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
NVIDIA研究团队开发出名为Lyra的AI系统,能够仅凭单张照片生成完整3D场景,用户可自由切换观察角度。该技术采用创新的"自蒸馏"学习方法,让视频生成模型指导3D重建模块工作。系统还支持动态4D场景生成,在多项测试中表现优异。这项技术将大大降低3D内容创作门槛,为游戏开发、电影制作、VR/AR应用等领域带来重大突破。
生物技术公司SpotitEarly开发了一种独特的居家癌症筛查方法,结合训练有素的比格犬嗅觉能力和AI技术分析人体呼气样本。该公司研究显示,18只训练犬能以94%的准确率检测出早期癌症。用户只需在家收集呼气样本并寄送至实验室,由训练犬识别癌症特异性气味,AI平台验证犬类行为。公司计划明年通过医师网络推出筛查套件,单项癌症检测约250美元。
谷歌DeepMind团队创新性地让Gemini 2.5模型在无需训练的情况下学会理解卫星多光谱图像。他们将复杂的12波段卫星数据转换为6张可理解的伪彩色图像,配以详细文字说明,使通用AI模型能够准确分析遥感数据。在多个基准测试中超越现有模型,为遥感领域AI应用开辟了全新道路。