随着竞争对手航空公司不断提升连接选项,达美航空与亚马逊达成合作,将亚马逊Leo低轨道卫星服务的高速、低延迟互联网引入达美航班。
两家公司声称,这一合作伙伴关系意味着他们正在"推动旅行和技术的未来",并将释放下一代技术驱动的旅行体验。
作为世界最大的航空公司之一,达美航空在100多年前作为第一家商业农业飞行公司开始运营,提供农作物除尘服务。18架Huff Daland Dusters飞机成为美国最大的私人机队之一,随后该公司为泛美航空子公司秘鲁航空运营了南美洲西海岸首条国际邮件和客运航线。
时至今日,达美航空目前的机队正在进行重大更新和扩张,以匹配其未来十年及以后的国际和高端增长策略。该公司最近行使了34架空客A321neo飞机的选择权,强化了该机型在达美下一代窄体机队中的支柱地位。
这是达美航空最近宣布的第三个飞机订单。2026年2月,该公司宣布了两个单独的订单,总计超过60架宽体飞机,包括波音787梦想客机以及空客A330-900和A350-900。
新的连接协议扩展了两家公司现有的合作关系,也将建立在达美航空在其运营中使用亚马逊网络服务的基础上,旨在为达美客户和员工提供新的互联体验。实际上,达美和亚马逊计划合作整合AWS、亚马逊Leo、其他亚马逊技术和人工智能,以增强整个旅行过程中的客户体验。
达美将在数百架达美飞机上引入亚马逊Leo互联网接入,从2028年开始在500架飞机上进行初始安装,并与亚马逊合作扩展其受欢迎的Delta Sync Wi-Fi和座椅背后屏幕体验,为客户提供更个性化的机上连接。
亚马逊描述Leo服务为提供互联网新时代的最先进选项,提供最快的卫星连接速度,下载速度高达1Gbps,上传速度达400Mbps。
达美表示将使用亚马逊Leo的"尖端"卫星技术,在达美国内外航班上带来更多快速数字体验,比如流媒体电影和电视节目。该公司还提到了利用上传容量的潜在用例,包括实时上传照片和视频,在空中安全发送演示文稿或商务文件。
达美首席执行官Ed Bastian对此次部署评论道:"达美的未来是全球化的。这项协议为我们提供了现有最快、最具成本效益的技术,以更好地连接当今世界,并深化了我们与全球领导者的合作,该领导者与我们有着共同的雄心,即构建下一个时代——在未来几年为我们的员工和客户创造更强的人际连接。"
亚马逊总裁兼首席执行官Andy Jassy说:"我们设计Leo是为了向地球上没有可靠连接的数十亿人提供高速互联网,与达美的这项协议很好地展现了这项技术的影响和规模——为每年乘坐达美航班的数千万乘客带来更快的机上Wi-Fi。
人们越来越希望无论身在世界何处都能保持连接,Leo的速度和可靠性将对企业、政府和消费者产生重大影响。这将大大改善机上体验,并将改变旅行中的可能性。"
Q&A
Q1:亚马逊Leo卫星服务的网络速度有多快?
A:亚马逊Leo服务提供最快的卫星连接速度,下载速度高达1Gbps,上传速度达400Mbps,被描述为提供互联网新时代的最先进选项。
Q2:达美航空计划在多少架飞机上安装亚马逊Leo服务?
A:达美将在数百架飞机上引入亚马逊Leo互联网接入,从2028年开始在500架飞机上进行初始安装,并计划进一步扩展。
Q3:亚马逊Leo能为飞行中的乘客带来什么新体验?
A:乘客可以享受流媒体电影和电视节目等快速数字体验,还可以利用上传容量实时上传照片和视频,在空中安全发送演示文稿或商务文件,获得更个性化的机上连接体验。
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。