尽管球队本赛季在季后赛首轮就告出局,但自1989年成立以来,奥兰多魔术队曾两次闯入 NBA 总决赛。虽然球队迄今为止还未能举起 Larry O'Brien 冠军奖杯,但该球队正站在数字创新的前沿,致力于革新球迷体验。
历史上,门票售罄的比赛一直激励球队超越主场观众的期望。基于这一认识,魔术队已与跨国数据分析与 AI 软件开发商 SAS 签订了一项战略协议,旨在最大化奥兰多市中心 Kia 中心比赛期间的影响力。
具体而言,球队将利用 SAS Viya 平台带来的运营优势,以提升比赛日体验,并为球迷提供个性化的数字互动。奥兰多魔术首席策略与创新官 Jay Riola 表示: “我们不断寻找改善球迷体验的方法,SAS Viya 将让我们更深入地洞察数据,为球队的追随者创造更加个性化的体验。”
通过这项举措,魔术队的使命是创造传奇般的体验。Riola 补充道:“数据的可观察性以及由此获得的洞察将使我们不断进化和增长,同时确保球迷始终处于我们关注的核心位置。”
这一加强合作的主要目标,是理解哪些行为和互动能让观众不断回归。借助 SAS Viya 数据与 AI 平台对应用内球迷互动进行分析,每一条数据都能转化为更个性化的互动、独家内容和根据个人喜好量身定制的优惠。
通过增强的数据可视化、建模和预估能力,魔术队可以优化门票销售预测,并利用动态定价策略取得成功,同时确保门票的可用性。
策略核心
在与魔术队共事二十年后,Riola 将球队的核心价值观总结得如同口头禅一般:团队合作、社区精神、提供传奇级服务,现阶段尤其重视创新。他表示:“我们力求通过技术打造无摩擦的球迷体验,使其尽可能简单而智能。在过去15年里,我们一直在分析数据并探索诸如 AI 等领域,以在奥兰多市之外扩展我们的球迷群体,并提升整体业务运营。”同时,球队还开展了多项举措,促进实时互动,让球迷走进场馆时仿佛参与了一场比赛或对现场体验产生影响。
新技术层出不穷,Riola 始终保持警觉,积极寻求成为 NBA 生态系统一部分的机会。魔术队的核心产品主要围绕支持现场赛事,要求球迷必须亲临场馆。然而,技术与球迷互动的方式远不止如此。他表示:“我们考察了不同的领导视角。”因此,无论是通过虚拟现实还是增强现实,球队都在集中资源、投入努力,并在各类数字、 AI 和生物识别技术上进行投资,以实现球迷体验的现代化和个性化调整。
简单来说,超个性化从两个角度展开探索。首先,球队致力于提供工具,以创造球迷所期望的灵活多变的服务。Riola 说:“这就是按照自己的喜好设计会员体验,实现个性化,并打造出你在每个比赛日所期待的内容。”其次,球队承诺以一种切实而富有意义的方式提供奥兰多魔术球迷所需求的内容。
团队合作的价值
在技术创新和数字化方面实现球队目标绝非易事,没有 SAS 这类合作伙伴的支持,这样的使命是不可能完成的。Riola 表示:“在体育行业中,依赖多种不同的技术来构建整个运营体系是不可避免的。这也是为什么我们需要依靠众多技术供应商和合作伙伴来推动我们的各项举措。”
谈到数据分析和管理,他补充道,早在 2010 年,魔术队就开始意识到它们的潜力,而 Riola 自 SAS 初步合作之日起便全程参与。从那时起,这一联盟便开始塑造球队未来的运营模式。
他说:“当时大数据正处于蓬勃发展的阶段,同时票务行业也正受到在线转售市场的冲击。我们意识到,无论是我们自身的数据还是球队相关的数据,都具有巨大的商业价值。那时,我们率先构建了企业和网络直播系统,并发现我们拥有多个包含业务及球迷信息的系统。我们需要将这些系统整合到一个统一的环境中,再利用分析工具进行预测、生成商业智能并自动化流程。”
因此,无论是过去还是现在,球队都需要一个能够高效管理这些数据的合作伙伴。Riola 说:“我们长期以来一直使用 SAS 来导入数据、设计数据仓库,并与第三方合作,例如我们的云数据库 Snowflake。现如今,我们在 AWS 上运营,因此需要一个能够与我们其他技术合作伙伴——从数据库、存储到其他 SAS 可以交互的商业智能工具——协同工作的合作伙伴。这对我们非常重要,因为在体育行业中,我们采用了许多同样被业界重要角色使用的各种技术,这些技术承载着大量的价值和信息。”
在专门谈论球队所管理的数据和信息价值时,隐私和合规政策自然被严格执行。Riola 表示:“我们非常注重隐私和同意,并遵守所有相关隐私法律和规定。但我们的目标还是尽可能多地收集关于球迷的数据,以便与他们建立尽可能个性化且富有意义的关系。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。