新聞速讀｜Peripheral Labs 借用自駕車感知思路改寫運動轉播，讓球迷彷彿走進比賽

InfoAI 編輯部

當體育轉播開始採用自駕車領域的「機器人感知與 3D 視覺」方法，競爭就不只在鏡頭，而在誰能把「空間」變成產品。

01｜理解事件

加拿大新創 Peripheral Labs 想把球迷的觀賽體驗從「看轉播」推進到「像在遊戲裡自由移動視角」。根據外媒報導，團隊聚焦體積影像（volumetric video）與寫實 3D 重建：透過多台攝影機擷取球場動作，把影像轉成可被「旋轉、暫停、放大」的 3D 片段，讓觀眾能從不同角度回看關鍵瞬間，或在特定事件發生時切換更貼近判讀的視角。

Peripheral Labs 的技術敘事，來自自駕車領域常見的 機器人感知與 3D 視覺概念，但它不是把車用感測器直接搬進球場，而是把「如何在複雜環境中重建空間與動作」的工程方法轉成媒體製作系統。兩位創辦人 Kelvin Cui 與 Mustafa Khan 在 2024 年成立公司，曾參與多倫多大學的無人車團隊；Khan 曾在華為做研究，Cui 則曾在 特斯拉擔任軟體工程師，接觸底盤系統相關工作。

值得注意的是，團隊主張可把傳統體積影像可能需要 100 台以上攝影機的規模，降低到 最少 32 台，藉此壓低成本與現場作業負擔。商業模式上，公司計畫以平台形式與球隊或轉播單位簽 多年期合約。在資金面，Peripheral Labs 完成 360 萬美元種子輪，由 Khosla Ventures 領投，Daybreak Capital、Entrepreneurs First、Transpose Platform 參與。

02｜解讀新聞

這是一種「把自駕車工程方法商品化」的跨域路線。自駕車感知的核心不是炫技，而是用多來源視覺與演算法在即時條件下建立可靠的空間理解；Peripheral Labs 把同樣的思路用在球場，並把成功標準從「看起來酷」改成「能部署、能維運、能被採購」。

商業策略押注在「製作成本下探」與「內容價值上移」。如果攝影機數量、現場人力與後製負擔能顯著下降，體積影像就有機會從少數大型賽事的昂貴特效，走向聯盟與轉播商的常態產品。這也解釋了它接下來強調的方向：持續 降低成本、降低延遲、提高 3D 重建解析度，因為這些都是採購決策會追問的硬指標。

競爭不只來自同類新創，也來自既有轉播敘事。報導點名其競品包含 Arcturus Studios；但更廣義的競爭者，其實是所有能提升觀眾投入度的替代方案（數據化轉播、短影音剪輯、互動圖層等）。Peripheral Labs 選擇用「沉浸式多視角」切入，企圖把觀賽的主控權往觀眾手上移。

03｜延伸思考

我們可以從這篇新聞看到一個更大的趨勢：AI 的價值不只在生成文字或影片，而在把「現實世界的動作」轉成可運算、可重播的空間資料。當比賽能被重建成 3D，觀眾體驗只是第一步；更直接的落點，會在教練與球員的回放分析與訓練調整，因為那裡願意為「更準、更快、更可操作」付費。

而判斷這類技術的真實價值，可以從三個重點來看：

第一，看「部署門檻」是否真的下降（攝影機數、場館改裝、維運人力）。

第二，看「延遲」是否足以支撐直播工作流程。

第三，看「合約型收入」是否成立（多年期合約、標準化方案、可複製到不同場館）。

這代表未來的媒體競爭，會越來越像硬體與軟體整合的產業，而不是單純的內容剪輯技巧。

04｜重點提煉

• Peripheral Labs 以體積影像與寫實 3D 重建，讓球迷能用多視角操控觀賽、回看關鍵瞬間

• 團隊主張可把攝影機需求從 100+ 降到 最少 32 台，以降低成本與現場作業負擔

• 公司完成 360 萬美元種子輪，由 Khosla Ventures 領投，並規劃以平台形式簽多年期合約

• 成敗關鍵將落在「部署門檻、延遲、解析度、維運可行性」等採購級指標，而不只是畫面是否吸睛

05｜後續觀察

接下來值得關注兩件事：

1）Peripheral Labs 是否會公布具名的聯盟、球隊或轉播合作案例，以及導入到正式賽事的規模與頻率，這將直接影響其商用可信度與擴張速度。

2）它是否會釋出更可量測的產品指標（例如直播延遲範圍、重建解析度、場館部署時間與維運人力需求），讓市場能判斷它是否真正跨過「示範」到「常態採購」的門檻。

參考資料：

• Peripheral Labs taps into self-driving car sensors to bring sports fans right into the game

AI 素養｜AI 為什麼會亂講話？揭開大型語言模型的「黑盒子」運作邏輯
理解 AI 為何能回答、也會胡說八道的真正原因

AI 時代的思考力革命｜AI 素養，不是學技術，而是拿回主導權的能力升級
與 AI 一起思考，成為能定義方向的人

AI 時代的知識遷徙策略｜從「學會掌握」到「洞察驗證」
聞道不必有先後，高下立判見深用；術業專攻仍需要，深廣變通顯智慧。

版權聲明與授權須知

本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。

用內容建立信任
用洞察塑造品牌

在 AI 時代，真正有力量的行銷不是廣告聲量，而是持續輸出的深度思考。InfoAI 把全球 AI 趨勢與報告，轉譯成清楚、精準、有觀點的內容，讓企業不只是跟上變化，而是成為洞察的提供者，讓品牌變成被信任的決策夥伴。如果你不想只是「談 AI」，而是想「透過 AI 影響市場與客戶」，那就從內容開始。歡迎來信： contentpower688@gmail.com

如果你覺得這篇解讀對你有幫助，歡迎訂閱 InfoAI 電子報，我們將持續為你精選 全球 AI 新聞與趨勢洞察，幫助你看懂新聞背後的真正意義。也別忘了加入透過［QRCode］／［按鈕］加入 Line 社群 ，隨時掌握值得關注的 AI 發展與專業觀點。

AI 協作聲明：

本篇文章由 InfoAI 團隊策劃，並透過人工智慧工具協助資料整理與內容撰寫，最終內容由編輯進行人工審閱與優化。

InfoAI｜讀懂 AI 如何改變世界

在 AI 改變世界之前
助你先讀懂 AI 世界

每日精選全球 AI 新聞
AI 趨勢 + 新聞 + 深度解讀

Content Power ｜賦能你在 AI 時代的專業能力
專注於「AI × 專業 × 工作方法」的知識平台
透過框架、流程與方法
協助你在 AI 時代重建專業能力