Team Liquid 和长期合作伙伴 ALIENWARE 推出了开创性的全球培训项目The Pro Lab。该项目旨在量化和分析如何定义电竞选手成功的核心认知技能力,推进专业培训经验的转型升级,建立新的行业实践模式。

目前,专业的电竞训练一直以不同的游戏特定数据和基本的关键绩效指标为信息来源。 Team Liquid 和 ALIENWARE认为这是一个机会,可以开发一种以游戏中可量化的未知数据为基础的训练方法,专注于与巅峰竞赛表现相同水准的认知能力,例如预判技能、分配性注意、情绪调节、自律性等。The Pro Lab 是首个以电子竞技科学为支撑的训练体,它从根本上改变了这些选手的训练方式,同时也改变了他们与行业一起成长和发展的方式。
Team Liquid 和 ALIENWARE 最终将发布调查结果,努力使数据和观察结果惠及更多人,鼓励全行业采用这个新的最佳范例。合作伙伴还计划将The Pro Lab开放给选定的学生和学术机构进行进一步研究,继续完善培训条款。
Team Liquid 联合首席执行官兼合伙人Steve Arhancet 表示:“Team Liquid 一直致力于将玩家放在首位,与 ALIENWARE 合作的The Pro Lab,正是发展这一理念的下个阶段。我们的重点是更巧妙地为我们的选手提供资源,帮助他们了解自己,以及自己的习惯、优势和需要改进的地方,这样才能继续成长,并在最高水平上竞争。”
ALIENWARE市场部总监Chris Saylor 表示:“在过去十年中,双方合作的核心一直以来也是我们共同的愿望,即不仅要增强和提高Team Liquid 选手的能力,还要推动整个行业进步。The Pro Lab正体现了这个愿望,ALIENWARE将全力支持Team Liquid并与他们一起踏上这一突破性的旅程,我们期待着未来的发展。”
The Pro Lab由行业领先的 ALIENWARE和戴尔科技集团提供设备支持,包括屡获殊荣的一流技术:

Team Liquid 的性能表现科学家和分析师将使用这些高性能系统运行 BrainsFirst 的 NeurOlympics 软件,为每位选手设定主要基准。
为了确定具有竞争力的Team Liquid团队的关键增长领域,核心认知测试将分为四大类:注意力、记忆力、控制力和预判力。 自此,这个测试技术生态系统将允许The Pro Lab 团队整合和分析有价值的数据,在需要时调整训练方法,并最终通过这个科学的测试、研究和教育方案优化选手们的表现。
Team Liquid 创始人兼联合首席执行官 Victor Goossens表示:“与我们培训基地的开发相似,我们相信 The Pro Lab 将在电子竞技行业及其他行业掀起热潮。我们从每一个成功的参赛者身上寻找核心技能,这个项目将有助于发掘新的通用指导方针和关键绩效指标,我们希望有一天,这些能够成为选手培训的行业基准。”

通过全面使用 ALIENWARE和戴尔科技集团的硬件、BrainsFirst 软件,并在aXiomatic Gaming 丰富的运动表现专业知识的支持下,这项综合项目将提出推动下一代电子竞技训练的基本观点。
The Pro Lab 将被整合到更大的位于荷兰乌得勒支和加利福尼亚圣莫尼卡的ALIENWARE培训基地中,目前基地设备也正在进行大规模翻新。
ALIENWARE为Team Liquid遍及五大洲的110 多名运动员和 120 多名工作人员提供尖端游戏 PC、显示器、耳机、外设和一系列戴尔科技集团的解决方案,满足展现最高水平所需的技术支持。 ALIENWARE 和 Team Liquid 共同推出了两个ALIENWARE培训基地,为多个组织制定了标准,赢得了无数冠军,成为领先的行业倡导者,不断努力培养包容和无障碍的文化。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。