Artificiell intelligens

AI i skala: Hur OS stress‑testar infrastrukturen

mm
Lägg till Securities.io bland dina föredragna källor på Google
Information: Securities.io kan få ersättning när du använder länkar till produkter vi granskar. Det påverkar inte våra redaktionella bedömningar. Vi är inte registrerad investeringsrådgivare; detta är inte investeringsråd. Läs vår affiliateinformation.

Hur AI driver vinter‑OS 2026 i realtid

Stora populära evenemang som OS visades förr enbart via tv-nätverk, där noggrant placerade tv-team fångade ögonblicken och direktsände dem över hela världen.

Stora populära evenemang som OS visades tidigare uteslutande via TV‑nätverk, med noggrant placerade TV‑team som fångade ögonblicket och visade det live över hela världen.

Detta sätt att fånga OS med kameror förändras mycket snabbt, med en blandning av drönare, AI och molnbaserad infrastruktur som radikalt förändrar evenemangets tekniska grund.

Medan detta redan delvis var sant för OS i Paris 2024, är det ännu mer sant för vinter‑OS i Milano 2026.

Kameror med flera vinklar, ett moln‑först tillvägagångssätt och kraftfull AI bygger, nästan i realtid, en 3D‑representation av tävlingarna i 17 olika sporter och hjälper till att minska det arbete som krävs, den energi som förbrukas och fördröjningarna i globala sändningar.

Bakom denna tekniska revolution står Alibaba, den kinesiska jätten inom e‑handel och molnberäkning, med en stark position även inom AI.

BABA Prisdiagram

AI tar över OS

Molnbaserad sändning

Olympic Broadcasting Services (OBS) och Internationella olympiska kommittén (IOK) har samarbetat med Alibaba för att använda molnberäkning och AI i en skala som aldrig tidigare skådats vid vinter-OS 2026.

Olympic Broadcasting Services (OBS) och Internationella Olympiska Kommittén (IOC) har samarbetat med Alibaba för att implementera molnberäkning och AI i en skala som aldrig tidigare setts för vinter‑OS 2026.

Detta är det senaste steget efter tidigare implementeringar i Tokyo 2020, Beijing 2022 och Paris 2024 av molnbaserad, AI‑aktiverad sändning.

Sedan introduktionen i Tokyo 2020 har OBS Live Cloud utvecklats från en valfri tjänst till en kärnplattform för distribution. Vid OS i Paris 2024 blev den den primära metoden för fjärrsändningsleverans när den möjliggjorde 400 live‑videoströmmar och 3D‑rendering.

I Milano har företaget ställt in stöd för 39 sändare, levererat 428 live‑videoflöden, inklusive 26 i ultra‑high‑definition, samt 72 ljudflöden.

Medan vissa premiumflöden och fångstsystem körs i ultra‑högupplösta format som 8K och UHD, inkluderar den bredare sändningsmixen flera upplösningar optimerade för arbetsflödeseffektivitet och distributionskrav.

Den molnbaserade leveransen har ersatt traditionella satellitlänkar och dedikerade transmissionslinjer för att minska kostnader, installationstid och teknisk komplexitet, samtidigt som flexibilitet och motståndskraft förbättras.

Detta gör också att mindre sändare kan få tillgång till professionella sändningsmöjligheter utan stora förhandsinvesteringar.

“Alibaba Cloud tillhandahåller grunden som gör storskalig AI möjlig, vilket gör våra operationer mer effektiva och öppnar nya möjligheter att förbättra tittarnas upplevelse och fördjupa deras förståelse för sporten och idrottarnas prestationer på världens största scen.”

Yiannis Exarchos — VD för Olympic Broadcasting Services

Förutom live‑inspelning av själva sportevenemangen kommer över 5 000 korta klipp, inklusive bakom‑kulisserna‑material, höjdpunkter och känslomässiga reaktioner, att distribueras via OBS Content+, en molnbaserad plattform som drivs av Alibaba Cloud.

Omedelbar förståelse och taggning

Alibabas system för automatisk mediebeskrivning (AMD) drivs av företagets AI Qwen, en avancerad stor språkmodell (LLM).

Alibabas Automatic Media Description (AMD)-system är ett system som drivs av företagets AI Qwen, en avancerad stor språkmodell (LLM).

Systemet identifierar automatiskt idrottare och nyckelmoment, genererar händelsebeskrivningar och taggar videomaterial inom sekunder, vilket avsevärt minskar den manuella bearbetningstiden.

OBS‑teamet kan också kommunicera med AI:n på naturligt språk för att bearbeta live‑videorna snabbare. Till exempel kommer en förfrågan om ”hitta konståkningens guldmedaljprestation” att hämta rätt information nästan omedelbart.

