融入體育產業鏈的兩大 AI 分支

當我們翻開近一年的體育科技新聞時，大部分報導往往與人工智能（AI）脫離不了關係。人工智能的數據分析和預測能力已經是老生常談，備受關注的生成式AI則為體育領域帶來了更新的應用，從調取歷史數據庫、運用數據條目撰寫球員簡介這種簡單的內容生成，到AI合成的包含體育評論員聲音和動作畫面的虛擬形象，世界上各類運動中最著名的賽事紛紛擁抱生成式AI的進步。Stats Perform 預計，在全球範圍內，人工智能體育市場預計到 2030 年將增至 192 億美元。

但各類鋪天蓋地的報導也讓人們對人工智能有了不解與懷疑等「過敏」反應：在全世界體育領域對AI趨之若鶩的情況下，那些宣稱有AI參與的工作到底有哪些部分使用了AI？在佔據大量算力的情況下，AI能否比人類在同樣工作下有更高的質量，同時還能降低成本？AI到底是在促進體育的發展，還是會取代人類從而「殺死」某項運動？運動員和觀眾是否會最終被AI和數據所左右，活在信息繭房當中？這其中的一些問題不光是AI在體育行業面臨的質疑，也是全行業共同的疑問。

與此同時，儘管生成式AI佔據了輿論焦點，但體育行業中運用更為廣泛和成熟的是使用機器學習技術和統計分析來識別歷史數據中的模式，並對未來事件進行預測。從運動表現、賽事轉播到粉絲貨幣化和贊助商策略，預測型的人工智能在體育領域越來越不可或缺。本期iSports將通過一些案例和企業，針對AI在體育領域發揮的具體作用，以及它如何為體育發掘更多商業機會進行解析。

改善策略、提高效率與節能減排，AI在F1當中的應用

作為汽車運動當中最頂級的賽事，F1的特殊性在於它遠不止是一項體育運動。每一輛F1賽車都是汽車工業王冠上的明珠，充斥了科技的結晶，這使得F1幾乎必然採用最前沿的技術，在今天的背景下，人工智能一定是其中之一，除了更偏向工業的賽車研發與製造領域以外，更偏向體育範疇的賽事表現、車隊策略以及粉絲互動也在加強人工智能的運用。倒不如說，在基本的賽事表現預測方面，通過大量的歷史數據建立數學模型並對未來結果進行模擬分析，是賽車運動幾十年來一直在做的一件事情。

過去人們用手工統計並進行計算，而AI則用包含更多信息的複雜算法讓模型的維度更符合現實情況，從而增加預測結果的準確度，並提高模擬的效率，更快得出結果。這包括了賽車在每條賽道和每個彎角的動態分析，又或是賽道當地的天氣變化預測。

例如，結合歷史和實時數據，人工智能將天氣變化的精度提高到了每個彎角以及分鐘級別，幫助車隊調整自己的輪胎策略。奧地利紅牛車隊以賽事中果斷而有效的比賽策略而聞名，他們的首席策略工程師漢娜·施密茨（Hannah Schmitz）受到了媒體與車迷的關注，但她的背後也離不開車隊合作夥伴——科技巨頭甲骨文（Oracle）公司的數據支持和人工智能分析。

數據的可視化已經是F1常態，但比起策略分析師所看到的仍然是冰山一角

車隊領隊基斯坦奴·霍納在2022年告訴SportsPro，數據是車隊的命脈，團隊中也有大量專注於數據的工程師，加上甲骨文在背後的支持，車隊得以在一些分站運用脫穎而出的策略獲勝，他列舉了2021年法國站正賽作為例子。馬基斯·維斯塔潘在第二次進站換上軟胎，利用輪胎帶來的圈速優勢在最後5圈反超到第一的位置，沙治奧·佩雷斯則採用完全不同的硬胎長距離策略，減少了進站時間，最終車隊包攬前兩名。這種大膽又高效的策略背後離不開人工智能對20輛賽車的速度、輪胎、天氣、場上突發事件等多維度的綜合分析。除奧地利紅牛以外，Mercedes·平治、麥拿倫、法拉利等大多數圍場隊伍也都與Google、惠普等國際科技巨頭建立了合作關係，幫助隊伍提升競技表現以及團隊運轉的效率。

人工智能還在幫助車隊簡化更多的流程。「根本原因分析」（Root Cause Analysis）是F1在下一階段試圖推進的一項計劃。在F1全球合作夥伴亞馬遜AWS的技術支持下，AI使用自然語言處理來調查系統錯誤。該程序可以發現集裝箱中的某個微小的開關是否反復出現故障，從而避免工作人員在使用時才發現問題，在問題擴大之前就將其排除。這其中的區別是，人工智能能夠通過機器學習的方法培訓，使其能夠在數以萬計的部件中主動查找錯誤，而不是分析趨勢和強調過去出現過故障的地方。後者在統計和經驗的幫助下，由人類就能完成。預測並作出實際行動排除風險，這是AI帶來的不同。

