史上首次!米兰冬奥基于阿里千问打造奥运官方大模型

简介: 国际奥委会携手阿里千问大模型,打造奥运史上首个官方AI大模型,赋能2026米兰冬奥会。涵盖“国家奥委会AI助手”“奥运AI助手”、自动媒体描述、AIGC宣传、雪地场景转播特效及智能交通管理等,实现更智能运营与深度互动,树立“最智能奥运会”新标杆。

官宣!

国际奥委会基于阿里千问

打造史上首个奥运官方大模型

带来更智能的运营、更深入的互动

米兰冬奥会将成最智能的一届奥运会!

2月5日,米兰冬奥会开幕在即,国际奥委会主席柯丝蒂·考文垂在国际转播中心举行的活动中宣布,国际奥委会已基于阿里千问大模型打造了奥运史上首个官方大模型。

考文垂在现场高度评价了AI技术对本届冬奥会的变革性意义。她表示,得益于千问大模型的技术支撑,2026米兰冬奥会展现了奥林匹克运动的智能化未来,将成为史上“最智能”的一届奥运会。

目前,这一奥运官方大模型已在专业赛务与公众服务双端同步落地。

在赛务侧,国际奥委会在其面向各国奥委会工作人员的网站上线了“国家奥委会AI助手”。该助手依托千问大模型强大的多语言理解能力,并通读数百万字官方手册。代表团成员只需用母语提问,即可获取从资格审核到后勤调度等各项问题的精准解答。这一应用有效消除了语言与地域隔阂,大幅提升了全球代表团的备赛协同效率。

图|国家奥委会AI助手

在公众侧, 国际奥委会也将在官网(Olympics.com)上线基于千问大模型打造的“奥运AI助手”。该助手将面向全球观众开放,能够实时、精准地解答关于赛事规则与奥运历史的各类提问,通过AI技术拉近大众与奥运的距离。

在回顾双方合作历程时,考文垂称阿里巴巴一直是奥林匹克运动的一个“具有变革性的合作伙伴”。从东京、北京到巴黎,阿里云持续推动奥运的效率与可持续性。她特别指出:“阿里千问大模型的技术将为奥运带来更智能的运营、更深入的互动,并为奥林匹克运动带来新的可能性。”

图|米兰国际转播中心

与此同时,基于千问大模型Qwen-VL开发的自动媒体描述系统也在直播生产环节投入运行,实时识别进球、犯规等关键事件并生成描述。

此外,AIGC技术也首次大规模应用于冬奥会的内容生产环节。米兰冬奥组委会基于阿里万相大模型,高效创作了一系列面向全球粉丝的多媒体宣传素材。万相强大的视觉生成能力,为冬奥会的数字化传播注入了全新的创意活力。

除了大模型应用,阿里云AI增强的转播特效技术渗透率也在本届冬奥会上创下新高。针对冬奥会特有的“雪地背景纹理单一、缺乏特征点导致视觉盲区”的问题,阿里云采用多模型融合算法,成功攻克了雪地场景的高精度重建难题。

该技术已部署于米兰冬奥的10个核心竞赛场馆,覆盖高山滑雪、跳台滑雪、冰球等超三分之二的比赛项目。

全球观众将在转播中看到更清晰的“子弹时间”定格画面及新增的“时间切片”特效,身临其境地看清运动员在空中极速翻转的完整轨迹。

图|米兰冬奥场馆内的子弹时间设备

此外,作为史上赛区地理跨度最广的一届冬奥会,阿里云支撑构建了交通管理系统,在风雪交加的阿尔卑斯山区打通了从城市进入山区的“最后一公里”。

同时,阿里云“能耗宝”持续运行,新增“能源问题追踪系统”,以数字化手段支撑米兰冬奥实现更可持续化的目标。

图|阿里云工程师在米兰冬奥场馆内工作

“每一届奥运会都会留下独特的遗产。而米兰冬奥会的遗产将是——智能化,具体来说,是人工智能驱动的智能化。”考文垂在演讲最后总结道,“这份AI能力,正是米兰冬奥会留给世界的‘永恒礼物’,它将重塑奥林匹克运动会的未来。”

