体育产业链的两大AI分支融合应用

翻开近一年的体育科技新闻，几乎所有重磅报道都绕不开一个关键词——人工智能。AI的数据分析和预测能力早已不是什么新鲜事，但生成式AI的爆发，确实给体育圈带来了不少新玩法。从调取历史数据、自动生成球员简介这类基础内容创作，到合成包含评论员声音和动作画面的虚拟形象，全球各大顶级赛事几乎都在拥抱这股浪潮。按照Stats Perform的预测，全球人工智能体育市场到2030年将膨胀到192亿美元。

不过，铺天盖地的宣传也让不少人产生了“AI过敏”反应：当全世界体育领域都在追捧AI时，那些宣称有AI参与的工作，到底哪些环节真正用上了AI？在消耗大量算力的情况下，AI真的能比人类做得更好、同时还能省钱吗？它究竟是推动体育发展，还是反过来“杀死”某项运动？运动员和观众会不会最终被数据绑架，活在信息茧房里？这些问题，其实不只是体育行业的困惑，几乎整个AI应用领域都在面对。

话说回来，虽然生成式AI占据了舆论C位，但体育行业里应用更广泛、更成熟的，其实是另一种AI——通过机器学习和统计分析，从历史数据中识别模式，并对未来做出预测。从运动表现、赛事转播，到粉丝变&现和赞助商策略，预测型AI正在变得越来越不可或缺。本期的iSports，就通过几个具体案例和企业，来聊聊AI在体育领域到底扮演什么角色，以及它如何帮体育挖掘更多的商业机会。

改善策略、提高效率与节能减排，AI在F1当中的应用

说到底，F1不仅是汽车运动中最顶级的赛事，它本身就不只是一项运动。每一辆F1赛车都是汽车工业的明珠，科技含量极高，天然就适合采用最前沿的技术。在今天的背景下，AI显然是不可或缺的一环。除了更偏向工业的赛车研发与制造，在赛事表现、车队策略以及粉丝互动这些更偏体育的范畴里，AI的应用也在不断加深。其实，通过大量历史数据建立数学模型、模拟未来结果，这事儿赛车运动几十年来一直在做。

过去，这些都是靠人工统计和计算完成的。而AI的优势在于，它可以用更复杂的算法、包含更多信息，让模型的维度更贴近现实，从而提升预测准确度，同时提高模拟效率、更快出结果。具体到F1，这包括赛车在每条赛道、每个弯角的动态分析，甚至是赛道当地天气的分钟级变化预测。

举个例子，通过结合历史和实时数据，AI能把天气变化的精度细化到每个弯角、每分钟，直接帮助车队调整轮胎策略。奥地利红牛车队以果断高效的比赛策略闻名，他们的首席策略工程师汉娜·施密茨（Hannah Schmitz）受到媒体和车迷的广泛关注，但背后离不开科技巨头甲骨文（Oracle）的数据支持和AI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年曾对媒体表示，数据就是车队的命脉。团队里有一大批数据工程师，加上甲骨文在背后的支持，车队才得以在一些分站凭借脱颖而出的策略获胜。他举了2021年法国站正赛的例子：马克斯·维斯塔潘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；塞尔吉奥·佩雷兹则采用完全不同的硬胎长距离策略，减少进站时间，最终车队包揽前两名。这种大胆又高效的策略，背后离不开AI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。除了红牛，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，借助AI提升竞技表现和团队运转效率。

人工智能还在帮车队简化更多流程。“根本原因分析”（Root Cause Analysis）是F1下一阶段的重要计划。在F1全球合作伙伴亚马逊AWS的技术支持下，AI利用自然语言处理来调查系统错误。这个程序能发现集装箱里的某个微小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，在问题扩大前就排除掉。最大的区别就在于：AI可以通过机器学习，在数以万计的部件中主动查找错误，而不是像过去那样，靠统计和经验分析趋势、强调已经出过故障的地方。预测风险并主动采取行动，这才是AI带来的真正不同。

AWS还开发了“StatBot”工具，利用生成式AI来回答F1相关问题，有些问题甚至可以追溯到几十年前。通过快速调取数据，这项工具在历史样本分析和粉丝互动方面都能发挥作用。

另外，AI与云技术的应用，还帮助车队大幅减少了需要带到围场的IT设备，并优化了不同比赛之间的运输组合，从而节省开支、减少碳排放。F1正在努力实现2030年“零排放”的目标，AI是一个重要的辅助工具，但绝非解决方案本身。

AI与体育商业数字化

由AI辅助运动表现和策略，是AI参与体育核心要素的典型案例。这不仅体现在高度技术导向的F1中，其他运动也呈现出类似趋势。今年3月，利物浦与谷歌云旗下的DeepMind合作开发了“TacticAI”人工智能，帮助教练团队制定更具针对性的角球战术。其他队伍或赛事也在通过AI进行人才分析。

而在运动表现之外，粉丝作为体育的另一核心要素，一直是产业关注的焦点。获得粉丝，往往就意味着获得收入，这对致力于商业化的职业体育来说至关重要。粉丝参与的方式五花八门，有些甚至难以量化，但本质上，将粉丝参与商业化就是将其货币化——它涉及对球迷个人层面需求的满足，以及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他们建立真实、牢固的联系，对体育长期的财务可持续性至关重要。

无论是线上还是线下，如何获取数据是球队和赞助商的关键。说服球迷主动分享个人数据，同时增加其应用程序或产品的“粘性”，科技巨头IBM已经连续在今年的温网和美网植入自己的AI技术，希望为这两个历史悠久的赛事注入新的互动体验，比如通过AI对话查询球员简历、历史纪录等。每个球迷的数据质量越高，球队就越可能获得个性化信息，从而转化为更长时间、更深入的参与，进一步带来更高质量的球迷个人数据，形成良性循环。另一个趋势是，随着信息安全日益受到重视，用户更愿意把完整信息交给信任的组织，而体育组织在这方面天然具备优势。

而这些数据的收集，往往需要借助技术来实现。AI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，尤其是那些日趋全球化的顶级体育IP的粉丝，用好AI会是一个重要答案。除了单纯的数据收集和分析，通过AI将数据可视化、虚拟化，也是为体育粉丝开辟新体验的重要手段，比如转播过程中的数据图示和3D回放，或者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，帮助球队建立并发起赞助商在数字层面的竞赛——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

Tradable Bits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。它能够收集、分析和激活第一方粉丝数据，并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。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

Greenfly是一个SaaS平台，可创建中央媒体交换中心和私人协作网络，实现短视频等短篇数字媒体的收集、策划、组织和分发。它能根据数字媒体的属性，自动打上标签并发送到球队的库存中，然后进行分发。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

Scorz提供集成式物联网产品，比如赞助商品牌的智能曲棍球球门灯，可以通过光、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。