原文標題：Intel Edge AI Turns Football Crowd Data Into Revenue and Shorter Lines

Intel 10 月 20 日介紹阿拉巴馬大學 Bryant-Denny Stadium 的邊緣 AI 應用。這座球場容量為 100,077 人，過去觀眾對入口及餐飲區排隊的抱怨頻繁。校方與 WaitTime 合作，以架設在高處的影像感測器分析人流方向、隊伍移動與停留時間，並將結果即時提供給營運人員及觀眾。

WaitTime 系統透過影像像素變化辨識人與物件，分析是否正在排隊、經過或聚集；Intel 表示處理方式採匿名設計。阿拉巴馬大學的部署在足球場入口與餐飲區使用超過 100 組感測器，籃球館另新增 20 組，整體約 120 組。分析工作在現場 6 台 Dell 伺服器上執行，使用共 12 顆 Intel Xeon 處理器，而非將原始影像送到遠端雲端。

校方利用即時儀表板調整安全檢查位置、票券掃描流程、工作人力與餐飲區配置。球迷也可透過校方行動應用程式，查看不同入口與攤位的紅黃綠排隊指示。Intel 指出，原本列為賽後調查首要抱怨的入口等待時間，已不再位於前十項問題之列。

此外，校方依歷史人流資料，在 2026 年賽季將 19 個餐飲攤位改造成 AI 輔助的拿了就走結帳點。官方稱其交易處理速度最高可達傳統收銀台的四倍，但未公布整體營收增幅或具對照組的完整評估數據。

Intel 以此案例強調，CPU 架構也能處理特定即時影像分析工作負載，既可利用現有伺服器環境，也可避免把原始影像送出場館。WaitTime 服務目前已部署於全球超過 25 個體育、展會與購物場域。

發生了什麼事

阿拉巴馬大學利用 WaitTime 與 Xeon 邊緣運算，改善球場排隊、入口管理及餐飲配置。

為什麼重要

案例展示 AI 在不依賴遠端雲端推論的情況下，仍能產生可直接用於現場營運的即時資料。

影響哪些人

體育場館、展演中心、零售營運商，以及規劃邊緣影像分析的系統整合團隊。

已確認與未確認

已確認感測器、伺服器與處理器數量及校方回饋；未公布完整成本、總營收提升或第三方成效驗證。