AWS 還開發了’StatBot’工具，使用生成式AI來回答F1賽車相關的問題，這些問題有時可以追溯到幾十年前的結果。通過快速調取數據，這項工具在歷史樣本分析以及粉絲互動方面都能發揮作用。

此外，AI與雲技術的應用還使得車隊大幅減少了需要帶到圍場的IT設備，並進一步優化車隊在不同比賽之間運輸方式上的組合，為車隊節省開支並減少碳排放。F1正在努力實現2030 年的「零排放」目標，AI將作為一個重要的輔助工具，但並不是解決方案本身。

AI與體育商業數字化

由人工智能輔助運動表現及策略是AI參與體育核心要素的案例，這不光體現在高度技術導向的F1當中，在其他運動中也同樣呈現這種趨勢。今年3月，利物浦與Google雲旗下的 DeepMind 合作開發「TacticAI」人工智能，幫助「紅軍」教練團隊開發更具有針對性的角球戰術。其他隊伍或賽事也在通過AI進行人才的分析。

而在運動表現以外，粉絲作為體育的另一項核心元素，也一直是產業關注的焦點，獲得粉絲往往意味著獲得收入，這對於致力於商業化的職業體育來說至關重要。雖然粉絲參與的方式五花八門且不一定都是可視化的，但本質上，將粉絲參與商業化也就是將其貨幣化。它涉及到對球迷個人層面的需求和贊助商層面的價值交換。瞭解球迷的需求和動機，讓球隊及其贊助商與球迷建立真實、牢固的聯繫，對於體育長期的財務可持續性至關重要。

無論是在家裡還是在現場，如何獲取數據是球隊和贊助商的關鍵。說服球迷直接分享其個人數據，同時增加其應用程序或產品「粘性」，科技巨頭IBM就已經連續在今年的溫網和美網植入自己的人工智能技術，希望為這兩個歷史悠久的賽事注入新的互動體驗，包括查詢球員簡曆、歷史紀錄等，可以通過AI對話實現。每球迷的數據質量越高，球隊就越可能獲得粉絲的個性化信息，從而轉化成更長時間和更深入的參與，進一步帶來更高質量的球迷個人數據，如此循環往複。而另一個趨勢則是，如Google、X等科技巨頭對於用戶信息的掌控正在逐步消退當中，信息安全日漸被電子產品用戶所重視，他們更願意給自己信任的組織提供完整的信息，體育組織在這方面具備優勢。

而這些數據的收集，則往往需要借助技術來實現，人工智能已經成為最好的信息收集和處理工具，如何與龐大的粉絲群體打交道，尤其是頂級體育IP日趨全球化的體育粉絲，用好AI會是一個重要的答案，除了單純的數據收集以及分析，通過AI將數據可視化、虛擬化也同樣是為體育粉絲開闢新體驗的重要手段，例如在轉播過程中的數據圖示及3D重播等手段，又或是需要大量運算的球場3D建模、區塊鏈及NFT等。一些國外的創新公司已經發現了這一點。

SQWAD

SQWAD的主要業務是粉絲的數字參與和贊助激活，使球隊能夠建立和發起贊助商在數字層面的競賽，即通過粉絲行為在數據上的變化調整自己的激活行動，從而增加聯繫、促進銷售，並隨時向場內或場外的球迷發送優惠信息。

他們的著名客戶包括薩克拉門托帝王隊、達拉斯牛仔隊、芝加哥公牛隊等北美頂級體育IP。

Tradable Bits

這是一個用於贊助激活、社交聚合和電商的全包式數字營銷平台，集成了粉絲 CRM （客戶關係管理）系統。收集、分析和激活第一方粉絲數據，並可以進一步繪製粉絲畫像，輔助合作隊伍及其贊助商製定合適的營銷策略。

他們的客戶包括楓葉體育娛樂公司（MLSE）、聖荷西鯊魚隊、澳州橄欖球聯盟（AFL）、聖安東尼奧馬刺隊、樸達蘭拓荒者隊。

Greenfly

SaaS 平台，可創建中央媒體交換中心和私人協作網絡，實現短篇數字媒體（如短影片等）的收集、策劃、組織和分發。根據數字媒體的屬性，自動為這些媒體打上標籤並將其發送到球隊的庫存當中然後分發。

著名客戶有巴黎聖日耳門隊、德國足球聯盟 (DFL)、洛杉磯道奇隊、部分F1車隊等。

Scorz

集成式物聯網產品，如贊助商品牌的智能曲棍球球門燈，可通過光、聲和振動等多感官參與，對球隊入球時刻或慶祝活動等事件做出反應。

主要客戶有百威英博、拉畢特、百威啤酒。