I球探 第一個被AI顛覆的體育賽道

薛尹博

人工智能技術正以驚人速度發展。ChatGPT橫空出世后，今年2月，OpenAI就再度扔出了Sora這枚“重磅炸彈”，引發社會各界的關注與討論。

與此同時，體育界也開始探索人工智能技術的應用場景。在過去很長一段時間里，以足球經理人為核心鋪開的球探網絡，是絕大多數歐洲俱樂部發掘天才球員的主要途徑。

然而，一款于2023年3月推出的人工智能球探搜索平臺Plaier，已經影響了一些俱樂部挑選球員的方式與職業足球經理人的飯碗，而隨著這名“AI球探”不斷學習與成長，在未來，AI球探業態或將帶給體育產業更大的驚喜……

Plaier交出投名狀，為何只是球探的配角？

Plaier平臺創立于2023年3月，名稱來源于“player”和“AI”兩個詞語的結合，平臺聯合創始人Jan Wendt則是起家于更加注重數據分析的賽車行業。

這個平臺能夠使俱樂部實時分析世界各地的比賽和球隊，并將分析結果與轉會市場上可用的球員聯系起來，幫助足球經理人出具量身定制的轉會建議，提升俱樂部整體實力。

Plaier的數據模型與已經應用于大數據分析的平臺基本一致，但其具備兩方面優勢。

Plaier內部開發的人工智能分析了迄今為止最大的全球足球數據池，其中包括來自世界各地超過10萬名活躍球員，勝在數量；另一方面，該平臺不僅會生成每個位置的球員排名，還會根據球員的特點與俱樂部實際的補強需求，對球員進行“數據加權”。

與此同時，同聯賽的其他俱樂部及其比賽風格，也被考慮到了這個權重中，從而在為俱樂部尋找合適的增援時獲得了前所未有的準確性。

兩方面優勢讓愿意嘗鮮的俱樂部給Plaier一個機會，而讓平臺真正打響知名度的，則是成功的實踐案例。長年蟄伏于德乙的達姆施塔特將一份球隊感興趣的18歲球員名單給到Plaier平臺進行分析，分析結果認為俱樂部不應該簽下這些球員中的任何一個。

起初，俱樂部方面對該結果表示懷疑，但之后的賽季證實了Plaier的判斷：這些球員都沒有出色的表現。從此，達姆施塔特逐漸信任了Plaier，并依據其建議對球員陣容及引援政策進行改進，最終成功升入2023-24賽季德甲。

在商業合作方面，據統計，目前約有30家來自歐洲頂級聯賽的俱樂部正在與Plaier合作，其中不乏來自英超、德甲這樣的頂級聯賽球隊，未來有進一步拓展其商業版圖的潛力。

而在大眾討論方面，Plaier進行了如“貝林厄姆是新生代球員中最具潛力的那個”“凱恩的進球不會對拜仁的成績產生顯著影響”等極具話題度的預測。

Plaier的出現切實優化了足球俱樂部在陣容適配及轉會戰略方面的行動。但現階段仍然需要一名具有足球素養的職業總監或者經理人對Plaier進行實際操作。

綜上所述，Plaier絕不是為了完全消除俱樂部對職業球探的需求，相反，它能夠使球探更專注于球隊真正需要的球員身上，避免“竹籃打水一場空”。

區別于市面上數據分析平臺的兩方面優勢以及具備實踐價值的應用案例，讓Plaier逐步在AI球探這個新領域嶄露頭角。而追溯AI球探的發展歷史，我們從中能夠看到更大的商業空間。

足球俱樂部科技“軍備競賽”大潮下，AI球探前景幾何？

當今體育賽事早已是高度數據化的時代。縱觀體育領域，不少運動員都會在比賽、訓練期間穿戴專門的設備，監測并收集身體數據、運動表現，經過AI模型分析，幫助運動員提升運動狀態及規避傷病風險等。

