英超联赛今夏没有签下你可能期待的球星,而是将微软引入了阵容。
7月1日,英格兰顶级足球联赛宣布与这家科技巨头达成五年合作协议,共同构建一个比精彩回放更强大的工具:一个为每位球迷提供个性化更新和互动的实时AI工具。
英超伴侣是一个嵌入在联赛应用中的虚拟助手。球迷可以询问任何问题,比如"科尔·帕尔默在第60分钟后打进了多少球?"或"我本周应该让他在梦幻足球中首发吗?"它会给出答案,得益于数十年的比赛数据、视频和分析,这些都被整合在聊天式界面中。
"这一合作将帮助我们以新的方式与球迷互动——从个性化内容到实时比赛洞察,"英超联赛首席执行官理查德·马斯特斯说。"我们期待在未来五年与微软合作,为全世界的英超支持者提供更多创新体验。"
AI驱动的场边分析师
英超伴侣将在2025-26赛季前推出。它运行在微软的Azure OpenAI工具上,并连接到联赛的官方数据库,为球迷提供可搜索的多语言指南,涵盖从球员统计到球队战术的所有内容。
梦幻足球球迷获得定制建议。休闲支持者可以了解历史时刻。每个人都能快速、轻松地获取曾经埋藏在统计页面和专家评论中的信息。
但这不仅仅是关于统计数据。随着体育和娱乐行业转向AI以保持观众在其应用上,远离TikTok、Reddit和第三方比分追踪器,这一举措成为日益增长趋势的一部分。
体育领域的技术军备竞赛
在世界各地,联赛都在尝试类似工具。
温布尔登和IBM推出了Match Chat,在比赛期间回答球迷问题并实时显示获胜概率变化。西甲创建了Beyond Stats,利用每场比赛数百万个数据点来构建定制图形和预测性视觉效果。
美国职业足球大联盟推出了Sidekick,这是一个应用内AI,学习每个用户的习惯并提供比赛片段甚至门票优惠。美国职业棒球大联盟正在推广My Daily Story,这是一个基于每个球迷实际想看内容的AI编辑视频回顾。
商业策略,而非玩具
这些工具不仅仅是功能特性,它们是保持球迷在官方应用内的策略。而且它们确实有效。
微软的作用不仅限于为聊天机器人提供动力。其云服务处理球迷数据,自动化工作流程,并帮助联赛大规模个性化内容。如果你询问Copilot关于球员状态的问题,不要惊讶随后会收到门票或收藏品优惠。每个查询都是线索,也是潜在的销售机会。
转变是从观看到互动。球迷在应用中花费更多时间。球队获得更好的数据。赞助商接触到更投入的观众。如果工具有效,每个人都会受益。
公平竞争遇见快速数据
事情也有另一面。如果AI统计数据出错会怎样?或者如果误译在社交媒体上引起风暴怎么办?
微软表示正在解决这些风险。英超伴侣使用检索增强生成系统从经过验证的英超联赛来源提取答案。开幕周末的球迷查询量将严格测试这些系统。
然后是竞争方面。如果球迷可以问这些问题,球队能否使用相同的工具进行球探?进行比赛准备?有些人认为AI将平衡竞争环境。其他人担心它会扩大拥有技术精通员工的俱乐部与没有的俱乐部之间的差距。
私下里,一些教练已经在询问他们是否会获得自己版本的工具,拥有球迷看不到的洞察。
对于广播公司来说,这是一个警钟。通过点击,球迷将获得关于紧迫战术或过往球员表现的解释。这推动网络提升其第二屏幕游戏,否则就会落后。
国际奥委会计划使用AI将11000小时的镜头剪辑成2026年冬奥会的精彩片段。这是Sky或NBC可能需要复制的策略。
下一步:一个身份,一个体验
这只是开始。联赛官员暗示未来的更新可能包括体育场内的实时数据叠加、多语言音频解说或AI生成的经典比赛回放。
长远愿景?一个在每个接触点都有效的球迷档案——无论是在家观看、在体育场欢呼还是选择梦幻球队。无论球迷在哪里,联赛都希望准备好正确的信息、正确的优惠和正确的故事。
如果成功,其他人会跟进。温布尔登已经在向自己的AI输入网球术语。MLB正在为年轻一代完善短视频。现在真正的竞争是关于信任。谁能通过AI赢得信任,谁就能将信任转化为忠诚。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。