AI i stor skala: Hvordan OL tester infrastrukturen

Hvordan AI driver vinter-OL 2026 i sanntid

Large popular events like the Olympics used to be displayed exclusively through TV networks, with carefully placed TV crews capturing the moment and displaying it live around the world.

Store populære arrangementer som OL ble tidligere vist eksklusivt via TV-nettverk, med nøye plasserte TV-team som fanget øyeblikket og viste det live over hele verden.

Denne måten å fange OL på med kameraer endrer seg svært raskt, med en blanding av droner, AI og skybasert infrastruktur som radikalt endrer den teknologiske ryggraden for arrangementet.

Mens dette allerede delvis var tilfelle for Paris-OL 2024, er det enda mer sant for Milano vinter-OL 2026.

Kameraer med flere vinkler, en sky‑først‑tilnærming og kraftig AI bygger, nesten i sanntid, en 3D‑representasjon av konkurransen i 17 ulike sporter, og bidrar til å redusere nødvendig arbeid, energiforbruket og forsinkelsene i globale kringkastinger.

Bak denne teknologiske revolusjonen står Alibaba, den kinesiske giganten innen netthandel og sky‑computing, som også har en solid posisjon innen AI.

AI tar over OL

Skybasert kringkasting

The Olympic Broadcasting Services (OBS) and the International Olympic Committee (IOC) have partnered with Alibaba to deploy cloud computing and AI at a scale never seen before for the 2026 Winter Olympics.

Olympic Broadcasting Services (OBS) og Den internasjonale olympiske komité (IOC) har inngått partnerskap med Alibaba for å sette i drift sky‑computing og AI i en skala som aldri før er sett for vinter-OL 2026.

This is the latest step following previous deployments in Tokyo 2020, Beijing 2022, and Paris 2024 of cloud-based, AI-enabled broadcasting.

Dette er det siste steget etter tidligere utrullinger i Tokyo 2020, Beijing 2022 og Paris 2024 av skybasert, AI‑drevet kringkasting.

Since its introduction at Tokyo 2020, OBS Live Cloud has evolved from an optional service to a core distribution platform. At the Paris 2024 Games, it became the primary method for remote broadcast delivery when it enabled 400 live video streams and 3D rendering.

Siden introduksjonen i Tokyo 2020 har OBS Live Cloud utviklet seg fra en valgfri tjeneste til en kjerne‑distribusjonsplattform. På Paris‑OL 2024 ble den den primære metoden for fjernkringkasting da den muliggjorde 400 live‑videostrømmer og 3D‑rendering.

In Milano, the company deployed support for 39 broadcasters, delivering 428 live video feeds, including 26 in ultra-high definition streams, along with 72 audio feeds.

I Milano satte selskapet i drift støtte for 39 kringkastere, og leverte 428 live‑videofeeder, inkludert 26 i ultra‑high‑definition‑strømmer, samt 72 lydfeeder.

While select premium feeds and capture systems operate in ultra-high-resolution formats such as 8K and UHD, the broader broadcast mix includes multiple resolutions optimized for workflow efficiency and distribution requirements.

Mens utvalgte premium‑feeder og opptakssystemer opererer i ultra‑høy‑oppløsningsformater som 8K og UHD, inkluderer den bredere kringkastingsmiksen flere oppløsninger optimalisert for arbeidsflyteffektivitet og distribusjonskrav.

The cloud-based delivery has been replacing traditional satellite links and dedicated transmission lines to reduce cost, setup time, and technical complexity, while improving flexibility and resilience.

Den skybaserte leveransen har erstattet tradisjonelle satellittkoblinger og dedikerte transmisjonslinjer for å redusere kostnader, oppsettstid og teknisk kompleksitet, samtidig som fleksibilitet og robusthet har blitt forbedret.

This also enables smaller broadcasters to access professional-grade broadcast capabilities without heavy upfront investment.

Besides live recording of the sports events themselves, 5,000+ short-form pieces, including behind-the-scenes footage, highlights, and emotional reactions, will be distributed through OBS Content+, a cloud-based platform powered by Alibaba Cloud.

Umiddelbar forståelse og merking

Alibaba’s Automatic Media Description (AMD) System is a system powered by the company’s AI Qwen, an advanced large language model (LLM).

Alibabas Automatic Media Description (AMD)-system er et system drevet av selskapets AI Qwen, en avansert stor språkmodell (LLM).

The system automatically identifies athletes and key moments, generates event descriptions, and tags video assets within seconds, significantly reducing manual processing time.

