文 | 硅谷101
历经39天的激战，美加墨世界杯终于落下帷幕。西班牙队最终登顶，时隔16年再度捧起大力神杯。
我们在现场偶遇了曾率领中国男足闯入世界杯的传奇教练米卢。他第一句话就纠正了我们对足球英文表述的习惯：
"Not soccer. Football."
紧接着，他又抛出了对AI与机器人发展的看法，明确表示这类技术不会取代足球运动：
"I prefer men, not robots."（“比起机器人，我更爱看真人踢球。”）
本届赛事的部分场次在硅谷进行，众多科技巨头高管现身赛场。在硅谷，人们笃信AI能重塑万物，但在足球面前，这种信念似乎碰了壁。
过去几年，不少初创公司与资本重金押注，企图用AI颠覆足球规则，但现实并未如预期般乐观。
本文旨在探讨顶级俱乐部如何借AI重构足球生态，梳理其尝试路径及成败案例；分析Football Tech这一垂直赛道如何引入产业投资并自我纠偏；以及AI正如何潜移默化地改变我们参与足球和观看世界杯的方式。
当然，还有一个终极追问：在中国AI飞速发展的当下，能否助力中国男足杀入下一届世界杯？
首先需界定“足球AI”的概念。若你期待的是能提升胜率、化身“AI教练”助球队夺冠的技术，目前尚无证据支持这一设想。
即便缩小范围，考察AI能否协助俱乐部签下更优球员或提高角球得分率，结论可能依旧悲观。
尽管如此，部分俱乐部已展开大胆探索。例如，“红军”利物浦携手谷歌DeepMind，研发出名为“TacticAI”的定位球系统。该系统被媒体誉为“足球AI的里程碑”，DeepMind亦为此在《Nature》发表专题论文。
切尔西则与AiSCOUT合作，将AI引入青训体系。系统通过分析年轻球员的技术动作，辅助青训部门发掘潜力新星。
西甲塞维利亚也曾联合IBM推出Scout Advisor。该底座基于IBM watx，后兼容Meta Llama模型，能解析球探报告中的自然语言（如“擅长任意球”），帮助球探从海量文档中快速锁定目标。
上述尝试中，利物浦与DeepMind的合作最具代表性。我们以此为例，审视AI是否真能带来竞技层面的飞跃。据《Nature》论文披露，DeepMind利用利物浦三个赛季的7176个角球数据进行训练评估。理论上，模型可预测谁最可能率先触球、角球能否转化为射门，并能指导球员跑位与站位。
豪门俱乐部联手顶尖AI公司，且成果发表于顶级学术期刊，看似极具说服力。但实际效果如何？利物浦角球进球率是否显著攀升？查阅主流科技与体育媒体报道，未获明确结论。于是，我们自行统计验证。
通过StatBunker获取利物浦近六个赛季角球进球数，结合StatMuse同期角球总数，计算各赛季角球转化率：
数据显示，除2021至2022赛季外，其余赛季角球转化率波动不大，维持在3%左右。由于DeepMind与利物浦均未公开该系统启用时间，而《Nature》论文发表于2024年3月，推测2021-2022赛季该系统尚未投入实战。
换言之，截至当前，DeepMind开发的模型尚未为利物浦角球表现提供数据支撑的有效改善。此前我们就此选题内部讨论，并向Google DeepMind发出采访邀请，但未获回复。
顺着这组数据引发的疑问深入探究：为何AI在其他领域高歌猛进，足球界却迟迟未出现一款能颠覆竞技成绩的AI产品？
经与业内交流，一种可能的解释是：足球是所有运动中偶然性最高、变量最复杂的类别之一。这使得单一因素对比赛结果的影响难以量化验证。
比赛结果受 myriad 变量制约，甚至无法完全统计。天气、裁判判罚、场地状况、球员状态、现场氛围、队友间协作乃至心理状态，均可能左右战局。当然，也不排除假球等阴谋论因素。
这些复杂变量相互交织。例如，现场氛围影响球员状态，裁判判罚又反作用于氛围。同时，部分变量随时间演变。球员成名前或许自律严苛，成为亿万富翁后可能逐渐松懈。
变量权重亦会动态变化且难以预测。以不自律为例，年轻时这种行为对球场表现影响有限，但随着年龄增长，可能导致状态断崖式下跌。当然也有反例：同样体重超标的大罗，依然保持世界顶级水准。
