美国网球公开赛是一项规模庞大、为期两周的赛事，会在 22 个不同的球场上进行数百场比赛。大多数比赛不会在电视上转播，因此没有任何语音解说，所以 USTA 要求 IBM 在为整个公开赛每场单打比赛制作的视频集锦中添加语音解说。

为此，IBM Consulting 团队构建了一个生成式 AI 解决方案，该解决方案基于名为 Sandstone 的强大大型语言模型（可通过 watsonx.ai 获取）。Sandstone 已经能够理解英语，但还需要对网球数据进行训练或“调整”，才能将网球场景翻译成完整的句子。

IBM Consulting 合伙人 Shannon Miller 表示：“基础模型非常强大，正在引领生成式 AI 的新时代。但它们需要具备领域专业知识，才能缔造有意义的业务成果，因此企业的专有数据是 AI 关键的差异化因素。”

该团队利用 watsonx.data 连接和管理 USTA 的可靠数据源。整理流程包括删除重复数据，并筛选为大型语言模型提供信息的基础数据以及 USTA 的专有数据。该流程会过滤掉亵渎或侮辱性语言以及令人反感的内容。

然后，训练 AI 解说模型将视频片段中附带的元数据翻译成句子。在选择描述相关动作的最佳句子之前，会生成数十种不同的选项，并注意改变不同片段的句子结构，以避免重复。接着使用文本转语音功能为相关字词提供语音。在 2023 年美国网球公开赛期间，AI 解说的比赛精彩片段的浏览量超过 200 万次。

利用即将发布的 watsonx.governance 中的元素来监控模型的运行性能。同样的 watsonx 工具套件也被用来构建 AI 模型，为 IBM® Watson 的 Match Insights 功能提供支持。这些模型使用先进的数据分析和自然语言处理来生成 AI 驱动的资料文档，将数百万个数据点提炼成有关所有单打比赛的重要洞察分析。

例如，网球迷可以通过查看 IBM Power Index，了解哪些球员在比赛中势头最猛，尽管最终的女子冠军世界排名为第六位，但在整个比赛期间，IBM Power Index 成功地将她排在了第一位。在每场比赛之前，用户都可以看到哪位选手最有可能获胜。他们甚至可以利用全新的 AI 抽签分析功能查看每位选手抽签的相对难度。

为了每年开发新功能（例如 AI 解说和 Match Insights 中的功能），USTA 需要迅速并有目标地采取行动。该流程在美国网球公开赛结束后一周开始，届时 IBM Consulting 会使用 IBM^® Garage 方法开始工作，这是一种高度协作的共同创造方法。

Miller 指出：“当我们与客户合作时，必须在每一个环节紧密合作，不断构思、迭代和调整，以达到客户所期望的最终状态。”

为了将新想法转化为数字现实，IBM Consulting 设计、开发和管理强大的数字基础架构，能够处理结构化和非结构化数据，并整合各种来源的技术。这一基本基础架构每年都在不断进步和完善。

USTA 的 Corio 表示：“过去的创新周期是以年为单位。但现在的创新用星期和天来衡量，并且可以来自任何地方。因此，我们需要一个能够处理各种数据的灵活平台，自动将数据转化为洞察分析，并在保护整个数字环境的同时完成各项工作。”

任何数字体验的原材料都是数据，而美国网球公开赛产生了大量的数据。首先，会有 128 名男单选手和 128 名女单选手角逐每届美国网球公开赛 ，期间会进行七轮比赛。每位网球选手都有各自的数据集，包括世界排名和近期表现。而这只是开始。

整个赛事过程中，会进行超过 125,000 分的角逐，其中每一分都会生成自己的数据集：发球方向、速度、回击类型、制胜球类型、对打次数甚至球的位置。总而言之，赛事期间会生成超过 700 万个数据点。

但为了给美国网球公开赛的数字体验增添更多质感和内涵，团队希望不仅局限于单纯的统计数字。因此，他们正在使用 AI 来分析来自数十万个不同来源的数百万篇文章的语言和情感，从而开发出类似于 IBM Power Index 这样信息丰富的独特洞察分析。IBM 使用 watsonx.data 来协助管理数据集的收集、整合和分析，这是一个专门为处理 AI 工作量而设计的专用数据存储。

“这是一项大规模的数据管理业务，包含多个数据源和各种合作伙伴，”Miller 说道，“但是当您将统计数据和分数等硬数据与媒体评论等非结构化数据结合起来时，奇迹就会发生。这样才能让网球迷更全面地了解每场比赛。”

在与 USTA 多年的合作过程中，为了简化这一流程，IBM Consulting 建立了自动化工作流，通过各种应用程序和 AI 模型整合和编排数据流，以打造数字体验。系统通过混合云架构以及在 Red Hat OpenShift 上运行的容器化应用程序（ibm.com 外部链接）来实现这些工作流。美国网球公开赛混合多云架构由四个公共云和三个私有云组成，旨在利用各种来源的数据，并整合来自各个合作伙伴的特性和功能。

通过将应用程序容器化，团队可以编写一次并在任何地方运行这些应用程序，确保将合适的数据传送到适当云端的正确应用程序。为了保持整个操作顺利运行，该团队使用了 IBM^® Instana Observability 技术，该技术可持续监控应用程序性能并在不到三秒的时间内发现问题，以便团队可以迅速采取行动并避免任何停机故障。

在比赛过程中，美国网球公开赛数字平台通常会遭遇数百万起安全事件。威胁的类型各不相同，但大多数都在寻找漏洞，但并不严重。

捍卫平台的工作会在比赛开始前几个月启动。该团队使用 IBM^® Security Randori Recon 解决方案进行全面的攻击面分析，扫描整个网络是否存在漏洞，包括第三方或相邻网络。完成此次安全侦察后，IBM Security Randori 会根据这些漏洞对黑客的吸引力对其进行排名，从而使团队能够确定应对的优先顺序。

比赛开始后，美国网球公开赛会使用 IBM^® Security QRadar Suite 评估每起安全事件的严重性，评估威胁，忽略无关紧要的威胁，只将最紧急的问题传递给安全分析师。然后，该方案会将这些活动与来自外部（例如 IBM^® X-Force Exchange 解决方案）的威胁情报关联起来，寻找可能属于更协调的全球攻击的任何活动。最后，IBM Security QRadar Suite 会向 IBM 分析师提供应对威胁的最佳建议。在 2023 年美国网球公开赛期间，IBM 团队成功挫败了超过一千万起安全事件。

Corio 指出：“借助这个平台，我们能够完成几年前还无法完成的任务：管理所有这些数据、生成 AI 洞察分析、保护环境……IBM 为我们实现了这一切。我非常期待看到双方未来的合作成果。”

USTA（ibm.com 外部链接）成立于 1881 年，是美国网球运动的国家管理机构。美国网球公开赛（ibm.com 外部链接）是 USTA 旗下的一项大满贯赛事，于 1968 年首次举办，当年的男子单打冠军由 Arthur Ashe 获得。美国网球公开赛于每年的 9 月份在纽约皇后区法拉盛的 USTA Billie Jean King 国家网球中心举行。