Systemet identifiserer automatisk utøvere og nøkkeløyeblikk, genererer hendelsesbeskrivelser og merker videoressurser innen sekunder, noe som reduserer manuell behandlingstid betydelig.

The OBS team can also communicate with the AI in natural language to process the live videos more quickly. For example, a request for “find the figure skating gold medal performance” will retrieve the right information almost instantly.

OBS‑teamet kan også kommunisere med AI-en på naturlig språk for å behandle live‑videoene raskere. For eksempel vil en forespørsel om «finn gullmedalje‑prestasjonen i kunstløp» hente riktig informasjon nesten umiddelbart.

This way, OBS personnel can find, develop, and distribute Olympic stories across platforms more easily.

Umiddelbare intelligente repris

The company’s Real-Time 360º Replay systems automatically create immersive replays with fluid camera movement and stroboscopic visual effects.

Selskapets Real‑Time 360º Replay‑systemer lager automatisk immersive repris med flytende kamerabevegelse og stroboskopiske visuelle effekter.

To do so, the AI algorithm separates athletes from complex backgrounds such as snow and ice, and then creates 3D reconstructions of key moments in as little as 15–20 seconds, fast enough for live broadcast use.

For å gjøre dette separerer AI‑algoritmen utøvere fra komplekse bakgrunner som snø og is, og lager deretter 3D‑rekonstruksjoner av nøkkeløyeblikk på så lite som 15–20 sekunder, raskt nok for bruk i live‑kringkasting.

This combines with previously used effects like the BulletTime first introduced at Beijing 2022 to provide frame-freeze and slow-motion views, or the new Spacetime Slices capability, which visualizes multiple phases of an athlete’s movement in a single composite image, allowing viewers to better understand technique and performance.

Dette kombineres med tidligere brukte effekter som BulletTime, først introdusert i Beijing 2022, for å gi ramme‑frys og sakte‑motion‑visninger, eller den nye Spacetime Slices‑funksjonen, som visualiserer flere faser av en utøvers bevegelse i ett sammensatt bilde, slik at seerne bedre kan forstå teknikk og prestasjon.

AI OL-agenter

This year, AI was not just deployed at the broadcast level, but also in the Olympic village and among the attending public. For example, Qwen was powering a series of AI agents called the “Olympic AI Assistants.”

I år ble AI ikke bare implementert på kringkastingsnivå, men også i OL‑landsbyen og blant publikum. For eksempel drev Qwen en rekke AI‑agenter kalt «Olympic AI Assistants».

One of the agents’ tasks was to provide multilingual conversational support and real-time event information, allowing fans to access official Olympic Games content through a chat-based interface.

En av agentenes oppgaver var å tilby flerspråklig samtalestøtte og sanntidsinformasjon om arrangementet, slik at fans kunne få tilgang til offisielt OL‑innhold via et chat‑basert grensesnitt.

The same technology will be permanently deployed at the Olympic Museum in Lausanne, where visitors will have access to personalized AI audio guides that enhance the museum experience.

Den samme teknologien vil bli permanent implementert på Olympisk Museum i Lausanne, hvor besøkende får tilgang til personlige AI‑lydguides som forbedrer museumsopplevelsen.

Qwen was also deployed in the secure portal for National Olympic Committees (NOCs). There, it is used to locate documents, policies, and grant guidelines through natural language queries, with built-in multilingual translation support.

Qwen ble også implementert i den sikre portalen for nasjonale olympiske komiteer (NOCs). Der brukes den til å finne dokumenter, retningslinjer og tilskuddsveiledning via naturlige språkspørringer, med innebygd flerspråklig oversettelsesstøtte.

Qwen will also improve access to Olympic sport archives through “Sports AI”, a cloud-based media archiving solution that includes AI tagging, video search, and conversational search.

Qwen vil også forbedre tilgangen til OL‑sportsarkiver gjennom «Sports AI», en skybasert mediearkiveringsløsning som inkluderer AI‑merking, videosøk og samtalesøk.

Maybe less impactful, but illustrative of how much the Olympics are becoming infused with “tech,” visitors could even move a robot arm by just moving their own hand and have an AI interpret the moves to give them an Olympic memorabilia.

Kanskje mindre innflytelsesrikt, men illustrerende for hvor mye OL blir gjennomsyret av «teknologi», kan besøkende til og med bevege en robotarm ved bare å bevege sin egen hånd, og få en AI til å tolke bevegelsene for å gi dem et OL‑souvenir.

