中国大模型厂商，疯卷奥运会_上体体育大模型-CSDN博客

本文链接：https://blog.csdn.net/2401_85375186/article/details/140878027

争相成为奥运搭子

最浪漫和时髦的一届奥运会正在进行时，而每一年的奥运会，不仅是各国运动员竞技的舞台，同样也是观察技术进化的一个窗口。而今年的巴黎奥运会，技术的关键词无疑是——AI。

今年4月，国际奥林匹克委员会首次颁布了《奥林匹克AI议程》，国际奥委会主席巴赫说：“我们的持续成功取决于如何拥抱数字技术，特别是不断加速发展的人工智能。”

时至今日，AI技术几乎已融入奥运会方方面面。无论是用户的观赛体验，抑或是洞察运动员表现，为裁判打分提供实时数据…作为史上广泛应用AI技术的一届奥运会，在赛场内外，中国大模型厂商也开始高调卷起技术，从幕后走向幕前，争夺巴黎奥运会这一不可多得的「流量的盛宴」。

赛场内外

争相成为奥运搭子

奥运会一向是企业体育营销的关键赛场，不仅能在短时间内集中抢占用户注意力，从投入回报来看，性价比也极高。

营销界曾有这样一个经典的「1:10」理论：一个企业想要提高在全球品牌认知度，每提高1%往往需要投入2000万美元的广告费，但如果借助像奥运会这样的大型体育赛事营销，同样的投入，可使知名度提升10%。

而随着中国大模型竞争从「百模大战」逐步迈向模型效能、模型应用的比拼，抢占奥运会这一关键节点，无疑成了模型厂商们的集体动作，一边抢夺流量背后的用户，一边为模型落地场景造势、秀肌肉，这在整个巴黎奥运会的赛场内外，都并不鲜见。

依照落地的场景来看，中国模型厂商在奥运会BC两端的动作主要呈现出两大明显的特点：

**一是在内容端，依托C端类chatGPT产品，提供赛前、赛中与赛后更丰富的服务。**在赛前，主要为AI赛事结果预测，赛中体现为AI搜索整合、AI等，如赛事AI信息卡；赛后则主要更丰富的内容、社交等体验，比如AI智能体、AI写真等。

例如，百度文心一言就在奥运期间推出了「热点体育智能体」，字节跳动的豆包依托抖音拿下的赛事转播权，也上线了奥运活动专题页面，提供AI搜索、AI解读等服务。

图源：文心一言

奥运期间，用户的社交需求同样是模型厂商们押注的重点。不久前刚发布文生图功能「清影（Ying）」的智谱AI，就在其智谱清言App内发出奥运作品悬赏令，邀请用户制作奥运短片。阿里云的通义千问也推出了全民云运动、通义照相馆等功能，整合AI视频、AI写真等能力，以腾讯混元大模型为基础模型的AI应用腾讯元宝也在APP端内上线了AI赛事通、运动海报COS、我的高燃时刻等多种功能，通过「陪聊+生图+生视频」的组合玩法，为用户提供更丰富的奥运社交体验。

图源：通义千问

二是在B端，借力过往的技术生态，在比赛转播、运动员训练与数字化传播（数字人主播）等方面，对外输出AI大模型等相关技术。

这之中，最高调的大模型厂商非阿里云莫属。阿里云作为本届巴黎奥运会的唯一云服务商，支撑奥运会从「电视+卫星时代」转向「云+AI」驱动的数字时代，阿里的通义大模型也成为了奥运会首个官方AI大模型的应用技术提供方。在赛事转播技术上，另一家大模型厂商商汤的智慧赛事转播技术也用于巴黎奥运会乒乓球、射箭两个项目的全程赛事转播。