På så sätt kan OBS‑personalen enklare hitta, utveckla och distribuera OS‑historier över plattformar.

Omedelbara intelligenta reprisar

Företagets system för 360-gradersrepriser i realtid skapar automatiskt uppslukande repriser med flytande kamerarörelser och stroboskopiska visuella effekter.

Företagets Real-Time 360º Replay‑system skapar automatiskt uppslukande reprisar med flytande kamerarörelser och strobo‑effekter.

För att göra detta separerar AI‑algoritmen idrottare från komplexa bakgrunder som snö och is och skapar sedan 3D‑rekonstruktioner av nyckelmoment på så lite som 15–20 sekunder, tillräckligt snabbt för live‑sändning.

Detta kombineras med tidigare använda effekter som BulletTime, som först introducerades i Beijing 2022 för att erbjuda stillbild‑ och slow‑motion‑vyer, eller den nya Spacetime Slices‑funktionen som visualiserar flera faser av en idrottares rörelse i en enda sammansatt bild, vilket låter tittarna bättre förstå teknik och prestation.

AI OS-agenter

I år används AI inte bara för sändningarna utan även i OS-byn och bland besökarna. Qwen driver exempelvis en serie AI-agenter som kallas ”Olympic AI Assistants”.

I år har AI inte bara implementerats på sändningsnivå, utan även i Olympiska byn och bland publiken. Till exempel drev Qwen en serie AI‑agenter kallade ”Olympic AI Assistants”.

En av agenternas uppgifter var att erbjuda flerspråkigt konversationsstöd och realtidsinformation om evenemangen, så att fans kunde få tillgång till officiellt OS‑innehåll via ett chattbaserat gränssnitt.

Samma teknik kommer att permanent installeras på Olympiska museet i Lausanne, där besökare får tillgång till personliga AI‑ljudguider som förbättrar museiupplevelsen.

Qwen har också implementerats i den säkra portalen för Nationella Olympiska Kommittéer (NOC). Där används den för att hitta dokument, policyer och bidragsriktlinjer via naturliga språkfrågor, med inbyggt flerspråkigt översättningsstöd.

Qwen kommer också att förbättra åtkomsten till OS‑sportarkivet genom ”Sports AI”, en molnbaserad mediearkiveringslösning som inkluderar AI‑taggning, videosökning och konversationssökning.

Kanske mindre imponerande, men illustrativt för hur mycket OS blir genomsyrat av ”teknik”, kan besökare till och med flytta en robotarm genom att bara röra sin egen hand och låta en AI tolka rörelserna för att ge dem ett OS‑souvenir.

Massiv datavolym

Qwen står för den mest synliga förändringen av hur OS-video, bilder och data hanteras, men den stödjande infrastrukturen som gör allt möjligt utför en lika viktig, osynlig uppgift.

Medan Qwen definitivt gör den mest synliga förändringen i hur OS‑videor, bilder och data hanteras, finns en annan osynlig uppgift: den stödjande infrastrukturen som möjliggör detta.

Mer än åtta petabyte historiskt OS-material lagras nu i Alibabas molnsystem.

Det finns inte mindre än åtta petabyte historiskt OS‑media som nu är lagrade på Alibabas molnberäkningssystem.

“Milano Cortina 2026 markerar ett avgörande ögonblick i integrationen av AI i den Olympiska rörelsen. Alibaba Cloud har varit enastående i att sätta dessa ledande kapaciteter i arbete på mycket praktiska, hjälpsamma sätt. Det handlar inte bara om att förbättra den dagliga upplevelsen för våra fans genom den första användningen av LLM‑teknik vid OS, utan också om att bygga intelligenta system som Sports AI som kommer att bevara historiska OS‑ögonblick för kommande generationer.”

Ilario Corna — teknik- och informationschef vid Internationella olympiska kommittén

Från AI‑träning till AI‑inference

Utöver de specialiserade användningsfallen sändning och arkivering visar Milano-OS 2026 en genomgripande förändring i synen på AI.

Förutom den nischade användningen av sändning och arkivering speglar OS i Milano 2026 en massiv förändring i hur AI bör betraktas.

Hittills har fokus legat på AI-träning och vilka nya förmågor den senaste modellen har fått.

Hittills har fokus legat på AI‑träning och vilka nya förmågor modellen har fått i sin senaste iteration.

Nu flyttas fokus till AI-inferens, där en redan tränad modell används för smalare praktiska ändamål, exempelvis omedelbar översättning, repriser på mindre än 20 sekunder och bättre sökbarhet i de enorma OS-arkiven.

