融入体育产业链的两大 AI 分支

AI在体育里到底怎么用？

当我们翻开近一年的体育科技新闻时，大部分报道往往与人工智能（AI）脱离不了关系。人工智能的数据分析和预测能力已经是老生常谈，备受关注的生成式AI则为体育领域带来了更新的应用，从调取历史数据库、运用数据条目撰写球员简介这种简单的内容生成，到AI合成的包含体育评论员声音和动作画面的虚拟形象，世界上各类运动中最著名的赛事纷纷拥抱生成式AI的进步。Stats Perform 预计，在全球范围内，人工智能体育市场预计到 2030 年将增至 192 亿美元。

但各类铺天盖地的报道也让人们对人工智能有了不解与怀疑等“过敏”反应：在全世界体育领域对AI趋之若鹜的情况下，那些宣称有AI参与的工作到底有哪些部分使用了AI？在占据大量算力的情况下，AI能否比人类在同样工作下有更高的质量，同时还能降低成本？AI到底是在促进体育的发展，还是会取代人类从而“杀死”某项运动？运动员和观众是否会最终被AI和数据所左右，活在信息茧房当中？这其中的一些问题不光是AI在体育行业面临的质疑，也是全行业共同的疑问。

与此同时，尽管生成式AI占据了舆论焦点，但体育行业中运用更为广泛和成熟的是使用机器学习技术和统计分析来识别历史数据中的模式，并对未来事件进行预测。从运动表现、赛事转播到粉丝货币化和赞助商策略，预测型的人工智能在体育领域越来越不可或缺。本期iSports将通过一些案例和企业，针对AI在体育领域发挥的具体作用，以及它如何为体育发掘更多商业机会进行解析。

改善策略、提高效率与节能减排，AI在F1当中的应用

作为汽车运动当中最顶级的赛事，F1的特殊性在于它远不止是一项体育运动。每一辆F1赛车都是汽车工业王冠上的明珠，充斥了科技的结晶，这使得F1几乎必然采用最前沿的技术，在今天的背景下，人工智能一定是其中之一，除了更偏向工业的赛车研发与制造领域以外，更偏向体育范畴的赛事表现、车队策略以及粉丝互动也在加强人工智能的运用。倒不如说，在基本的赛事表现预测方面，通过大量的历史数据建立数学模型并对未来结果进行模拟分析，是赛车运动几十年来一直在做的一件事情。

过去人们用手工统计并进行计算，而AI则用包含更多信息的复杂算法让模型的维度更符合现实情况，从而增加预测结果的准确度，并提高模拟的效率，更快得出结果。这包括了赛车在每条赛道和每个弯角的动态分析，又或是赛道当地的天气变化预测。

例如，结合历史和实时数据，人工智能将天气变化的精度提高到了每个弯角以及分钟级别，帮助车队调整自己的轮胎策略。奥地利红牛车队以赛事中果断而有效的比赛策略而闻名，他们的首席策略工程师汉娜·施密茨（Hannah Schmitz）受到了媒体与车迷的关注，但她的背后也离不开车队合作伙伴——科技巨头甲骨文（Oracle）公司的数据支持和人工智能分析。

数据的可视化已经是F1常态，但比起策略分析师所看到的仍然是冰山一角

车队领队克里斯蒂安·霍纳在2022年告诉SportsPro，数据是车队的命脉，团队中也有大量专注于数据的工程师，加上甲骨文在背后的支持，车队得以在一些分站运用脱颖而出的策略获胜，他列举了2021年法国站正赛作为例子。马克斯·维斯塔潘在第二次进站换上软胎，利用轮胎带来的圈速优势在最后5圈反超到第一的位置，塞尔吉奥·佩雷兹则采用完全不同的硬胎长距离策略，减少了进站时间，最终车队包揽前两名。这种大胆又高效的策略背后离不开人工智能对20辆赛车的速度、轮胎、天气、场上突发事件等多维度的综合分析。除奥地利红牛以外，梅赛德斯·奔驰、迈凯伦、法拉利等大多数围场队伍也都与谷歌、惠普等国际科技巨头建立了合作关系，帮助队伍提升竞技表现以及团队运转的效率。

人工智能还在帮助车队简化更多的流程。“根本原因分析”（Root Cause Analysis）是F1在下一阶段试图推进的一项计划。在F1全球合作伙伴亚马逊AWS的技术支持下，AI使用自然语言处理来调查系统错误。该程序可以发现集装箱中的某个微小的开关是否反复出现故障，从而避免工作人员在使用时才发现问题，在问题扩大之前就将其排除。这其中的区别是，人工智能能够通过机器学习的方法培训，使其能够在数以万计的部件中主动查找错误，而不是分析趋势和强调过去出现过故障的地方。后者在统计和经验的帮助下，由人类就能完成。预测并作出实际行动排除风险，这是AI带来的不同。

