为了减少碳足迹和缓解气候变化,美国冰球联盟(NHL)已经转向利用数据和分析来衡量球队比赛场馆的可持续性表现。今年10月,美国冰球联盟与合作伙伴SAP一起发布了NHL Venue Metrics可持续发展平台,让球队及其场地合作伙伴可以使用该平台进行数据收集、验证、报告和洞察。
这个新平台进一步推进了美国冰球联盟从2010年开始的可持续发展之旅。美国冰球联盟在2010年启动了NHL Green计划,以促进整个联盟的可持续商业实践。随后,北美职业体育联盟在2014年发布了第一份可持续发展报告,并于2015年承诺连续三个赛季平衡联盟的整个碳足迹。
美国冰球联盟可持续基础设施和增长计划副总裁Omar Mitchell
美国冰球联盟可持续基础设施和增长计划副总裁Omar Mitchell表示:“这对我们来说意义重大,因为冰球最早源自于人们在池塘结冰水面上比赛。我们需要淡水;我们需要寒冷的天气。说到竞技场,你可以想象成我们是在一个巨大的冰箱里比赛的。所以,我们使用大量的能源和资源,在结冰的水面上比赛。”
当美国冰球联盟开始可持续发展之旅的时候Mitchell这个角色还不存在。他是在2012年加入联盟,成为联盟的首位可持续发展总监,他的任务是寻找在联盟及其成员俱乐部中开展可持续商业实践的方法。
他说:“关于任何可持续发展平台,最重要的是你无法影响那些你无法衡量的东西。无论你的职能角色是什么,无论你所在的行业关注什么,这都是一样的。真正推进变革的唯一方法是通过衡量,然后从衡量中产生影响。可持续性就是持续的业务改进。可持续性就是创新和业务优化。对于业务来说,唯一的方法就是拥有可以帮助你获得这些洞察的数据。”
对最佳实践进行基准测试
考虑到美国冰球联盟的特殊结构,因此推动该机构的可持续发展实践面临着独特的挑战。美国冰球联盟是由北美32个特许经营权组成(加拿大有7支球队,美国有25支球队),每支球队都由不同的实体所有和经营权,其中大部分还拥有且经营着相关场地。例如,位于美国华盛顿特区的Monumental Sports & Entertainment拥有该联盟的华盛顿首都队、NBA的华盛顿奇才队、WNBA的华盛顿神秘人队、华盛顿特区的Capital One Arena体育馆。美国冰球联盟可以影响和改进这些特许经营商的做法,但不能强制执行。
Mitchell指出,除了环境效益外,这通常还会有助于展示各种举措的商业效益。例如,美国冰球联盟有超过三分之二的场馆已经转换为LED比赛灯,这项举措节省了大量的能源。
“这些是照亮冰面的灯光,以前我们用的是1000瓦的金属卤化物灯。”
他指出,新的LED照明技术会让冰面看起来更亮,使表面更加突出。
“我们不会告诉各个场馆说‘你们必须更换灯光’,我们会给他们展示这项创新技术为什么重要,以及所有例子和最佳案例,还有环境方面的好处,所以现在我们大部分的设置都装上了LED照明灯。”
Mitchell说,美国冰球联盟正在以同样的方式考量NHL Venue Metrics。
他说:“我们正在使用我们的技术和平台来制定规则,规定他们应该如何衡量和汇报场馆的运营情况,以及提供给他们运营场馆基准的一些洞察。”
这样使得美国冰球联盟可以收集和整理这些结果并从中发现各种趋势,深入了解场馆在哪些方面做得更好或者做得较差,并分享最佳实践。
他说:“基准测试、分析,然后展示这些最佳实践,这就是这种工具的强大之处。”
IT驱动的可持续性
美国冰球联盟在2014年和2018年发布了可持续发展报告,确定了场馆运营占美国冰球联盟整体碳足迹的70%左右,这一发现促使联盟向SAP寻求帮助,以便通过一种技术解决方案来追踪场馆的碳排放量,并最终开始朝着正确的方向前进。
双方打造了NHL Venue Metrics,一个基于云的端到端平台,可以帮助场馆测量和分析他们在能源、水、废物和回收等领域产生的碳足迹,主要由三个部分组成:
联盟使用SAP HANA Cloud处理运营数据,并使用SAP Analytics Cloud实现可视化。
SAP是NHL Venue Metrics平台的技术领导者。例如,Mitchell的团队还与联盟的俱乐部业务和分析小组展开密切合作,获取数据以及处理票务和保费优惠,同时和IT团队密切合作,以确保平台及其数据的安全。
联盟在今年10月推出了NHL Venue Metrics平台,因此目前仍处于早期阶。Mitchell表示,目前团队已经积累了很多关于数据收集的经验。
他说:“这是一个迭代过程,在这个过程中,我们不断从场馆那里获得有关衡量单位以及验证数据报告重要性等方面的反馈。”
随着数据量的增加,联盟将寻求更多减少资源消耗的机会和运营改进,例如增加废物从垃圾填埋场到回收利用的转移。Mitchell希望从那些表现突出的场馆那里收集洞察,并将这些洞察转化为最佳实践,与其他俱乐部分享,以供其他场馆采纳。
他说:“这就算是取得成功了,这让我们能够将可持续性带入整个联盟中。”
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。