B端大模型落地的另一个关键场景在于赛前运动员训练。比如，百度与上海体育大学联合研发的国内首个面向体育行业的大模型——上体体育大模型，为跳水、游泳、田径等多支国家队的日常训练和巴黎奥运会备战工作提供了重要支持。联想则和中国国家帆船帆板队合作，借助AI PC能力，可以辅助教练制定个性化的训练方案，商汤的日日新大模型也应用于中国国家篮球队的日常训练中。

在业内人士看来，随着大模型竞争走向应用与落地，生态建设也是影响竞争格局的关键点。而奥运会作为国际级体育盛事既是一场营销场，同样也是一场生态建设的「练兵场」，跨场景、跨国家间的合作，更考验模型厂商的综合实力。

万亿蓝海，模型厂商

为何掘金体育产业

在模型厂商们争抢成为「奥运搭子」的背后，它们所瞄准的其实是一个万亿蓝海产业。

据国家体育总局相关数据，中国体育产业的整体规模呈现上升趋势，截至2022年，全年体育产业规模已超3.3万亿元，近年来在户外热、村超热等事件下，国民的运动热情也明显高涨，而赛事云集的2024年也被称为「体育大年」，为产业各界也带来了诸多的发展机遇。

图源：2024抖音体育运动潮流趋势报告

对大模型厂商而言，体育产业的机遇主要体现在两方方面：一是确定性且多元化的「场景」，二是尚待挖掘的潜在「钱景」。

**首先，是确定性与多元化的落地场景。**与B端其他场景相比，体育产业具备强数据、强消费的属性，AI技术也很早就落地体育产业。

典型场景如运动员训练，随着体育比赛的高度数据化，运动员很早就通过数智化的软硬件产品来监控身体数据的变化，以此辅助训练，而引入AI技术，可以更好地帮助教练减负，实现降本增效，同时考虑到数据的安全性，所选择的模型厂商也相对固定。

上海体育大学教授黎涌明就曾举例，比如跳水、游泳训练，以前只能通过摄像机拍下运动员训练时场景，再回去后分析数据。如今有了AI技术系统，运动员入水出水的一刹那间，分析数量已为教练员掌握，也极大增强了训练效果。

不只是运动员陪练。上海人工智能研究院联合上海交通大学等高校撰写的《“AI+体育”发展蓝皮书》显示，在AI等新兴技术驱动下，包括核心产业赛事运营的智慧化、衍生产业软硬件装备的智能化、外围产业媒体运营的智慧化等是「AI+体育」的落地方向，运动状态智能感应、运动数据深度分析和运动训练精准科学等智慧体育形态也越发丰富。

**其次，就是潜在的「钱景」。**一位体育营销行业人士告诉「硅基研究室」，不同产业链的公司都可以借助「AI+体育」的机遇挖掘新的增长曲线。“一些软硬件厂商可以通过打造爆款产品，内容型平台或品牌可以通过赞助的明星运动员，利用AI优化观赛、互动，最大化提高运动员的商业价值”。

比如，在C端，如今在AI技术下，观看体育赛事已不是单纯的「看」比赛，用户可以借助AI深度参与比赛过程中，在社交媒体上，利用AI写真、AI视频等生成个性化的内容，借助AR/VR等AI终端，收获更加沉浸式的观赛体验。除此以外，随着运动员网红化趋势，Z世代成为了新消费主力，与相应运动员国家队的强绑定，本身也为大模型厂商提供了一个最佳广告展示位。

谁能率先吃到

AI+体育红利

纵观全球，不仅是中国大模型厂商，体育科技一直是投融资热门，据海外投资银行Drake Star的数据，2023年全球体育科技的收购、合并及投融资项目总额高达370亿美元，比2022年增加160亿，据瑞腾国际体育科技集团副总裁张锐的划分，体育科技划可以分为八大赛道，包括大健康/运动医疗、媒体/娱乐、教育/培训、食品/饮料、场馆/赛事/粉丝参与、电竞/虚拟体育/游戏化、鞋服/配件&时尚、户外等。

