纳什叫上林书豪,投了一家AI篮球训练公司

简介: 中国人现在正在更深度的参与NBA,比如这家华人创立的科技公司NEX Team,他们正在用AI帮助NBA球员们训练,还获得了来自4位篮球界人士的投资。

提到NBA和中国两个关键词,你的第一反应是不是就想到了姚明、王治郅和易建联?

其实,中国人现在正在更深度的参与NBA,比如这家华人创立的科技公司NEX Team,他们正在用AI帮助NBA球员们训练,还获得了来自4位篮球界人士的投资,他们分别是:



image


8次入选NBA全明星史蒂夫·纳什



image

现任NBA球员林书豪


image




达拉斯小牛队老板马克·库班

image

前费城76人队总经理山姆·辛基(Sam Hinkie)

库班、纳什、林书豪和山姆·辛基都投了NEX Team公司,另外还有Charmides Capital和曼图资本两家机构,以及羽绒服公司加拿大鹅的CEO Dani Reiss,7家共同完成了这家公司的400万美元种子轮投资。

用AI帮助球员训练

别看投资人的名头一个个都这么大,这家公司的产品倒是很简洁易用——装在iPhone上的一个APP,名叫HomeCourt,可以利用计算机视觉的方式,观察记录球员的投篮行为。

image

△ 使用方法简单,直接拍摄


球员可以在篮球场旁边树一个三脚架,然后直接把手机绑在三脚架上计数,统计投篮数和命中数,算出命中率。



这个APP可以记录球员每次投篮的位置和准确度,方便判断自己的薄弱环节。

image

还可以查看历史成绩对比,看看自己的进步过程。

image

另外,HomeCourt APP的人工智能技术还可以解析球员的投篮动作,帮助分析每个动作,并且统计信息和视频记录可以直接分享给教练。

既然已经可以和教练连接了,那干脆把社交功能也放进去,HomeCourt上有一个类似微信运动的功能,可以统计全队甚至全球球员的投篮准确率数据,如果你的准确率够高的话,还可以登上投篮准确率世界纪录榜单。

image

现在是这家公司投资人的林书豪这样评价HomeCourt:“HomeCourt为球员提供了更智能的训练平台。以前,你需要一位好朋友或家人来为投篮训练计数以及制作分析图表,现在 HomeCourt 就可以完成,甚至提供更多帮助。球员不仅可以用它来做记录,还可以通过即时统计分析查看锻炼视频,并且和整个篮球圈进行互动。“

连续创业的三位苹果华人工程师

量子位仔细找了这家公司的资料,发现NEX Team的三位创始人都是中国人。

三位创始人李景辉(David Lee)、Reggie Chan、Tony Sung都是土生土长的香港人。2000年,他们都开始了自己的大学生涯,李景辉和Reggie Chan就读于港大,Tony Sung则就读于港中文,三人的专业都是信息系统、软件工程这类CS方向的专业。

在李景辉大三这一年,他创办了表格软件EditGrid,随后Reggie Chan和Tony Sung也加入了进来。

image




△ 曾一度广受推荐的表格软件EditGrid


提到EditGrid这个名字,可能有一些读者就有印象了。五年之后,他们把EditGrid卖给了苹果,三人均搬到了硅谷工作,成为了早期进驻硅谷的港人先驱,李景辉也从在香港马路边卖橙子的平民小男孩变成了“别人家的孩子”。

在苹果,三人主要的工作是iWork和iCloud的开发。经过了长达8年的稳定工作,三人离开了苹果,开始了第二段创业旅程——创立NEX Team。

于是,就有了我们上面介绍的这款获得诸多篮球界人士青睐的HomeCourt APP。

才不是篮球AI公司呢

HomeCourt目前是个限量免费APP,用户可以每月免费拍摄300张照片,超过300后则需要付费,无限数量版本的订阅价格为每月7.99美元。

虽然HomeCourt已经被佛罗里达大学、斯坦福大学和杜克大学等学校的篮球队使用,而且波士顿凯尔特人、休斯敦火箭队也尝试使用这款产品,但NEX Team却觉得:我们才不是个篮球AI公司呢。

毕竟,按照每月7.99美元的价格,就算所有的NBA球员都用上HomeCourt,公司的年收入也超不过5万美元,加上其他进行专业训练的大大小小的篮球队,也不知道多少年才能把400万美元的种子投资赚回来。

NEX Team说,他们的最大市场其实是青少年运动。

公司的高管们看到了足球、橄榄球、棒球、高尔夫、网球甚至瑜伽的潜在市场,他们认为HomeCourt篮球训练APP只是体育运动中人工智能和计算机视觉的开始。

山姆·辛基说:“对大多数人来说,计算机视觉仍然是一个空洞的大词,但如果他们的孩子在体育训练中用到的话,他们和孩子都会理解计算机视觉的意义和价值。”

因此,这笔400万美元的投资将会被用于开发除了篮球训练之外,其他体育项目的功能。

懂体育的AI不只一家

不过,篮球这种喜闻乐见的领域,可不是只有NEX Team一家公司感兴趣。

三维看球、迅速出报告的SportVU

NBA的球场上就装了一个来自以色列SportVU系统,本身是用来做导弹追踪等军事领域的,结果被脑洞大开的以色列人拿来追踪足球比赛,后来NBA引入后它也有了看篮球比赛的功能。

SportVU系统由六台相机组成,每个半场三台,这些相机每秒拍摄25张图片,然后经由算法处理,提取场上每个瞬间内所有对象的三维定位数据,推送给现场解说,并且在90秒内做出比赛场面报告。

