LTE 网络,取代老化的 GSM-R 系统和其他传统技术。研究预测,未来三年内,全球铁路领域私有 5G 和 4G LTE 网络基础设施的支出将以 23% 的年复合增长率增长。
亚洲被认为是铁路行业连接的关键地区之一。报告指出,韩国国家铁路公司 (KR) 已部署了全球最大的基于 LTE 的铁路通信网络之一,中国则拥有众多 1.8GHz 私有 LTE 网络,用于基于通信的列车控制 (CBTC)、视频监控、宽带集群和乘客信息系统 (PIS) 相关应用。在法国,大巴黎公司 (SGP) 已部署 2.6GHz 私有 LTE 网络,为大巴黎快速交通系统的所有车站、线路和车库提供室内外运营通信覆盖。
报告中还举例说,西澳大利亚公共交通局 (PTA) 正在安装一个定制的 3GPP 网络,包括约 160 个基站,以取代现有的 400MHz 仅语音模拟无线电系统。印度国家首都区交通公司 (NCRTC) 正在为德里-梅鲁特区域快速交通系统 (RRTS) 部署 700MHz 私有 LTE 网络。该网络支持任务关键型语音和数据通信、欧洲列车控制系统 (ETCS) 2 级和 3 级信号系统,以及自动列车运行 (ATO)。
尽管从 GSM-R 到 FRMCS 的全面过渡预计要到 2020 年代末才会实现,但分析师指出,FRMCS 就绪的 5G 网络也开始被采用,以支持运营和安全相关应用。在中国,申通地铁、广州地铁、深圳地铁以及其他几个城市轨道交通运营商最近采用了混合公私 5G 网络。
报告还强调,西班牙的 Adif AV 正在全国战略物流中心部署混合公私 5G 网络基础设施,旨在促进铁路货运的数字化、流程自动化和成本降低。在英国,英格兰心脏地带铁路连接 (ECH-R) 项目旨在部署独立的私有 5G 网络,为比斯特和布莱切利之间的东西铁路 (EWR) 沿线的运营团队和乘客提供连接。
最后,报告指出,德国铁路 (DB)、法国国家铁路 (SNCF)、瑞士联邦铁路 (SBB)、芬兰交通基础设施局 (FTIA)、波兰国家铁路 (PKP)、东京地铁、中国国家铁路集团等公司正在积极推进其 5G 铁路连接预商用项目,为运营部署做准备。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。