巴赫:阿里AI技术将巴黎奥运转播带到新高度

简介: 巴赫:阿里AI技术将巴黎奥运转播带到新高度


官宣!

2024巴黎奥运会实现历史性突破:

阿里云支撑的奥运转播云用量

首次超越传统卫星转播

成为奥运的主要转播方式!

今年也将是首次广泛应用AI技术的奥运会

多项应用提升观赛体验!



国际奥委会主席巴赫表示:在2024巴黎奥运会上,广泛的阿里巴巴AI技术创新将云上转播带到新高度。


48a47cd45a145b1323aa665ff51e7aa2.jpg


阿里云支撑的奥运转播云将成为奥运直播分发的主要方式,目前已预定的直播分发服务中,有三分之二是基于云计算的全球直播分发。阿里云全球基础设施将支撑奥运直播信号从巴黎传输到全球200多个国家和地区,走向数十亿观众。

e1bac7429a513c6ae0a6d3664a4720d0.jpg



巴黎奥运将采用阿里云AI技术增强的全新转播技术,可以为观众呈现高自由度回放,让观众就像看科幻电影的经典画面“子弹时间”一样,身临其境多角度看到运动员强化慢镜头、时间静止等效果。




这项技术首次应用于北京冬奥会,巴黎奥运会将更广泛部署,总计有14个场馆部署了终端设备,将在沙滩排球、网球、柔道和橄榄球等赛事转播中采用。



d824136d05b33d25db172ce79a4b5696.jpg



这些新技术的应用也让赛事转播更具有可持续性。云计算让更多人可以远程工作,这让巴黎奥运会的国际转播中心的物理面积,比上一届东京奥运会减少了13%,比2016年里约奥运会减少了23%。与2020年东京奥运会相比,组委会为IBC提供的电力减少了44%,与2016年里约奥运会相比减少了72%。


389c8ed5fd5dc14efdbcf2ca61c40e39.jpg


更少的空间却可以生产更多内容。2024巴黎奥运会预计将产出11000多个小时直播内容,通过阿里云向全球直播分发。


04994c9a0eff051470ed4bbedfe8f1d4.jpg


奥林匹克转播服务公司(OBS)首席技术官Sotiris Salamouris分享了云上转播的历程——

在东京奥运会上,云计算首次支撑奥运转播。那一年,一家持权转播机构很晚才抵达现场,并且希望分发大部分赛事的直播信号。如果是传统方式,这家转播机构无法完成任务,但在阿里云上,他们迅速拉起全球传输,整个赛事直播非常稳定。自此之后,奥运直播越来越多向云上迁移。


没有云计算,奥运直播信号主要依靠卫星和传统光缆传输。这些设施,价格高昂,且要提前很久部署硬件。转播机构无法临期更改自己的计划,遇到本国运动员爆冷闯进决赛,也只能无缘直播。但是基于阿里云的全球基础设施,转播机构用更低成本,快速拉起直播,完全不用担心硬件部署。

阿里云与国际奥委会共同打造了基于云计算的AI平台,旨在通过AI支持的媒体资产管理服务,提供增强的视觉搜索功能、多媒体内容自动分类和视频亮点制作等功能,为国际奥委会管理海量媒体内容提高效率。


/ END /


目录
相关文章
|
6天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
12月05日,由中国软件行业校园招聘与实习公共服务平台携手阿里魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·电子科技大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
|
10天前
|
机器学习/深度学习 存储 人工智能
【AI系统】离线图优化技术
本文回顾了计算图优化的各个方面,包括基础优化、扩展优化和布局与内存优化,旨在提高计算效率。基础优化涵盖常量折叠、冗余节点消除、算子融合、算子替换和算子前移等技术。这些技术通过减少不必要的计算和内存访问,提高模型的执行效率。文章还探讨了AI框架和推理引擎在图优化中的应用差异,为深度学习模型的优化提供了全面的指导。
26 5
【AI系统】离线图优化技术
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
34 10
|
4天前
|
机器学习/深度学习 人工智能 监控
AI视频监控技术的核心优势与实践
AI视频监控技术结合了计算机视觉、深度学习和大数据分析,能够实时分析监控画面,识别异常行为和场景变化。其核心在于从“被动记录”转型为“主动识别”,提升监控效率并减少安全隐患。主要应用场景包括泳池管理、健身器械区域、人员密度预警和异常事件检测。系统架构支持多种摄像头设备,采用边缘计算和Docker部署,具备实时性、高准确率和扩展性等优势。未来将优化复杂场景适应性和实时计算负载,进一步提高系统性能。
|
7天前
|
机器学习/深度学习 人工智能 边缘计算
24/7全时守护:AI视频监控技术的深度实现与应用分享
本文深入解析了AI视频监控系统在车间安全领域的技术实现与应用,涵盖多源数据接入、边缘计算、深度学习驱动的智能分析及高效预警机制,通过具体案例展示了系统的实时性、高精度和易部署特性,为工业安全管理提供了新路径。
|
12天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术在自然语言处理中的应用
随着人工智能技术的不断发展,自然语言处理(NLP)已经成为了一个重要的应用领域。本文将介绍一些常见的NLP任务和算法,并通过代码示例来展示如何实现这些任务。我们将讨论文本分类、情感分析、命名实体识别等常见任务,并使用Python和相关库来实现这些任务。最后,我们将探讨NLP在未来的发展趋势和挑战。
|
12天前
|
机器学习/深度学习 人工智能 安全
AI技术在医疗领域的应用与挑战
本文将探讨AI技术在医疗领域的应用及其带来的挑战。我们将介绍AI技术如何改变医疗行业的面貌,包括提高诊断准确性、个性化治疗方案和预测疾病风险等方面。同时,我们也将讨论AI技术在医疗领域面临的挑战,如数据隐私和安全问题、缺乏标准化和监管框架以及医生和患者对AI技术的接受程度等。最后,我们将通过一个代码示例来展示如何使用AI技术进行疾病预测。
26 2
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
|
1天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。
|
7天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建