这就构成了一个悖论：AI无法掌控所有变量，导致模型优化缓慢；即便俱乐部成绩提升，也难以归因于AI，而非其他因素共同作用的结果。
足球中诸多变量不可量化，更难计算其对结果的权重。AI或许无法理解“阅读比赛的能力”、“球员间的化学反应”，甚至不懂“为国家荣誉而战”的含义。此类难以量化的变量无穷无尽：强队底蕴、求胜欲、更衣室氛围、裁判尺度松紧等。
以本届世界杯最大黑马佛得角为例。这个仅有几十万人口的岛国，球员多效力于低级别联赛，全队总身价不及梅西一人。AI如何预判这样一支队伍能接连逼平西班牙和乌拉圭，甚至将阿根廷逼入绝境？
符合IPSO（国际职业球探组织）标准的球探报告，不仅涵盖速度、耐力、弹跳等量化指标，还需评估位置感、领导力、决策力及比赛态度等软性素质。名帅穆里尼奥便要求球探评估球员性格，包括自律性及暴富后的张扬程度等维度。
足球因果关系往往非线性。增加控球率未必提升胜率，反而可能因对手反击而失利。汇聚11位超级巨星未必夺冠，若更衣室矛盾重重，成绩甚至不如平民球队。
这种非线性关系正是AI的短板。此外，数据匮乏也是限制AI在足球领域应用的关键原因。
何为足球数据？足球由人踢奏，球员竞技与身体数据分散在全球数千家俱乐部。行业从未形成类似BooksCorpus或WebText的大型文本数据集。
公开的身高体重等基础数据，仅够制作球星卡。真正关联竞技表现的身体数据截然不同。例如，一份非公开的球员报告可能包含以下信息：
相关数据需通过动作捕捉、测力台及肌电图同步采集。即便AI公司采用多角度摄像机配合姿态模拟，也难以达到实验室精度。这意味着，AI公司几乎无法通过公开渠道获取此类数据。
再以早期AI关注的伤病预测模型为例。俱乐部掌握的私有数据还包括：
这些数据散布于数千家俱乐部，无单一组织或商业公司能完整掌握。同时，单家俱乐部样本量不足。由此可总结AI在足球领域失效的几个核心原因：
因此，AI想在足球界复刻“ChatGPT时刻”或“Claude Code时刻”，难度极大。商业层面，曾让资本期待的Football Tech，也经历了一轮自我修正周期。
在全球AI估值飙升、沾边即涨股的今天，AI足球技术领域却未诞生独角兽。我们以昔日明星初创SciSports为例，剖析背后的困境。
2013年，荷兰恩斯赫德市一间学生公寓内，三名年轻人萌生了一个极具“硅谷味”的想法：既然《Football Manager》能在游戏中预测球员潜力，现实中为何不行？
据此，他们开发了足球数据智能系统SciSports，旨在帮助职业俱乐部评估球员价值、预测潜力乃至理解比赛。当时，这个故事囊括了所有热门标签：足球、AI、机器学习、计算机视觉、转会市场、全球数据库及职业俱乐部客户。
试想，若能提前一年发掘下一个哈兰德、贝林厄姆或姆巴佩，俱乐部可节省数千万欧元。若软件能介入转会决策，理应成为估值十亿美元的企业。
然而十余年过去，SciSports既未上市也未成为知名足球AI独角兽。2024年，它被荷兰VANAD Group收购。如此看似正确的创业方向，为何未能成就足球界的Palantir？
回顾SciSports产品，早期聚焦数据化球探业务。系统将球员比赛数据、联赛强度、出场时间、位置、球队表现、年龄及成长曲线输入模型，构建全球可比评分体系——SciSkill Index。
切入点颇为巧妙。转会是足球领域最昂贵且易错的决策。买错一名球员，俱乐部可能损失数百万乃至数千万欧元。若数据系统能帮俱乐部发现被低估资产，价值不言而喻。
但SciSports不满足于只做数据库，转而开发重资产产品BallJames。该系统旨在通过计算机视觉将比赛视频转为实时3D数据。SciSports将其比作足球比赛的“球场MRI”，如同扫描人体般扫描全场。2016年，荷甲球队Heracles Almelo成为首批安装BallJames的职业俱乐部之一。
尽管痛点抓得准，甚至被贴上“Next European Unicorn”标签，但它为何失败？
首要问题是客户少、预算窄。