Massiv datavolum

While Qwen is definitely making the most visible change in the way Olympic videos, images, and data are handled, another invisible task is the supporting infrastructure that makes it possible.

Mens Qwen definitivt gjør den mest synlige endringen i hvordan OL‑videoer, bilder og data håndteres, er en annen usynlig oppgave den støttende infrastrukturen som gjør det mulig.

There is no less than eight petabytes of historical Olympic media that are now hosted on Alibaba’s cloud computing systems.

Det er ikke mindre enn åtte petabyte med historisk OL‑media som nå er lagret på Alibabas sky‑computingsystemer.

Fra AI-trening til AI-inferens

Besides the niche use case of broadcasting and archiving, the Milano 2026 Olympics reflect a massive shift in how AI should be considered.

Bortsett fra nisje‑bruksområdet kringkasting og arkivering, reflekterer Milano 2026‑OL en massiv endring i hvordan AI bør betraktes.

Until now, the focus has been on AI training and what new ability it acquired in this latest iteration of the model.

Inntil nå har fokuset vært på AI‑trening og hvilken ny evne den har oppnådd i denne siste iterasjonen av modellen.

This is shifting to AI inference, where the already trained model is now being deployed for narrower real use cases. For example, instant translation, or making a replay of athletes in less than 20 seconds, or making the massive Olympics archives much easier to search.

Dette skifter til AI‑inferens, hvor den allerede trente modellen nå blir distribuert for smalere reelle bruksområder. For eksempel umiddelbar oversettelse, eller å lage en reprise av utøvere på under 20 sekunder, eller gjøre de massive OL‑arkivene mye enklere å søke i.

AI inference is not only more useful, but it is also a lot less compute and energy-intensive, as only a specific set of the AI ability is used at a time. This should help reduce the constraint of energy supply and hardware availability that has been limiting AI speed in the past few years.

AI‑inferens er ikke bare mer nyttig, men også langt mindre beregnings- og energikrevende, siden kun et spesifikt sett av AI‑evnen brukes om gangen. Dette bør bidra til å redusere begrensningene i energiforsyning og maskinvare‑tilgjengelighet som har begrenset AI‑hastigheten de siste årene.

Hvordan investere i AI‑infrastruktur bak OL

Alibaba

OpenAI and Anthropic, as well as most “big tech” US companies, are racing to make AGI (Artificial General Intelligence), and might succeed in doing so. But the Chinese AI industry is adopting a slightly different approach, already deploying AI in applications useful today.

OpenAI og Anthropic, samt de fleste «big tech»‑selskaper i USA, konkurrerer om å skape AGI (Artificial General Intelligence), og kan lykkes med det. Men den kinesiske AI‑industrien tar en litt annen tilnærming, og implementerer allerede AI i applikasjoner som er nyttige i dag.

The idea is that instead of aiming for AI to replace workers, it should be improving productivity across the entire economy at once.

Ideen er at i stedet for å sikte på at AI skal erstatte arbeidere, bør den forbedre produktiviteten i hele økonomien samtidig.

As China has been limited by export controls over advanced chips, with its own domestic production only slowly catching up, it has also made an effort in training its AI more efficiently and focused more on AI inference and its deployment.

Ettersom Kina har blitt begrenset av eksportkontroller på avanserte chips, med egen innenlandsk produksjon som kun sakte innhenter, har landet også gjort en innsats for å trene sin AI mer effektivt og har fokusert mer på AI‑inferens og distribusjon.

Qwen is currently one of China’s (and the world’s) leading AI, performing as well as or better than leading Western AIs on multiple benchmarks.

Qwen er for tiden en av Kinas (og verdens) ledende AI, og presterer like bra eller bedre enn ledende vestlige AI‑systemer på flere måleparametere.

Kilde: Qwen

Alibaba’s AI progress is helped by the cloud computing capacity of Alibaba (1/3rd of the Chinese market and ranked #1) and the cash flow from the e-commerce business (twice as large as Amazon by gross merchandise value).

Kilde: Alibaba

In that context, the massive role of Alibaba in the Olympics should be understood not as a move to generate revenue, but to raise the profile of the company at a moment when Western AI companies dominate the global discussion and invest massively in advertisement like at the Super Bowl, which was dominated by AI-related ads.

(Du kan også lese vår dedikerte investeringsrapport om Alibaba for mer informasjon om selskapet)

Siste nyheter og utviklinger for Alibaba (BABA) aksjen