01
“使命在肩,奋斗有我”
你见过凌晨四点的洛杉矶吗?
“I see often, because I have been starting training at that time.”
(我见过,因为那是我每天开始训练的时间)
——科比·布莱恩特
时间跃过4点方向,凌晨的北京,满天星星,寥落的灯光,行人很少。这样的静谧,与相距一万多公里外的洛杉矶凌晨有几分相似,但不同的是——
此刻位于在西南五环旁,永定河西岸,老北京人口中的“二七厂”内,站在冰场的一角,一群制冰师傅守望着冰场,随时等待着教练员的召唤,准备进场浇冰。每天周而复始,循环往复。
中车二七国家冰雪运动科训基地 | 北体大冰雪
他们脚下的这片冰场,位于中车二七国家冰雪运动科训基地(即北体大国家冰雪运动训练科研基地),是我国冰雪健儿备战2022年冬奥会的大本营。同一块场地之下,要兼顾速滑与冰壶对场地的严苛要求,无论是运动员,还是场外工作人员,体育人的精神就是「时刻备战」。
但,制冰却不是一件容易的事,是个精细活儿,不仅对温度的「数字」控制刚好,还是要考虑「时差」:白天大道速滑运动员训练,浇冰需要热水,基地的系统需要先满足和保证他们的训练。晚上热水停了之后,再制出冷水,给冰壶训练。并且,速度滑冰和冰壶对冰面的要求非常高,不仅不能有裂痕,连一粒灰尘也不允许有。
北体大国家冰雪运动训练科研基地速滑馆 | 北体大冰雪
备战冬奥的数个日夜里,时差与昼夜,在基地这片时空下,一切都像静止了。但忙碌的不仅是制冰师,冰场另一角还有Always Online的体育科研人员,他们时刻守望着屏幕,看着一圈又一圈下来,智能训练系统里蹦出的数字,每一次与数据的切磋,都离不开科技,科技是冰上训练数字化的使能者。
基地的速滑馆拥有全球第二套Swiss Timing训练系统,它能够使运动员的冰上训练实现数字化和可视化。运动员训练的时候通过佩戴芯片,可以实现实时速度与滑行距离的监测,场馆的摄像头可以追踪运动员轨迹,训练结束后能够将数据采集、分析形成不同的数据输出模式,包括表格形式、网页展示形式、热力图形式等以提供给运动员、教练员及其科研团队。
“这是冰雪运动以前没有的突破”。基地科技工作办负责人冯佳鑫说,在高科技含量系统的助力下,运动员每一堂训练课都能够拥有实时的数据反馈,使冰上训练更加数字化、智能化。借助数据,科研人员可以更快获得洞察,集合众多的洞见与提供指导决策,辅助运动员更好训练,帮助冰雪运动实现创新。
正如技术的发展线路,在高科技的充能充持下,中国冰雪正在通往一条做大做强的创新之路。诸如奥运会全球TOP合作伙伴英特尔这样的科技厂商以遍布云、边、端的强大计算能力,以智能互联、AI、云和智能边缘为方向,为体育赛事打造创新解决方案。
这样的使命犹如体育人,更亦如北体大国家冰雪运动训练科研基地速滑馆一侧的墙壁上,用红色横幅挂着的一行醒目标语——“使命在肩,奋斗有我”。
夜晚或许有些孤独,但总有一群人的负重前行,为中国冰雪发展之路点亮了明灯。如果再把时间往前捋一捋,其实故事早在2015年的夏天就开始了。正如申冬奥成功伊始,「科技冬奥」就成为冬奥筹办工作的关键词之一。回顾过去2000多个日夜,一个个拔地而起的冬奥场馆,见证着一场场奇迹的发生。
02
场馆的智造,藏在数字里的奇迹
建筑面积19251㎡
网架总重量约1400吨
由2367颗螺栓球、
747颗焊接球 和14208根杆件组成
通过5976条焊缝
从厂房拆除带整体网架提升
总工时仅用114天
从钢筋混凝土到冬奥科训场馆,仅不到一年的时间,这份荣耀属于北体大国家冰雪运动训练科研基地速滑馆。它是首个竣工的冬奥配套工程之一,也是亚洲第一个二氧化碳制冰的速滑馆,冰面温差控制在0.5摄氏度以内,碳排量接近于零。
北体大国家冰雪运动训练科研基地速滑馆施工现场 | 北体大冰雪
同样的中国速度,还在更多体育场馆中上演。作为2022北京冬奥会冰上项目场馆,通过改造,五棵松体育中心实现了6小时冰球场与篮球场之间的转场;国家游泳中心由“水立方”转为“冰立方”,应用装配式快速拆装和调平动态监测技术,20天内就可以完成“由水到冰”的场地转换。距离北京奥运会标志性建筑“鸟巢”不远处,以“智慧场馆”为特色的国家速滑馆“冰丝带”拔地而起。
