十多天前那些声称不看奥运的显然已经被啪啪打脸，奥运精神就是突破人类极限，这种魅力任谁都难以抗拒。
至于那些吐槽里约奥运是史上最穷的，看完之后也有了明显改观。
要说里约奥运遗产，除了地铁和奥运场馆，就是一堆高科技了。
在里约奥组委宣布的225亿美元总预算中，近20%都拨给了信息技术与电信解决方案的实施。而对传感器和大数据分析的大规模运用，预计将会带来下一轮的奥运科技蜕变，其社会影响可能更加重大。
高科技都花在了哪里？
高尔夫记分牌
比如，在里约奥运会中，高尔夫比赛引入了新的记分牌。记分牌放置在四个专用球座上，并安装雷达测试系统。运动员发球时，信息被获取并呈现给观众，让人们能够看到实时输出的出球速度，估计距离和击球高度。
监测和分析是经传感器和机器数据的交互参照通过基于云的智能系统进行，这些都是潜在改进运动员技术和体能表现的工具。
中国选手冯珊珊以总成绩274杆，斩获112年以来奥运女子高尔夫项目的首枚铜牌，这也是中国高尔夫球首枚奥运奖牌，让高尔夫比赛走入大众视野中。
射箭计分器
在射箭&射击赛场，本届奥运会将安装高科技传感器系统，代替传统的电子计分器。当箭射出击中目标时，系统将会第一时间在大屏幕上显示分数，新系统可以将箭的落点精确在0.2毫米以内，非常精准并且反应迅速。而且射频识别标签将会被连接在每一把抢上，使工作人员能够知道每把枪的准备情况。为了增加紧张的比赛气氛，里约的观众还可以在现场通过大屏幕实时监控运动员的心率呢！
回想中国第一个在奥运会上获得冠军的运动员，许海峰在射击比赛中也是险胜。因为当年计分都是手记，往往最后核准的分数与现场的有出入，不能及时显示环数，幸亏许海峰自己计数，最后以一环的优势赢得比赛。对比之下就会觉得今天的高科技物有所值。
游泳起跳台
孙杨在里约奥运会男子400米自由泳决赛中，惜败澳大利亚选手霍顿，屈居亚军。卫冕失败的孙杨赛后在媒体混合采访区情难自控地抱住一位相识女记者放生大哭。
输赢就在电光石火之间，孙杨只慢了一点点，0.13秒能够游动的距离也许就是一个根手指的长度。
所以，高科技让比赛更精确，但也很无情。来看看这背后的玄妙。
该起跳台配置了全新的传感系统，这套传感系统可确保运动员在相同时间内，听到比赛开始的哨音。
同时游泳不再人工数圈。即便是顶尖的运动员，在长距离游泳比赛中也会存在不记得自己所游的圈数这个问题。在里约奥运会，游泳选手的手边将会有数字计数器来帮助他们记录所游的圈数，该设备将会运用在800米和1500米自由泳的比赛中。数字记圈器被安置在每一个泳道的底部，靠近转身处。当运动员触壁后记圈器会自动更新他们所游的圈数，让运动员能更专注于自己的比赛。
皮划艇大数据分析
在独木舟皮划艇项目上，通过在皮划艇上安装了传感器，运动员身上则安装了心脏监测仪，可以测试运动员和独木舟两方表现。
例如，在独木舟和皮划艇中，系统主要特点是安装了加速度传感器、回转仪、磁力计和GPS模块。所有这些传感器，都被用于测量赛艇的频率与强度，及检测赛艇位置、速度和方向。另外，运动员会采用一个心率监测器，以便通过蓝牙，将信息传输到安装在船上的传感器中。
中国选手在此赛事上没有斩获，也许在未来训练中利用这种技术会有帮助。
拳击智能手套
在拳击项目中，一套名为Hykso的可穿戴设备传感器，也被用于美国、加拿大拳击运动员拳击训练手套上。如下图所示，该手套包括两个三轴加速传感器、一个三轴陀螺仪。该系统能测量拳击速度、数目及打击强度。传感器数据，可用于3D运动数据模型分析中，进而提高有效击打水平。
中国拳击队的吕斌是有希望夺金的选手之一，吕斌是国际拳联推行国际拳王赛以来第一个获得世界拳王的选手。虽然吕斌在场面上是占有绝对的优势，但是最终吕斌却被判罚输掉了比赛。也许，拳击比赛又被裁判操控？如果比赛场上有传感器来监测就好了。
同样，在自行车训练中，这种传感器+大数据的应用技术在各种展会中也都可以看到了，已经走向大众市场。
技术开发在里约奥运会的转型中起到了极大地作用，不论是在提高比赛结果准确性还是提升运动员的表现上。因此，新的转型乃至更大的影响，预计也会来自大量传感器以及大数据分析的采用。
往深了说
“物联网”、“大数据”和“机器人”等是相互联系在一起的，联系成一个大趋势，在这个链条里，每一环都会对下一环产生影响，如此产生积极的循环。
1. 传感器产生数据
到 2014 年，连接到互联网的设备超过了世界人口的总和。 Cisco 预测，到 2020 年，将有 500 亿个相互连接的设备。而这些设备中大多都会安传感器，可能用 Electric Imp内嵌传感器，或者用Estimote外接一个传感器。设备中的传感器会产生前所未有的海量数据。
2. 数据支撑机器学习
在 2020 年，预计有 40ZB 的数据产生，也就是 2009 年数据量的 44 倍。到时候，不管是结构化的、或更可能是没有结构化的数据都可以通过机器来处理，从而获得大量洞见。
3. 机器学习改善 AI
机器学习依靠数据处理和模式识别，从而让计算机不需要编程就能去学习。现在的海量数据和计算能力都在驱使机器学习的突破。 机器学习的十足威力，看看Google 就知道了。Google就是利用机器学习，把法国每一个企业的位置、每一个住房、每一条街都绘制在地图上了，整个过程只需 1 个小时。
4. 人工智能指导机器人行动
随着计算机已经在象棋和路标方面做得比人类好了，我们就有理由对未来有更多期待。随着更多的传感器采集到的数据越来越多，这能优化更多的机器学习算法，从而我们可以合乎逻辑地推断，与机器人结合的计算机执行任务的能力会呈指数级增长。 反过来说，机器人本身也会变得越来越智能，而且借助 AI 的进步，还能完成很多我们梦寐以求的任务。
5. 行动触发传感器
机器采取行动触发传感器来收集数据，从而整个循环就完整了。
往大了说
其实，传感器+大数据技术也逐渐被应用于工业互联网的故障预测和健康管理（PHM）中。
比如，国内某广电运营商项目，百分点首先将其基础设施数据化和业务模型化。通过大数据平台将业务涉及到的方方面面数据化，包括人员、组织、设备、部件、厂商、库存、标准规范等；利用大数据建模，将业务流程、经验、知识模型化，将经验和知识转换为数学模型。之后，利用大数据分析技术，感知和预判设备健康状态，实现基于状态的预测性维修，做到维护智能化。最后是追踪和优化，在业务实践中将持续迭代改进并优化业务模型，并且指导基础数据的收集和应用，形成整个业务和数据的闭环。
PHM是实现装备基于状态的维修、感知与响应等设备运维新理念的关键技术，PHM技术已成为国外电子产品研发的重要趋势之一，但在国内PHM应用刚刚起步。
百分点的方案特点是，通过收集设备数据之后，利用超球模型大数据建模方法和深度神经网络预测算法去预测发射机的波形，从而对比预测报警。通过物联网+大数据的方式，预测故障的准确率达到99.99%， 超过传统通过人工和经验判断准确率。