会做比赛策略分析的Second Spectrum

洛杉矶Second Spectrum公司使用包括计算机视觉在内的人工智能技术,从NBA比赛视频中提取大量数据,进而分析比赛策略和趋势概率,以往需要耗时数月完成的分析内容,这家公司的计数能在几秒内解读完毕。

这家公司由南加州大学的两位人工智能教授Rajiv Maheswaran和Yu-Han Chang创办,团队中还有不少MIT毕业的工程师。这家公司进展也非常迅速,金州勇士、克里夫兰骑士等十多家NBA球队都用上了他们的产品。今年5月,这家公司刚刚融完B轮。

想具体了解以上两个产品,可以看量子位此前发布的《NBAのAI故事:教练,我不想打球,我想替你指挥》。

看世界杯的AI记者

另外,刚刚结束的世界杯上也有另一个懂体育的AI——那个由阿里巴巴和新华社合资公司新华智云开发的MAGIC智能生产平台,可以自己“看世界杯”然后生成视频新闻,自行配解说词,介绍球员表现,分析比赛状况。

31天内,机器生产的世界杯短视频新闻达到37581条,其中最快一条生产耗时仅6秒,并在全网实现了116604975次播放,数一数,9位数,也就是一亿多次。

现在,不用“或许在未来”,AI已经比我们更懂球了。

原文发布时间为:2018-07-18
本文来自云栖社区合作伙伴“量子位”,了解相关信息可以关注“量子位”。

相关文章
|
4月前
|
机器学习/深度学习 人工智能 算法
AI 基础知识从 0.6 到 0.7—— 彻底拆解深度神经网络训练的五大核心步骤
本文以一个经典的PyTorch手写数字识别代码示例为引子,深入剖析了简洁代码背后隐藏的深度神经网络(DNN)训练全过程。
899 56
|
6月前
|
机器学习/深度学习 数据采集 人工智能
基于生成式物理引擎的AI模型训练方法论
本文探讨了基于生成式物理引擎的AI模型训练方法论,旨在解决传统数据采集高成本、低效率的问题。生成式物理引擎结合物理建模与生成模型(如GAN、Diffusion),可模拟现实世界的力学规律,生成高质量、多样化的虚拟数据。文章介绍了其关键技术,包括神经网络物理建模、扩散模型场景生成及强化学习应用,并分析了其在机器人学习、数据增强和通用智能体训练中的实践价值。未来,随着可微物理引擎、跨模态生成等技术发展,生成式物理引擎将助力AI从静态监督学习迈向动态交互式世界建模,推动通用人工智能的实现。
365 57
基于生成式物理引擎的AI模型训练方法论
|
2月前
|
机器学习/深度学习 人工智能 JSON
PHP从0到1实现 AI 智能体系统并且训练知识库资料
本文详解如何用PHP从0到1构建AI智能体,涵盖提示词设计、记忆管理、知识库集成与反馈优化四大核心训练维度,结合实战案例与系统架构,助你打造懂业务、会进化的专属AI助手。
270 6
|
7月前
|
数据采集 存储 人工智能
智创 AI 新视界 -- 优化 AI 模型训练效率的策略与技巧(16 - 1)
本文深度聚焦 AI 模型训练效率优化,全面涵盖数据预处理(清洗、归一化、增强)、模型架构(轻量级应用、剪枝与量化)、训练算法与超参数调优(自适应学习率、优化算法)等核心维度。结合自动驾驶、动物图像识别、语音识别等多领域实际案例,佐以丰富且详细的代码示例,深度剖析技术原理与应用技巧,为 AI 从业者呈上极具专业性、可操作性与参考价值的技术宝典,助力高效优化模型训练效率与性能提升。
智创 AI 新视界 -- 优化 AI 模型训练效率的策略与技巧(16 - 1)
|
5月前
|
机器学习/深度学习 人工智能 数据可视化
基于YOLOv8的AI虫子种类识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
本项目基于YOLOv8与PyQt5开发,实现虫子种类识别,支持图片、视频、摄像头等多种输入方式,具备完整训练与部署流程,开箱即用,附带数据集与源码,适合快速搭建高精度昆虫识别系统。
基于YOLOv8的AI虫子种类识别项目|完整源码数据集+PyQt5界面+完整训练流程+开箱即用!
|
5月前
|
机器学习/深度学习 人工智能 API
AI-Compass LLM训练框架生态:整合ms-swift、Unsloth、Megatron-LM等核心框架,涵盖全参数/PEFT训练与分布式优化
AI-Compass LLM训练框架生态:整合ms-swift、Unsloth、Megatron-LM等核心框架,涵盖全参数/PEFT训练与分布式优化
|
5月前
|
机器学习/深度学习 人工智能 程序员
MiniMind:3小时训练26MB微型语言模型,开源项目助力AI初学者快速入门
在大型语言模型(LLaMA、GPT等)日益流行的今天,一个名为MiniMind的开源项目正在AI学习圈内引起广泛关注。项目让初学者能够在3小时内从零开始训练出一个仅26.88MB大小的微型语言模型。
364 1
|
5月前
|
机器学习/深度学习 人工智能 资源调度
AI大模型训练管理工具:千亿参数时代的指挥中枢
本内容揭示了大模型训练中三大核心挑战:实验复现难、资源利用率低、合规风险高,并提出“三维控制塔”解决方案,涵盖实验管理、资源调度与合规追踪。推荐Immuta + 板栗看板等工具组合助力不同规模团队实现高效、合规、低成本的AI训练。