Detta skiftar nu mot AI‑inference, där den redan tränade modellen nu används för mer specifika verkliga tillämpningar. Till exempel omedelbar översättning, att skapa en repris av idrottare på mindre än 20 sekunder, eller att göra de enorma OS‑arkiven mycket enklare att söka i.

AI-inferens är inte bara mer användbar utan kräver också betydligt mindre beräkningskraft och energi, eftersom bara en avgränsad del av AI-förmågan används åt gången. Det bör minska de begränsningar i energitillgång och hårdvara som har bromsat AI-utvecklingen de senaste åren.

AI‑inference är inte bara mer användbart, utan också mycket mindre beräknings- och energikrävande, eftersom endast en specifik del av AI‑förmågan används åt gången. Detta bör hjälpa till att minska begränsningarna i energitillgång och hårdvarutillgänglighet som har bromsat AI‑hastigheten de senaste åren.

AI‑implementeringsnivå Primär hårdvara Känslighet för latens Ekonomisk drivkraft
Realtids‑3D‑repris GPU‑inference‑kluster Hög Premium‑sändningsrättigheter
Automatiserad medietaggning LLM‑inference‑noder Medium Operativ effektivitet
Fan‑AI‑assistenter Molnhostade API:er Låg–Medium Engagemang & datavärde
Arkivintelligens (8 PB+) Petabyte‑objektlagring Låg Långsvans‑licensintäkter

Hur man investerar i AI‑infrastruktur bakom OS

Alibaba

OpenAI och Anthropic, liksom de flesta stora amerikanska teknikföretag, tävlar om att skapa AGI (artificiell generell intelligens) och kan lyckas. Den kinesiska AI-industrin har dock valt en något annorlunda väg och använder redan AI i tillämpningar som är användbara i dag.

OpenAI och Anthropic, liksom de flesta ”big tech”‑företag i USA, tävlar om att skapa AGI (Artificial General Intelligence) och kan lyckas med det. Men den kinesiska AI‑industrin antar ett något annorlunda tillvägagångssätt och implementerar redan AI i tillämpningar som är användbara idag.

Tanken är att AI inte i första hand ska ersätta arbetstagare utan förbättra produktiviteten i hela ekonomin samtidigt.

Idén är att AI inte ska ersätta arbetare, utan snarare förbättra produktiviteten i hela ekonomin på en gång.

Eftersom Kina begränsas av exportkontroller för avancerade chip och den inhemska produktionen bara långsamt kommer ikapp, har landet också satsat på effektivare AI-träning och lagt större vikt vid AI-inferens och praktisk användning.

Eftersom Kina har begränsats av exportkontroller för avancerade chip, och den egna inhemska produktionen bara långsamt hinner ikapp, har man också gjort ett försök att träna sin AI mer effektivt och fokusera mer på AI‑inference och dess implementering.

Qwen är för närvarande ett av Kinas och världens ledande AI-system och presterar lika bra som eller bättre än ledande västerländska AI-system i flera jämförelsetester.

Qwen är för närvarande en av Kinas (och världens) ledande AI, som presterar lika bra som eller bättre än ledande västerländska AI‑system på flera benchmark‑tester.

Qwen Jämförelse Alibaba

Källa: Qwen

Alibabas AI‑framsteg stöds av företagets molnberäkningskapacitet (1/3 av den kinesiska marknaden och rankad som #1) samt kassaflödet från e‑handelsverksamheten (dubbel så stor som Amazon (AMZN ) i bruttohandelsvärde).

Alibaba Andra verksamheter

Källa: Alibaba

I detta sammanhang bör Alibabas massiva roll i OS förstås inte som ett sätt att generera intäkter, utan för att höja företagets profil i ett ögonblick då västerländska AI‑företag dominerar den globala diskussionen och investerar massivt i reklam, som vid Super Bowl, som dominerades av AI‑relaterade annonser.

(Du kan också läsa vår dedikerade investeringsrapport om Alibaba för mer information om företaget)

Investeringsinsikter: OS fungerar som ett globalt stresstest för AI‑infrastruktur. Företag som möjliggör inference‑arbetsbelastningar, GPU‑acceleration och molnskalig implementering kan erbjuda en mer hållbar exponering än rena modell‑träningsberättelser.

Senaste nyheter och utveckling för Alibaba (BABA)-aktien

Jonathan är en tidigare biokemistforskare som arbetade med genetisk analys och kliniska prövningar. Han är nu en aktieanalytiker och finansskribent med fokus på innovation, marknadscykler och geopolitik i sin publikation 'The Eurasian Century'.