北京時(shí)間5月7日早間消息,市場(chǎng)研究公司SuperData Research的最新數(shù)據(jù)顯示,隨著越來越多家境富裕的年輕人熱衷于電子競(jìng)技,這項(xiàng)活動(dòng)正在成為一個(gè)獨(dú)立的市場(chǎng),規(guī)模高達(dá)6.21億美元,全球觀眾數(shù)也高達(dá)1.34億。
SuperData Research稱,電子競(jìng)技市場(chǎng)的收入主要來自韓國和中國,那里的電子競(jìng)技消費(fèi)群十分龐大,而且擁有較長(zhǎng)的發(fā)展歷史。但得益于《英雄聯(lián)盟》、《Dota 2》和《反恐精英》等游戲的的流行,歐洲和美國的電子競(jìng)技市場(chǎng)也在迅速發(fā)展。
除了資金外,電子競(jìng)技還在全世界吸引了很多粉絲,總數(shù)多達(dá)1.34億。不過,盡管資金和人數(shù)不斷增多,但SuperData創(chuàng)始人兼首席分析師朱斯特·范德魯尼(Joost van Dreunen)卻表示,這主要還是一款營(yíng)銷工具。
“全世界的多數(shù)電子競(jìng)技收入都來自廣告主和贊助商。”范德魯尼在報(bào)告中寫道,“但電子競(jìng)技還為游戲發(fā)行商提供了一個(gè)擴(kuò)大宣傳面的機(jī)會(huì),為粉絲提供了全新的互動(dòng)機(jī)會(huì)和深入的體驗(yàn)機(jī)會(huì)。”
游戲發(fā)行商Riot Games曾經(jīng)公開表示,該公司的電子競(jìng)技項(xiàng)目普遍處于虧損狀態(tài)。事實(shí)上,盡管整個(gè)行業(yè)通過贊助和門票實(shí)現(xiàn)了6億多美元收入,但《英雄聯(lián)盟》等游戲通過休閑玩家賺取的收入還是超過這一數(shù)字。不過,這些電子競(jìng)技項(xiàng)目卻可以激發(fā)玩家的興趣,并培養(yǎng)他們的花費(fèi)習(xí)慣。
職業(yè)玩家的境況似乎也折射出了這一現(xiàn)狀。
“雖然頂尖玩家可以獲得數(shù)百萬美元的獎(jiǎng)金,但只有40%的玩家可以借此維持生計(jì)。”范德魯尼,“由于只有很少的團(tuán)隊(duì)能獲獎(jiǎng),所以多數(shù)萬家每年只能得到1.2萬至4萬美元的微薄收入。”
多數(shù)玩家參加大型比賽只是為了出名,之后可以通過MLG.tv、Twitch和YouTube等視頻平臺(tái)吸引粉絲,借此創(chuàng)收。
SuperData稱,《英雄聯(lián)盟》職業(yè)玩家“草莓”2014年隱退后與戰(zhàn)旗簽約,只要每月打滿90小時(shí)游戲,即可拿到500萬元人民幣的年薪。
但目前看來,這類玩家合同數(shù)量仍然很少,有時(shí)甚至無法提供保底工資。主要原因在于多數(shù)工資都被各大聯(lián)盟、游戲發(fā)行商和比賽場(chǎng)館賺取。在北美專屬賽事中,電子競(jìng)技比賽的年收入約為1.43億美元,其中只有1180萬美元放入獎(jiǎng)金池。除此之外,周邊產(chǎn)品銷售創(chuàng)收約1100萬美元,門票銷售約為450萬美元,賽事贊助可創(chuàng)收1.11億美元。
“品牌所有者和廣告主有可能融入這種新興娛樂形式,增加整個(gè)行業(yè)的贊助交易數(shù)量。”該報(bào)告寫道,“我們預(yù)計(jì),包裝消費(fèi)品、汽車和科技品牌都會(huì)加大這方面的開支。”
倘若果真如此,發(fā)行商或許可以賺取更多收入,而可口可樂和美國運(yùn)通等企業(yè)在這類比賽中的廣告投放力度也會(huì)加大,但職業(yè)玩家卻未必能獲得豐厚的收入。
好文章,需要你的鼓勵(lì)
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。