的數(shù)據(jù)傳輸。這項技術(shù)的核心,是通過圍繞地球運行的衛(wèi)星,向下鋪設(shè)網(wǎng)絡(luò)連接。
如果一切順利,這個數(shù)字有可能攀升至70%。
在這一連串令人目眩的大動作下,讓我們快速了解關(guān)于衛(wèi)星互聯(lián)網(wǎng)的一切。
衛(wèi)星互聯(lián)網(wǎng)是如何運作的?
的速度繞地球運行,這些衛(wèi)星相互之間組成網(wǎng)絡(luò),并與地面終端通信,以傳遞互聯(lián)網(wǎng)數(shù)據(jù)。
這些終端大概有披薩盒子那么大,其中包含不同的無線電波天線。為了接入衛(wèi)星互聯(lián)網(wǎng),用戶需要把終端安裝在無遮擋的室外環(huán)境下——例如屋頂。
。而由計算機一側(cè)發(fā)出的信號,再經(jīng)過相同的路徑,前往互聯(lián)網(wǎng)服務(wù)商,通過重復(fù)往來實現(xiàn)數(shù)據(jù)交互。
衛(wèi)星互聯(lián)網(wǎng)的“裝備”
。
的常規(guī)組合。
將調(diào)制解調(diào)器發(fā)出的網(wǎng)絡(luò)信號,分發(fā)至家中的各個角落。
衛(wèi)星互聯(lián)網(wǎng)的“細節(jié)”
以往的衛(wèi)星互聯(lián)網(wǎng)速度極慢,之前提供的下載速度約為750 Kbps,而技術(shù)發(fā)展與新衛(wèi)星的升級讓網(wǎng)速表現(xiàn)有了質(zhì)的飛躍。如今,某些衛(wèi)星互聯(lián)網(wǎng)服務(wù)商已經(jīng)能夠支持100 Mbps的傳輸速度,已經(jīng)跟大部分固網(wǎng)及DSL網(wǎng)絡(luò)服務(wù)的性能處于同一水平。
游戲這類強調(diào)超高速響應(yīng)的場景,在使用衛(wèi)星互聯(lián)網(wǎng)時堪稱“災(zāi)難級”體驗;但網(wǎng)頁瀏覽、查收郵件及共享照片等其他線上活動倒是對延遲不怎么敏感。
,只要風(fēng)暴散去服務(wù)就能恢復(fù)正常。在大雪時,我們也可以清除衛(wèi)星天線周圍的積雪來恢復(fù)通信。不過也有特殊情況,如果雷暴劈倒的大樹砸斷了線纜,那網(wǎng)絡(luò)傳輸恐怕就得癱瘓好幾天。
畢竟面對要么沒得用、要么用衛(wèi)星互聯(lián)網(wǎng)的狀況,用戶們肯定更愿意選擇后者。
。
衛(wèi)星互聯(lián)網(wǎng)最新動態(tài)
在Twitter上向馬斯克發(fā)出私人呼叫,希望對方能在俄羅斯入侵期間為烏克蘭提供Starlink。
而在寫給費多羅夫的回復(fù)中,馬斯克表示“終端已經(jīng)在途運送。”
截至2022年2月,地球軌道上共運行有2091顆Starlink衛(wèi)星,其共同組成名為“衛(wèi)星互聯(lián)網(wǎng)星座”的網(wǎng)絡(luò)體系,能夠為地球上的大部分地區(qū)提供網(wǎng)絡(luò)連接覆蓋。
。雖然理論上這些衛(wèi)星已經(jīng)可以為地球上的大部分地區(qū)提供網(wǎng)絡(luò)服務(wù)覆蓋,但在實際操作上還受到各類許可和協(xié)議的限制。
而增加太空風(fēng)險。
,也就是近地軌道上的空間碎片像多米諾骨牌一樣不斷相互碰撞,導(dǎo)致近地軌道不再適合衛(wèi)星的平穩(wěn)運行。
2022年2月上旬,又有49顆新的Starlink衛(wèi)星被射入太空,但由于遭遇地磁風(fēng)暴,一周多之后有40顆衛(wèi)星以墜毀的方式落回地球。
海外來電是科技行者旗下編譯團隊,聚焦海外新技術(shù)、新觀點、新風(fēng)向。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。
科技行者旗下編譯團隊,聚焦海外新技術(shù)、新觀點、新風(fēng)向。