微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 人工智能x体育:左手拉动粉丝热情,右手增加赛事收入

人工智能x体育:左手拉动粉丝热情,右手增加赛事收入

2019-08-19 18:56
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2019-08-19 18:56 科技行者

人工智能x体育:左手拉动粉丝热情,右手增加赛事收入

每年夏季,美国体育市场都会迎来暂时的平静——因为这正是6月中旬的NBA总决赛与9月NFL开赛之间的空档期。幸运的是,作为美国最受欢迎的体育运动之一,棒球快速切入,让球迷们的暑期不再无聊。除此之外,四年一届的奥运会与FIFA世界杯也时不时成为人们欢迎盛夏的惊喜插曲。

今年,女足世界杯获得极大关注,美国国家队第四次捧得冠军奖杯,创造了新的女子职业足球世界纪录。事实上,女足世界杯在美国的决赛观看次数比2018年的男足决赛还高出20%,并吸引到众多运动选手、球迷以及名人的社交参与。即使是几天之后的MLB职棒全明星赛,也没能重现这样的辉煌。

奥运会以及世界杯这样的国家级体育赛事通常会吸引到大量粉丝的关注,超级碗这类顶级国内赛同样抓人眼球。然而,对于常规赛事而言,职业球队越来越难以在这样一个有趣的时代下,找到与球迷建立联系的方式。毕竟这是一个现场看球率显著下降的时代,而各体育队伍必须通过销售门票来赚钱,相比之下,粉丝可以通过电视、网络、社交媒体以及移动应用选择无数种比赛观看方式。这种数字化转变,给体育品牌带来了巨大的潜在机遇,有望利用数据提高参与度并提振商业收入。

数据:体育分析的基石

当然,在体育活动中运用数据分析并不是什么新鲜事。如果大家收集过棒球卡(或者查看过卡片背面内容,就会意识到,棒球本质上是一项以统计为主导的运动。)

Sabremetrics,即棒球中的数学与统计分析,已经历经数十年历史,而SABR(Society for America Baseball Research)则是一个由数千名高度关注棒球统计数据的粉丝所组成的庞大组织。

从传统意义上讲,经理人与教练会利用这些数据以及统计分析结果微调自家阵容,从而制定战略并赢得更多比赛。在其它运动中,统计模型也被广泛应用于体育博彩当中,用以计算投注赔率并预测获胜者。

然而,体育作为一项基于粉丝的娱乐业务,正在经历快速的数字化转型——基于先进技术驱动的数据的利用方式已经从「统计分析」发展至更复杂的「人工智能驱动型应用」。目前,体育联盟正在寻找新的创造性方式,希望利用AI技术提高粉丝参与度,并寻求新的商业化机遇。而围绕粉丝第一方交互以及第三方数据之间建立起来的新型数据源,正在将这种期望转化为可能。

AI应用正在扩展

社交媒体是体育行业关注的一大重要领域,职业联盟与个人团队越来越多地转向像Unmetric这样的AI驱动型分析解决方案,希望借此推动粉丝参与并发现新的赞助机会。NHL等职业体育联盟正在通过Facebook Messenger以及WhatsApp等基于AI的社交媒体平台与粉丝开展互动,并有望面向更大规模的粉丝群体以获取赞助或发布数字订阅内容。在此背景下,AI技术将被用于提高规模效率并解放人类双手,确保工作人员专注于更高层次的战略品牌营销与赞助活动。

社交媒体将继续成为运动队伍的沃土,因为大部分年轻球迷——特别是NBA球迷——更倾向于在社交网络上讨论体育新闻,并关注自己最喜爱的球队与球员。

作为粉丝参与的下一个前沿,AI内容优化等新型成果,也许会带来新的颠覆。例如,温布尔登一直在利用IBM Watson的AI图像与声学数据解析能力整理最具吸引力的精彩视频。想象一下,这种强大的赛事内容优化潜力,最终将极大提升参与度并加强比赛的货币化水平。虽然网球与曲棍球、篮球或者美式足球有着很大区别,但类似的应用仍能够在后几种运动当中发挥重要作用。

未来的AI技术机遇

另一个有待开发的机遇在于:利用AI测量球员技能。这基本上可以算是Sabermetrics的下一个层级,而且正被应用在棒球之外的其它运动当中。

Seattle Sports Sciences公司是一家创新科技企业,他们开创了足球技术分析的先河。如果发展顺利,这将带来巨大的业务潜力。当然,从数据收集以及分析的角度来看,这项工作确实极具挑战性。这种分析能力的核心价值,在于提高选手水平,使得教练能够更好地衡量并培训运动员。不过正如温布尔登的精彩瞬间集锦一样,体育团队也有望利用AI技术提升粉丝参与度,从而顺利实现资产货币化。

我们可以设想那些最热心的体育粉丝,他们愿意了解自己喜爱队伍及选手的信息与统计数据。Sabremetrics的统计粒度可被广泛用于各种不同的运动,而AI支持型分析则能够进一步细化至选手的身体运动性与赛场表现。队伍可以跟踪并创建各种独特的内容,以便保持对粉丝的持续吸引力并通过相关数据获利。

利用面向一系列选手的测量数据,我们也有望对整个职业联盟的发展前景做出预测。此外,AI技术还能帮助我们发现某些有趣的指标——这些指标虽然无法直接计算,但对于关注统计数据的粉丝们来说同样非常有趣。例如在温布尔登网络公开赛中球员跑动的总长度,或者在足球或曲棍球当中各方控球的时间比例等(与美式足球相比,足球与曲棍球的节奏更快、传球更多、跟踪也更困难)。

体育队伍依靠死忠球迷到现场看球就能大赚一笔的时代已经过去了。当然,我们并不是说体育队伍应该彻底放弃现场体验——在美国,每年仍有数百万人出席现场观看比赛。但随着代际转变与数字消费偏好的不断变化,AI技术在各类体育项目中都展现出巨大的潜力,有望提升参与度、扩大全球范围内的粉丝规模、并根据选手的表现优化数字内容。

对于体育迷们来说,参与永远是一种情感驱动的行为。对于需要采取商业方法的运动队伍及联赛而言,用《魔球》作者Michael Lewis的话说,“在某种程度上,大家可以消除信息及偏见,并完全用数据做出判断。这能为我们带来显著的优势。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-