2022年2月4日,北京——北京2022年冬奥会拉开帷幕。开幕式上,人文与科技在国家体育场上交相辉映,为全世界献上一场空灵浪漫的艺术盛宴。作为奥运会全球TOP合作伙伴,英特尔正用创新技术帮助实现开幕式节目关键创意。英特尔以基于英特尔®至强®可扩展处理器的3DAT技术,联合第三方专业团队定制开发了“基于人工智能技术的演出实时特效系统”,应用在《致敬人民》和《雪花》两个节目中。凭借先进的AI算法,仅通过4台摄像机就覆盖了全场,并让演员与现场铺设的大屏实现实时互动,达到了仅靠排练无法达成的流畅效果,将唯美艺术和奥林匹克精神传递给世界。
英特尔公司高级副总裁、英特尔中国区董事长王锐表示:“开幕式中所展现的更有爱、更团结的丰沛情感让我倍受感动,其中人文与科技的融合也非常振奋人心,很荣幸英特尔的技术能应用到这样美好的作品中,为全世界展现艺术与科技交汇之美。我们希望英特尔的创新技术不仅能为艺术添彩、为体育事业助力,还能为人们创造更多美好。”
漫天流动的风雪在滑冰运动员的脚下实时消散、五百多个孩子如晶莹的雪花在舞台上欢笑嬉戏,这些令人印象深刻的画面背后,是英特尔在国家体育场架设4台摄像机进行拍摄,随后将视频信号送到边缘计算系统中进行三维信号重建及渲染,随即将生成的艺术形象呈现在LED大屏上,并以强大算力确保演员与大屏中艺术形象互动的实时性与流畅性。
在覆盖范围上,英特尔依赖于先进的AI算法专门设计开发了多个人体检测AI模型,可以稳定精准识别场中上百名演员,最终利用多相机标定结果实时输出他们的真实位置信息,只采用了4台摄像机就做到了覆盖全场并完成信息采集。在实时性上,摄像机将采集到的数据信号通过光纤传输到英特尔在国家体育场内搭载了第三代英特尔®至强®可扩展处理器的边缘计算系统上,它的强大算力可满足实时、大量、精准度要求高的图形、影像处理和3D建模、数据分析需求。而在传输效率上,“基于人工智能技术的演出实时特效系统”通过英特尔®OpenVINO™视觉工具套件进行开发,通过Intel DL Boost技术使能,进而实现精准、流畅、实时的视频数据读取和处理,从图像采集、识别到检测和处理,只需要不到几十毫秒的时间。
北京冬奥组委开闭幕式工作部部长常宇对开幕式中科技与艺术的结合表示了赞许:“开幕式一直是奥运赛事中备受关注的部分,它集中展现了一个国家的文化历史,也传递出对全人类的美好祝愿。很高兴看到英特尔的创新技术应用在开幕式文艺表演中,让全世界观众直观感受到人文与科技所产生的化学反应,也期待在本届冬奥会上看到英特尔的更多创新应用。”
北京冬奥会和冬残奥会开闭幕式总导演张艺谋从艺术创作的角度肯定了创新技术的作用:“我不想把科技定义成艺术的辅助者,它越来越多地成为了艺术的重要组成部分。就像冬奥会开幕式中的人与‘湖面’、‘雪花’的互动,这种流畅的效果不是仅靠反复排练就能达到的,而创新技术帮我们实现了创意,它让艺术发挥更大魅力。”
在科技的加持下,观众们感受到了北京冬奥会开幕式“简约而不简单”的别样精彩。英特尔一直积极履行对打造奥运赛事智慧新体验的坚定承诺,在本届冬奥会上,英特尔的创新技术如AI数据分析、360° VR技术平台、VSS数字孪生场馆模拟仿真系统等都将得到展现。在未来,英特尔也将携手合作伙伴,将创新技术更广泛地应用到人们生活、工作、娱乐的方方面面,践行宏旨:创造改变世界的科技,造福地球上每一个人。
好文章,需要你的鼓励
新加坡人工智能机构与阿里云发布全新大语言模型Qwen-Sea-Lion-v4,专门针对东南亚语言和文化特色进行优化。该模型结合阿里云Qwen3-32B基础模型和大量东南亚地区数据集,在东南亚语言模型评估榜单中位居开源模型首位。模型支持119种语言,能在32GB内存的消费级笔记本上运行,采用字节对编码技术更好处理非拉丁文字,并具备3.2万词元上下文长度,可执行文档级推理和摘要任务。
中科大联合快手等机构推出VR-Thinker技术,首次实现AI视频评判员的"边看边想"能力。该系统通过主动选择关键画面、智能记忆管理和三阶段训练,在视频质量评估准确率上达到75%-82%,特别擅长处理长视频场景,为AI视频生成的质量控制提供了突破性解决方案。
AI智能体是下一代业务自动化工具,不仅能对话交流,还能执行复杂任务。与ChatGPT聊天机器人不同,它们可在最少人工干预下规划并完成工作。文章介绍了五个高影响力应用:自动化客户服务解决方案、销售CRM管理、合规自动化、招聘筛选与排程、市场情报报告。这些应用都具有重复性工作流程、依赖结构化数据、遵循可预测规则等特点,能够释放员工宝贵时间用于更有价值的工作。
微软研究院发布BitDistill技术,通过三阶段优化将大型语言模型压缩至1.58位精度,在保持性能的同时实现10倍内存节省和2.65倍速度提升。该技术包括模型结构稳定化、持续预训练适应和知识蒸馏传承三个关键步骤,解决了模型量化中的性能衰减和规模化问题,为AI模型在资源受限设备上的高效部署提供了新方案。