全球科技巨头与体育产业的联姻早就不是新鲜事。不久前，谷歌DeepMind就与合作多年的利物浦足球俱乐部，推出了一个名为TacticAI的「AI足球教练」，TacticAI可以通过预测和生成式AI，为教练提供专业的战术见解。曾与皇马、NBA等有密切合作的微软，也在体育产业多年维持着进大手笔投入。以NBA为例，在2019年，微软和NBA达成了一项多年的战略合作伙伴关系，微软旗下的云计算操作系统Azure可以对NBA的视频和图像进行处理和分析。

在这里插入图片描述

微软前营销部负责人克里斯·卡波塞拉就曾说：“我们研究在哪展现产品时，问到一个问题，消费者的热情点在哪儿？少数产业比其他产业的受欢迎程度要高很多。其中，体育产业就排在前列。”

那么，参考国外科技巨头的实践，中国大模型厂商谁又能率先吃到「AI+体育产业」的红利？

**从C端应用角度，**仅从目前各大厂商推出的C端应用体验来看，功能大同小异，且多为免费。从用户体验维度来看，以下大模型厂商或具备先发优势。一是拥有内容优势与渠道分发的大模型厂商显然更具优势，如腾讯、抖音等，二是具备软硬件基础的厂商。

**从B端角度，**不同垂直领域的玩家则各有千秋。如以计算机视觉起家的商汤，此前就凭借着在智能视觉领域的技术沉淀，成为杭州亚运会官方智能视觉服务独家供应商。

不过，在多数人的眼里，对比国外成熟的市场化体育产业生态，即便AI涌入，中国体育产业依旧是一门慢生意。

一方面，据《中国体育科技创新投融资报告》显示，由于职业赛事和俱乐部的生态缺失，中国体育产业落地的应用场景依旧不足。另一方面，参考国外AI+体育的实践，AI伦理相关问题也屡见不鲜。

“体育行业没有网络效应，它本身由众多细分市场构成，无法如共享单车那般赢家通吃。现阶段内，我觉得要以平常心来看待体育产业。”在体育产业一线深耕多年的王浩羽这样说。

诚然，在大模型技术狂飙的当下，与技术一路同行的体育产业是场景与钱景兼具，但由于缺乏网络效应，技术无法实现规模化落地，这也意味着，对中国的大模型厂商而言，奥运赛场之外，这场竞争其实才刚刚开始。

零基础如何学习大模型 AI

领取方式在文末

为什么要学习大模型？

学习大模型课程的重要性在于它能够极大地促进个人在人工智能领域的专业发展。大模型技术，如自然语言处理和图像识别，正在推动着人工智能的新发展阶段。通过学习大模型课程，可以掌握设计和实现基于大模型的应用系统所需的基本原理和技术，从而提升自己在数据处理、分析和决策制定方面的能力。此外，大模型技术在多个行业中的应用日益增加，掌握这一技术将有助于提高就业竞争力，并为未来的创新创业提供坚实的基础。

大模型实际应用案例分享

①智能客服：某科技公司员工在学习了大模型课程后，成功开发了一套基于自然语言处理的大模型智能客服系统。该系统不仅提高了客户服务效率，还显著降低了人工成本。
②医疗影像分析：一位医学研究人员通过学习大模型课程，掌握了深度学习技术在医疗影像分析中的应用。他开发的算法能够准确识别肿瘤等病变，为医生提供了有力的诊断辅助。
③金融风险管理：一位金融分析师利用大模型课程中学到的知识，开发了一套信用评分模型。该模型帮助银行更准确地评估贷款申请者的信用风险，降低了不良贷款率。
④智能推荐系统：一位电商平台的工程师在学习大模型课程后，优化了平台的商品推荐算法。新算法提高了用户满意度和购买转化率，为公司带来了显著的增长。
…
这些案例表明，学习大模型课程不仅能够提升个人技能，还能为企业带来实际效益，推动行业创新发展。