中国,上海——2024年6月28日,索尼(中国)有限公司(下称:索尼)宣布将正式成为“2024上海明日之星篮球争冠赛” 官方赞助商,首次在中国的高水平国际青少年篮球赛事中引入索尼IRS(即时回放)系统,与赛事运营方围绕专业体育赛事服务、观赛体验和体育娱乐等多个领域展开深入合作,此外结合索尼在数码影像解决方案、影视、游戏等多元领域中的专业优势,为体育爱好者带来更加创新的沉浸式、交互式观赛体验。索尼中国总裁吉田武司出席了当天于黄浦江畔世界会客厅举办的新闻发布会。

2024上海明日之星篮球争冠赛发布会现场(左5为索尼中国总裁吉田武司)
索尼助力明日之星篮球争冠赛,提升赛事运营和体验
此次,索尼将赞助“2024上海明日之星篮球争冠赛”,作为赛事官方赞助商,提供包括基于SMART(Synchronized Multi-Angle Replay Technology 同步多角度回放)技术的IRS(Instant Review Systems 即时回放)系统的专业体育服务,确保赛事的公正性和观赏性。索尼的IRS系统可实时摄取并同步记录比赛画面,让裁判员可以任意角度回看比赛场景,从而做出更准确、公正的判罚,这也是国内首次将IRS系统引入到高水平国际青少年篮球赛事当中。目前,IRS系统已经广泛服务于欧洲篮球联赛,日本篮球联赛,以及美国NBA篮球联赛等大型国际篮球赛事,并得到了用户的高度认可。

IRS系统界面
索尼中国总裁吉田武司出席了当天的新闻发布会并表示:“我们非常高兴能支持上海品牌体育赛事的发展,以国际标准、专业服务为赛事保驾护航,并与行业领先的职业体育俱乐部合作,共同探索技术与数据服务提升球队表现的可能性。此外,作为一家‘建立在坚实技术基础上的创意娱乐公司’,索尼始终致力于‘用创意和科技的力量感动世界’,而体育竞技从古至今都是深受人们喜爱的、最令人感动的娱乐方式之一,我们将在此次合作中充分发挥索尼在电子产品及系统、技术和娱乐内容方面的专长,与明日之星篮球赛事合作,共同为中国体育爱好者创造更加激动人心的体育娱乐体验与服务,为中国体育产业数字化发展注入新的活力。”

索尼中国总裁吉田武司(左3)出席新闻发布会
索尼娱乐科技赋能,引领全球体育数字化浪潮
索尼目前在全球积极开展体育业务,旗下拥有Beyond Sports和Pulselive等体育业务公司,为国际各种世界级超级赛事提供例如视频助理裁判以及半自动越位等专业的服务,以及数字化赛事体验运营服务等。

索尼的VAR视频助理裁判
索尼专业的数码影像产品与解决方案,包括各种专业摄像机与转播设备,均致力于为体育界提供一流的体育赛事制播、数字化解决方案及体育娱乐服务。索尼先进的Alpha™全画幅微单相机、E卡口镜头群也成为了众多专业体育摄影师的最佳选择,帮助他们捕捉体育赛场上的每一个精彩瞬间。

索尼的转播设备在体育赛事中作出贡献
此外,索尼集团旗下拥有影视、音乐、游戏等多样化的娱乐业务,能够与体育赛事相结合,为观众和体育迷们提供更加丰富的内容与体验。索尼音乐日本与日本篮球协会开展深度合作,其为日本职业篮球联赛B.LEAGUE提供赛事运营规划,场内活动运营,联赛推广宣传,周边产品制作与销售,音乐制作与演出执行,以及IP管理等全方位的专业服务。
合作共赢,共启中国体育产业新未来
近年来,中国体育市场蓬勃发展,市场规模不断扩大,体育消费需求日益增长。根据《2023年中国体育产业报告》显示,2022年中国体育产业总规模已超过3万亿元,预计到2025年将达到4万亿元。同时,中国体育产业数字化趋势明显,数字化、智能化、沉浸式体验成为未来发展方向。
索尼在智慧体育及体育娱乐领域拥有先进的技术、成熟的产品和系统的解决方案。索尼期望通过此次与明日之星篮球争冠赛的合作,充分展示其先进的即时回放系统与专业的体育赛事服务能力,并将其应用到更多领域和类目的体育赛事中。索尼还将进一步探索数字化技术与体育专业服务及娱乐的融合与应用。譬如在球队建设与人才培养方面,构建包括运动数据分析、训练辅助、战术培养、球员管理等在内的专业体育服务体系;在体育娱乐方面,结合索尼丰富的娱乐内容和前沿的产品技术,为中国体育爱好者提供无缝衔接虚拟和现实世界的,更加沉浸、交互式的创新体育娱乐体验。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。