科技冬奥的体现之一是智慧场馆。现在,这样的“智慧”不仅体现在场馆规划、建设与智造、绿色环保,如今,国家重点研发计划“科技冬奥”重点专项还把“智慧观赛”纳入重要任务之一进行布局。
这需要从智慧观赛体验、智能赛事服务,再到智慧化场馆运营提供系统级IT方案。打造世界上技术最先进的体育场,需要高端的IT、合作伙伴及供应商生态系统。在这方面有着丰富经验与充足实践的HPE与英特尔,早已积累了一套世界级体育比赛场馆数字化与智能化的方法集。
过去世界各地的大多数体育场馆,往往缺乏稳定的Wi-Fi,周围5G信号又很弱,这就意味着观众基本上与外界隔绝了几个小时。没有「连接」的场地本质就像让观众进入一个黑暗地带,冬奥之下,体育场的连通性比以往任何时候都显得更加重要。
不止连通,科技的渗透深度,在一些场馆的改造已经见证“奇迹”发生。从比赛装备,到科学训练、技能优化,再到气象、医疗等全方位保障:一个高连接、高贯通、高效率的「科技冬奥」的模样正逐渐清晰。
03
最后的冲刺,只求奋力一搏
“做好准备 这一回 起跑后绝不撤退”
——周杰伦《千山万水》
体育人,体育魂,我们有同一个梦。
凝望着 “更快、更高、更强”(Faster,Higher,Stronger)的奥林匹克格言,追逐完美的表现。尤其在竞速比赛中,0.01秒就可以决定一块金牌的归属。然而,这0.01秒的差距也许就来自先进的科学训练方法。
六自由度训练馆 | 北体大冰雪
在北体大国家冰雪运动训练科研基地就有这样一座充满“神秘”科技的场馆:“六自由度”训练馆。借助科技的力量,帮助冰雪运动员更精准地改进技术动作,更好地提升训练效率。
六自由度训练馆 | 北体大冰雪
“六自由度”——这是一项涉及数字仿真与模拟的测试。通过计算机软件建立运动员的动力学模型,结合“六自由度”运动平台和计算机成像技术,在室内为运动员提供一个虚拟的专项运动的训练和比赛环境,使运动员加深对比赛项目运动机理的理解,进行专项技术训练,强化最优技术模式训练,达到提前适应比赛场地,提高运动员训练成绩的目的。
但如何在短时间内,针对上万个数据点,实现快速数字建模与处理,这就对底层IT技术的效率提出了严峻考验。这一幕似乎也在F1赛车竞速上演过。速度,是冰雪运动中最令人血脉喷张,激情澎湃的因子——F1赛车同样如此。
面对几百万个数据点,如何快速分析与处理,成为了奔驰AMG车队长期被困扰的问题。通过一套高性能边缘计算,赛车和车手需要的几百万个数据点瞬间被击破,为比赛做出最佳的决策。先进的数字化解决方案,还帮助AMG车队将评测时间从2-3天缩短到24小时,在单圈时间上提升2秒。当然,别小瞧了2秒,要知道2021赛季换胎的世界纪录是1.88秒,2秒就意味着车手可以少进站一次。
F1赛车是世界上最昂贵、速度最快、科技含量最高的运动,如今这些先进科技,正在推动中国冰雪全力以赴,从引进、消化到吸收,从创新再到自主创新,科技的炽热温度为中国冰雪运动创新“破冰”。我们等待着一个属于中国冰雪的时代与奇迹发生。
04
冬奥启程,守望百年创新之路
2019年,「京张高铁」全线通车,始发与终点,连接冬奥双城。它的脚下,「京张铁路」,曾是中国自主创新成功的一个范例,从无到有,从有到精,领跑世界。
如今,这趟“冬奥列车”启程,踏上这条百年创新之路。载着梦想的中国冰雪科技创新,也已然在路上。创历史,填空白,这届冬奥也将成为中国体育代表团打破记录,实现参赛项目最多。
但,前路依然遥远。多位承担“科技冬奥”专项课题的负责人表示,在冰雪运动训练中,运用人工智能、大数据、虚拟仿真等技术,“科技灯塔”在冰雪运动强国早已点亮,但我国尚处在初期探索。要如何借助灯塔之光,吸收国际上的先进技术和训练方法,实现冰雪运动跨越式发展,任重而道远。
中国当代作家巴金曾说,孤寂的海上,灯塔挽救了许多船只的沉没。现在,通往冰雪创新的路上,也驻守了一座 “科技灯塔”,守望着奥林匹克“更快、更高、更强、更团结”的希冀,也守望着中国冰雪从创新到自主创新的进阶。
放手而为,成就精彩。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。