對于足球領域而言，數據的運用場景早已超越了比賽本身，這也就給了足球AI技術更加廣闊的想象空間及商業前景。

可以預見的是，隨著人工智能技術的不斷發展和普及，AI球探的精準度會不斷提高。例如，IBM與西甲塞維利亞俱樂部聯合推出了一款生成式AI工具Scout Advisor球探顧問系統，為俱樂部的球探團隊提供全方位的引援識別與評估系統。另一個西甲豪門巴薩也在利用Olocip研發的球員評估模型，篩選每個位置上符合自身要求的球員……

與此同時，對于部分職業經理人而言，AI球探是一把雙刃劍。

不久前，英超西漢姆聯從德甲不來梅挖走了轉會數據分析師哈恩，更巧的是，這位分析師之前就在達姆施塔特工作，對于Plaier這樣的AI球探平臺使用了如指掌。我們不難預測，未來的足球分析師可能不需要優渥的人脈與龐大的球探網絡，只需要熟練掌握AI球探工具，就可以撐起整個俱樂部的分析工作。

無論是AI球探平臺的層出不窮，還是數據分析師、經理人的職業軌跡變化，在如今的足球世界中，AI技術的運用儼然成為了各家俱樂部之間的軍備競賽。

而對于各個專注于足球AI模型開發的團隊而言，更多俱樂部的加入，就意味著更多潛在客戶的出現，市場份額將進一步增大，這無疑是個好消息。

但AI球探行業也面臨著一些挑戰。首先，足球比賽的結果受到多方面因素的影響，包括球員狀態、傷病情況、天氣條件等，從目前市面上AI球探產品依據的數據來看，這些因素都會影響AI球探的預測準確度。

另一方面，數據的質量和可靠性也是一個挑戰，不同聯賽和球隊的數據收集方式和質量存在著差異。AI球探公司直接找到已成體系的體育數據公司作為接口，接入大數據模型，再進行分析與訓練，似乎更能節約成本。

以上分析實際上只是基于現階段AI球探的發展做出的預判，其邏輯關系并不篤定，我們不妨從與AI球探關聯性較大的體育數據領域，尋找該行業的發展路徑。

體育數據公司的成功經驗，能否成為AI球探的突破口

在科技演進的過程中，大數據的分析與應用是人工智能的基礎，而類似“AI球探”這樣的應用則需要大量的數據來進行訓練和學習，以便能夠識別模式、做出陣容及引援的決策。

體育數據領域， 繞不開的就是sportradar體育雷達——歷經20多年的發展，這家公司已然成為了這一行業、乃至全球體育產業的巨頭公司。

在sportradar逐漸完善其體育數據方面的業務線和產品線后，公司開始找到彼時還是獨行俠老板庫班和黃蜂老板喬丹這樣的明星投資人對投融資活動進行商業背書，為自身實現質變創造契機。

此后，sportradar開始撬動各大體育聯盟資源，并積極開拓電競增量市場，建立體育聯盟、媒體、消費者、體育博彩運營商的一站式解決方案，最終成為行業領頭羊。

另一家數據公司則是比sportradar起家更早，成立于1981年的Stats。其最早的業務是收集MLB的賽事數據信息，詳細的技術統計讓他們在業界聲名鵲起。

千禧年被FOX收購后，Stats迎來了發展的黃金期，先后與NFL、NHL、NBA等職業體育聯盟達成合作伙伴關系，并在全美體育業務線實現制霸后，又將勢力拓展到世界杯、奧運會等全球性賽事，真正走向了世界。

通過以上兩個體育數據公司的啟示我們不難看出，這類初創公司都通過極強的專業性率先在自己的舒適區站穩腳跟，進而尋求明星投資或者并購機遇，為公司注入更大的資本，再去尋求與更知名、更國際化的體育聯盟合作，擴大市場占有率，在激烈的垂直領域競爭中占據一席之地。

時至今日，這套打法依舊值得AI技術公司進行借鑒與思考。

無論如何，AI技術所具備的學習和迭代能力，已經在Sora引發的AIGC浪潮中讓所有行業震驚不已。而在足球領域中，AI球探的出現，也將改變職業經理人的生存格局，并為這項運動的發展提供更加廣闊的想象空間。

至于依托類似技術起家的公司，能否在體育產業中掀起更大的浪潮，或許我們心中已有答案，靜等時間進行驗證。