
东京奥运会于7月23日正式开幕,英特尔作为国际奥委会(IOC)的全球顶级合作伙伴,正携手奥运合作伙伴利用英特尔突破性技术助力科技奥运。作为技术领导者,英特尔将最大限度地发挥最新技术的能力,包括5G平台、AI解决方案、沉浸式媒体和IT基础设施等等,为世界各地的运动员、赛事参与者和观众带来创新的体验。
在本届奥运会开幕式中,无人机表演令观众印象深刻。而带来无与伦比视觉奇观的正是来自英特尔的1824架无人机。
其实,从2018年平昌冬奥会开始,英特尔通过加速采用5G、人工智能、沉浸式媒体、无人机等新技术和其他芯片解决方案来提升奥运会的精彩体验。
英特尔在2020年东京奥运会上的技术:
无人机:在2018年平昌冬奥会上1200多架英特尔无人机打造了奥运会历史上首次无人机灯光秀。随后,英特尔® Shooting Star™无人机在日本也提供了无人机灯光秀,包括2018年夏天在长崎的一个娱乐公园的进行的300架规模的和2019年在第46届东京车展的500架无人机灯光秀。
3DAT(3D 运动员追踪):它是一个首创的平台,它将先进的人工智能和计算机视觉运动跟踪能力从实验室带到了赛场上。3DAT通过多个摄像机摄取视频,然后应用姿势估计算法和生物力学算法来提取运动员的三维形态和运动。生成的信息可用于加强广播电视的节目效果,或为运动员训练提供洞察。这些数据还将被整合到奥运会转播中,在7月30日至8月4日的100米、200米、4x100米接力和跨栏运动项目的回放过程中提供叠加的可视化数据。

英特尔® True View:它提供了前所未有的第一个沉浸式体育观赏体验。这是通过在整个会场安装小型高分辨率摄像机以捕捉整个球场上的动作来实现的。其中数据的渲染能够实现360度的回放,并使得对人眼难以判断的动作和场上的违规行为进行详细描述成为可能。英特尔将在15天内拍摄52场比赛,这些比赛将通过各国的奥运会版权持有方进行转播。英特尔®True View技术将部署在7月25日至8月8日的篮球赛事中。
2020年东京奥运会5G项目:与NTT和NTT DoCoMo合作,并由东京奥运会和残奥会组织委员会实施,这一举措将利用5G技术为三个目标场馆的观众和赛事官员提供全新的体育观赏体验。除了利用5G的高速率和大容量进行超高分辨率视频和同步多点视频的直播外,还将有利用低时延的增强现实(AR)观众体验。2020东京奥运会5G项目将部署在游泳(7月25日至27日)、帆船(7月25日至8月4日)和高尔夫赛事(7月25日至8月4日)期间。
2020节拍:它是2020年东京奥运会的官方喝彩节拍。该节拍是作为2020年东京奥运会"Make The Beat!"欢呼喝彩项目的一部分而创建的,以支持鼓舞运动员。观众可通过“2020节拍 ”鼓掌和跳舞,并在社交媒体上发布加油视频,该视频将会展示在比赛场地中。“2020节拍”是使用英特尔的人工智能解决方案创建的。通过在其开发过程中结合多种人工智能技术,英特尔能够缩短学习时间并创造出最佳的音乐组合。
英特尔销售与市场集团副总裁、英特尔奥运项目总经理Rick Echevarria 表示:“英特尔在加速采用新技术方面发挥了关键作用,在整个奥林匹克运动中努力将技术融入奥运会的方方面面--从体育赛事的运作和运动员表现到主办城市基础设施的改善,以及提供数据丰富的观众体验。为奥运会释放的众多创新将最终扩展到奥运会之外,以支持我们更远大的目标。”
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
武汉大学研究团队提出DITING网络小说翻译评估框架,首次系统评估大型语言模型在网络小说翻译方面的表现。该研究构建了六维评估体系和AgentEval多智能体评估方法,发现中国训练的模型在文化理解方面具有优势,DeepSeek-V3表现最佳。研究揭示了AI翻译在文化适应和创意表达方面的挑战,为未来发展指明方向。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
参数实验室等机构联合发布的Dr.LLM技术,通过为大型语言模型配备智能路由器,让AI能根据问题复杂度动态选择计算路径。该系统仅用4000个训练样本和极少参数,就实现了准确率提升3.4%同时节省计算资源的突破,在多个任务上表现出色且具有强泛化能力,为AI效率优化开辟新方向。