IT在西班牙开展和体验足球这项全球最受欢迎的运动方面发挥着关键作用。西班牙顶级足球联赛西甲联赛(LaLiga)正在利用人工智能和机器学习为球员和教练提供新的洞察,并改变球迷享受和理解比赛的方式。
这一转型始于2016年和微软的合作,也使西甲联赛能够通过向整个体育和娱乐行业提供技术平台和服务来扩展其业务。
“我们通过第一份协议开始,成为一家以技术、数据为导向的云组织,”西甲联赛创新经理Ana Rosa Victoria Bruno这样说道。西甲联赛是世界顶级的足球联赛之一,在全球拥有超过28亿观众。
西甲联赛转型的核心,是一个名为Mediacoach的数据分析平台,该平台使用Azure基础设施来收集、解释和展示每场比赛近乎实时捕获的约350万个数据点的洞察。Mediacoach如今已经发展成为LaLiga Tech的核心业务——LaLiga Tech是一家端到端的技术子公司,利用西甲联赛的创新成果为体育和娱乐行业提供技术平台、服务和咨询服务。
从Mediacoach收集的洞察可提供给技术人员(例如教练和医生),但西甲方面还打造了Beyond Stats,一个由Mediacoach提供支持的门户,通过一系列可访问的仪表板为媒体和球迷打包和呈现各种数据。
Bruno说:“我们首先将这些数据提供给俱乐部的技术人员,但现在我们决定是时候把这些先进的统计数据提供给球迷和媒体了,我们发现,球迷渴望使用这些数据并了解更多比赛信息。”
AI带来的优势
LaLiga Tech依靠人工智能和机器学习来实施多项举措。例如,西甲联赛使用AI来吸引和留住球迷,方法就是推荐内容并通过情绪分析提供对球迷体验的额外洞察。西甲联赛还打造了一个名为Calendar Selector的机器学习解决方案,在安排比赛时最大限度地提高电视观众和体育场观众人数;以及开发了预测模型来检测趋势、做出预测和模拟结果。这些球迷参与、比赛管理和高级表现分析功能都是LaLiga Tech产品的一部分。
比赛期间,联盟每个体育场都安装了16个光学跟踪摄像机,捕捉球员位置、裁判位置和球运动的实时数据,每场比赛要捕捉350万个数据点。
Bruno说:“每月大量的数据,让我们能够提供统计数据和报告,系统中有112000份报告和800万个位信息,这对于42个俱乐部来说是巨大的信息量。”
AI获取这些数据,并将其与约2000场比赛的历史跟踪数据相结合,以生成新的洞察,例如进球概率模型,这是2022年首次推出的21项新统计数据之一。
先进的Goal Probability进球概率模型则是由足球分析师、商业智能分析师和分析团队组成的多学科团队打造的,它利用了一系列变量,包括球员的视线(考虑到对方球员的位置)、球与守门员、球与球门之间的距离以及与最近防守队员的距离和角度,以衡量完成给定得分机会的概率,计算中还考虑了球员的效率指标因素,该指标是基于球员每场比赛和每次射门进球概率等变量的。
“其中一个挑战是,为了将这些原始数据转化为知识,我们不仅需要数据科学家,还需要足球分析师、用户体验专家和教练,”Bruno说。
该平台可以在给定的得分尝试之后30秒内进行计算,从而使广播公司能够近乎实时地将统计数据合并为帧级别的图形。
Bruno说:“我们遵循设计思维过程,首先我们在实验室进行了一些测试,然后我们与粉丝进行了测试。他们在信息呈现方面给我们提供了有趣的洞察,并向我们提供了反馈。”
Bruno和她的团队通过球迷测试学到的一件事就是,要向观众介绍数据。
Bruno说:“通过与球迷的不同测试,我们意识到有时不同的人并不能很好地理解我们正在准备的定义类型或呈现这些数据的图形类型,仅有数据还不够,我们需要解释一下。媒体和评论员也是如此。我们会和评论员开会,帮助他们理解数据和统计数据,这样他们不仅提供数据,还能提供知识。”
西甲联赛的下一步是要重新构想向球迷提供数据和知识的方式,包括不同的提供渠道。
“我们现在正在使用广播和网络,下一步是寻找新的渠道和新的方式来向球迷传递这些信息,这样无论是在家里还是在体育场,这都是一种新的体验,”Bruno说。
西甲联赛还与微软在下一代OTT流媒体服务、高级内容保护服务和场馆管理系统方面展开密切合作。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。