/ END /


来源  |  阿里云公众号

相关文章
|
7月前
|
人工智能 编解码 数据可视化
国赛发布|米兰设计周X阿里云全民运动AIGC创作大赛命题策略单来啦
“全民运动AIGC创作大赛”由米兰设计周组委会与阿里云联合主办,鼓励高校师生及设计师运用AI技术创作体育主题作品。赛事聚焦冰雪、水上、团体及个人运动,倡导科技与人文融合,提供算力支持与创作平台,推动运动文化传播。投稿时间至2026年5月31日。
|
12月前
|
人工智能 安全 云计算
非洲首届奥运赛事将跑在阿里云上!
阿里云将为2026年达喀尔青奥会提供全程云计算与AI支持,覆盖赛事核心应用及服务,助力赛事全面上云,提升运营效率与观众体验。这将是奥运史上首届在非洲举办的综合性赛事,也将首次由云计算和AI技术全面支撑运行。
614 0
|
5月前
|
人工智能 算法 人机交互
如何定义“人味儿”?——HeartBench评测体系建设实践
2025年AI进入“定义问题”下半场,情感与拟人化能力成新焦点。HeartBench是国内首个面向中文心理社科领域的拟人化评测基准,覆盖人格、情绪、社交等5大维度、15项能力,含296题+2818条评分标准,经专家盲测验证人机一致率达86%,开源推动AI“人味儿”科学评估。
|
5月前
|
人工智能 安全 API
Qoder+Skills,一个人一周完成开源官网重构
未来的开发不再仅仅是 Coding,而是对 AI 能力的深度编排。
1280 47
|
3月前
|
人工智能 运维 监控
Agent从一问一答到自主执行面临哪些挑战?
AI任务调度平台(MSE)解决开源Agent定时任务的五大痛点:高可用性、统一运维、细粒度权限、全链路可观测、弹性降本。支持OpenClaw/Hermes/百炼/Dify等多框架,提供任务批处理、自进化、会话管理等企业级能力,现开放免费公测。
Agent从一问一答到自主执行面临哪些挑战?
|
3月前
|
人工智能 运维 监控
Agent 开发范式演进:从环境工程出发,“简化”多源实时上下文
本文基于阿里云沈林在2026中国生成式AI大会的分享,指出企业级Agent落地瓶颈不在模型,而在上下文供给能力。文章从“环境工程”视角,提出信息完备性、感官管理、知识对账、变更治理、普惠门槛五大维度,探讨如何让Agent低成本、可靠接入多源实时业务环境。
Agent 开发范式演进:从环境工程出发,“简化”多源实时上下文
|
5月前
|
人工智能 运维 监控
你的 AI Agent 真的在受控运行吗?
以 OpenClaw 为案例,从行业威胁态势与运行时防护的固有局限出发,系统拆解 AI Agent 可观测体系的设计方法论:通过 Session 审计日志、应用日志与 OpenTelemetry 遥测三条数据管道,构建行为审计、威胁检测、成本管控与运维观测的完整闭环。
你的 AI Agent 真的在受控运行吗?
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
模型训练篇|多阶段ToolRL打造更可靠的AI导购助手
芝麻租赁推出AI导购“租赁小不懂”,针对长周期、重决策租赁场景,首创“One-Model + Tool-Use”架构与两阶段强化学习,攻克需求难匹配、决策效率低、服务被动三大痛点,实现响应提速78%、推荐成功率提升14.93%,打造贴切、沉浸、信任的场景化租赁体验。(239字)
652 25
模型训练篇|多阶段ToolRL打造更可靠的AI导购助手
|
5月前
|
SQL 存储 Java
美团 x 云器|从美团BI平台升级看数据引擎架构升级演进路径
美团BI平台基于云器Lakehouse完成引擎升级,以Single-Engine统一架构替代原有三套异构引擎,实现“不搬数据、不改SQL、不迁任务”的平滑演进。性能提升3倍、架构精简2/3,支撑万亿级数据实时分析与智能用数。
1354 0
|
7月前
|
缓存 负载均衡 Go
RTP-LLM 在相关性大模型中的推理优化最佳实践
本文介绍淘宝搜索如何通过RTP-LLM框架,创新实现大Batch调度、批次内KV缓存复用及MoE Kernel动态调优,成功落地3.5B MoE大模型相关性计算,在严苛500ms延迟约束下保障性能与稳定性。
RTP-LLM 在相关性大模型中的推理优化最佳实践