西雅图海鹰橄榄球队正在寻求亚马逊网络服务公司的帮助,以期在NFL(美国职业橄榄球大联盟)中打造自己的竞争优势。
该球队周一表示,他们打算使用亚马逊无所不在的云计算服务来获得比赛策略,并取得更积极的成果。海鹰队成了AWS最新获得的大客户,该球队表示将把其大部分的计算基础架构转移至西雅图邻居的云平台上。
该球队计划使用多种AWS服务——包括数据库、分析和机器学习工具,来分析比赛画面并制定更有效的比赛计划。
该球队的主要想法之一是将每周的NFL Next Gen Stats球员跟踪数据和自己内部生成的数据结合起来,开发自定义分析和自己专有的统计数据。这将涉及在亚马逊的Simple Storage Service(简单存储服务)上建立一个数据池,该数据池中将包含球员健康状况数据及球探的信息,以便更好的了解每个球员的能力。然后海鹰队将对这些信息进行分析,以“获取见解,从而更好地评估人才并制定比赛计划。”
该球队还将与Amazon ML解决方案实验室合作,开发能够分析其对手球队视频片段的新工具。他们的想法是创建一个“基于云的视频分析平台”,该平台利用Amazon Rekognition来识别和跟踪对方球员,并使该队的教练更好地了解对方的策略。
该平台还将利用AWS SageMaker服务来构建、训练和部署机器学习模型,从而可以预测特定球员的表现。然后,该系统将向海鹰队的教练人员提供建议,帮助他们在比赛中做出更明智的决定。
AWS全球商业销售副总裁Mike Clayville在一份声明中表示,海鹰承认数据正在成为体育领域的竞争优势。
海鹰副总裁Chip Suttles补充表示:“ AWS服务的广度和深度将帮助我们从收集到的海量数据中提取信息并获得所有可能的优势,提供我们需要的、切实可行的见解,从而对我们的决策产生积极的影响。”
好文章,需要你的鼓励
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
MiroMind AI等机构联合研究团队提出了UniME-V2多模态嵌入学习新方法,通过让大型多模态语言模型充当"智能法官"来评估训练样本质量,解决了传统方法在负样本多样性和语义理解精度方面的问题。该方法引入软标签训练框架和困难负样本挖掘技术,在MMEB基准测试中取得显著性能提升,特别在组合式检索任务上表现出色,为多模态AI应用的准确性和用户体验改进提供了重要技术支撑。
亚马逊云服务宣布投资500亿美元,专门为美国政府构建AI高性能计算基础设施。该项目将新增1.3千兆瓦算力,扩大政府机构对AWS AI服务的访问,包括Amazon SageMaker、Amazon Bedrock和Claude聊天机器人等。预计2026年开工建设。AWS CEO表示此举将彻底改变联邦机构利用超级计算的方式,消除技术障碍,助力美国在AI时代保持领先地位。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。