AWS 还开发了’StatBot’工具，使用生成式AI来回答F1赛车相关的问题，这些问题有时可以追溯到几十年前的结果。通过快速调取数据，这项工具在历史样本分析以及粉丝互动方面都能发挥作用。

此外，AI与云技术的应用还使得车队大幅减少了需要带到围场的IT设备，并进一步优化车队在不同比赛之间运输方式上的组合，为车队节省开支并减少碳排放。F1正在努力实现2030 年的 “零排放 ”目标，AI将作为一个重要的辅助工具，但并不是解决方案本身。

AI与体育商业数字化

由人工智能辅助运动表现及策略是AI参与体育核心要素的案例，这不光体现在高度技术导向的F1当中，在其他运动中也同样呈现这种趋势。今年3月，利物浦与谷歌云旗下的 DeepMind 合作开发 “TacticAI”人工智能，帮助“红军”教练团队开发更具有针对性的角球战术。其他队伍或赛事也在通过AI进行人才的分析。

而在运动表现以外，粉丝作为体育的另一项核心元素，也一直是产业关注的焦点，获得粉丝往往意味着获得收入，这对于致力于商业化的职业体育来说至关重要。虽然粉丝参与的方式五花八门且不一定都是可视化的，但本质上，将粉丝参与商业化也就是将其货币化。它涉及到对球迷个人层面的需求和赞助商层面的价值交换。了解球迷的需求和动机，让球队及其赞助商与球迷建立真实、牢固的联系，对于体育长期的财务可持续性至关重要。

无论是在家里还是在现场，如何获取数据是球队和赞助商的关键。说服球迷直接分享其个人数据，同时增加其应用程序或产品 “粘性 ”，科技巨头IBM就已经连续在今年的温网和美网植入自己的人工智能技术，希望为这两个历史悠久的赛事注入新的互动体验，包括查询球员简历、历史纪录等，可以通过AI对话实现。每个球迷的数据质量越高，球队就越可能获得粉丝的个性化信息，从而转化成更长时间和更深入的参与，进一步带来更高质量的球迷个人数据，如此循环往复。而另一个趋势则是，如谷歌、X等科技巨头对于用户信息的掌控正在逐步消退当中，信息安全日渐被电子产品用户所重视，他们更愿意给自己信任的组织提供完整的信息，体育组织在这方面具备优势。

而这些数据的收集，则往往需要借助技术来实现，人工智能已经成为最好的信息收集和处理工具，如何与庞大的粉丝群体打交道，尤其是顶级体育IP日趋全球化的体育粉丝，用好AI会是一个重要的答案，除了单纯的数据收集以及分析，通过AI将数据可视化、虚拟化也同样是为体育粉丝开辟新体验的重要手段，例如在转播过程中的数据图示及3D回放等手段，又或是需要大量运算的球场3D建模、区块链及NFT等。一些国外的创新公司已经发现了这一点。

SQWAD

SQWAD的主要业务是粉丝的数字参与和赞助激活，使球队能够建立和发起赞助商在数字层面的竞赛，即通过粉丝行为在数据上的变化调整自己的激活行动，从而增加联系、促进销售，并随时向场内或场外的球迷发送优惠信息。

他们的著名客户包括萨克拉门托国王队、达拉斯牛仔队、芝加哥公牛队等北美顶级体育IP。

Tradable Bits

这是一个用于赞助激活、社交聚合和电商的全包式数字营销平台，集成了粉丝 CRM （客户关系管理）系统。收集、分析和激活第一方粉丝数据，并可以进一步绘制粉丝画像，辅助合作队伍及其赞助商制定合适的营销策略。

他们的客户包括枫叶体育娱乐公司（MLSE）、圣何塞鲨鱼队、澳大利亚橄榄球联盟（AFL）、圣安东尼奥马刺队、波特兰开拓者队。

Greenfly

SaaS 平台，可创建中央媒体交换中心和私人协作网络，实现短篇数字媒体（如短视频等）的收集、策划、组织和分发。根据数字媒体的属性，自动为这些媒体打上标签并将其发送到球队的库存当中然后分发。

著名客户有巴黎圣日耳曼队、德国足球联盟 (DFL)、洛杉矶道奇队、部分F1车队等。

Scorz

集成式物联网产品，如赞助商品牌的智能曲棍球球门灯，可通过光、声和振动等多感官参与，对球队进球时刻或庆祝活动等事件做出反应。

主要客户有百威英博、拉巴特、百威啤酒。

文章来自于“懒熊体育”，作者“汤俊聪”。