足球虽是全球市场，但愿为高级数据分析重金投入的客户主要为职业俱乐部、联赛、足协和经纪公司。顶级俱乐部财力雄厚但数量有限；中小俱乐部虽多，软件预算却极为有限。
一套系统或许能帮球队省下千万欧元转会费，但俱乐部未必愿每年支付数百万欧元订阅费。这正是体育科技的尴尬之处：企业创造“决策价值”，但客户付费时仅视作“订阅软件”。
其次，AI答案难直接转化为决策。
电商推荐系统判断用户想买鞋，平台可立即推送广告。但若足球AI判定某边锋潜力巨大，俱乐部不能即刻刷卡。
俱乐部还需考量教练喜好、战术适配度、语言文化、伤病史、经纪人关系、合同条款、薪资结构、更衣室性格乃至老板偏好。足球转会是数据、政治、人情与风险交织的复杂决策。
再者，底层数据太重。
BallJames虽先进，但若需在球场安装设备、部署标定摄像机并承担维护清洗工作，其扩张速度难达纯SaaS般的指数级增长。
因此，行业趋势转向另一路径：直接从现有转播画面、单机位视频及战术机位提取追踪数据，而非将整场比赛3D化。谁能以更低成本将普通视频转为结构化数据，谁更易规模化。归根结底，算的仍是经济账。SciSports早见正确方向，但早期实现路径过于沉重。
第四，俱乐部不愿购买孤立工具。
足球俱乐部内部已拥有视频平台、球探系统、体能系统、医疗系统、沟通工具及数据供应商。分析师最忌外部软件无法嵌入内部工作流与数据体系。传统SaaS模式不适合SciSports，Palantir模式亦不适用，因客户预算不足以支持独立部署。这也解释了Football Tech行业并购频发的原因。
例如，StatsBomb曾是职业足球领域具影响力的高级事件数据与模型公司。2024年，它被美国体育视频平台Hudl收购。Hudl逻辑清晰：原本从事视频分析与教练工作流，接入StatsBomb高级数据后，可向职业球队打包销售“视频、数据、球探和比赛分析”。
再如Second Spectrum，曾是NBA、英超和MLS官方数据追踪与分析供应商之一，能将比赛中球员与足球转化为机器可读数据，服务于教练、分析师、媒体及转播方。2021年，它以约2亿美元价格被体育数据公司Genius Sports收购。
还有Sportlogiq，主战场在冰球。2026年，它被美国公司Teamworks收购。Teamworks自称为“体育行业操作系统”，旨在整合球队运营、运动员管理、表现分析及AI洞察至统一平台。Sportlogiq收购价未披露，第三方数据库Dealroom估算其企业价值约2000万至3000万美元。
最后是前文重点提及的SciSports。2024年，它被荷兰VANAD Group收购，交易金额未公开。依据早期融资数据，Wellfound显示SciSports在2017年融资后估值约为1580万美元。可以说，其早期“成为下一个欧洲科技独角兽”的愿望终成泡影。
足球市场巨大吗？当然。作为全球第一运动，它拥有数十亿球迷。转会市场昂贵吗？确实。头部俱乐部年投入犹如天文数字。AI有用吗？确有其效，数据能提升球探、分析及训练效率。
但这些因素叠加，并不自动造就一家估值十亿美元的软件公司。足球作为“文化产业”庞大，但作为“职业俱乐部软件市场”，规模远非想象中大。这是SciSports故事中最关键的反转。
因此，Football Tech难仅凭单一数据模型、球探评分系统或视频分析工具撑起超级独角兽。但若这些产品整合进大型平台，成为“视频、数据、球探、训练和转播”链条一环，仍具商业价值。
至此，答案渐显：问题并非AI无用，而是足球俱乐部软件预算狭窄、销售周期漫长、工作流碎片化，致使单点产品难独立成长为行业巨头。
虽AI暂无法提升球员成绩与球队整体水平，但若将视野从赛场扩展至世界杯等体育赛事，可见技术含量日益提升，AI正逐步改变观赛体验。
葡萄牙对阵克罗地亚的淘汰赛便是明证。7月3日举行的美加墨世界杯1/16决赛中，视频助理裁判（VAR）介入，判定克罗地亚球员越位，进球无效。此判罚助葡萄牙队2比1逆转克罗地亚。
协助裁判裁决的，是比赛用球内置的一枚500Hz惯性测量单元（IMU）。它能实时追踪三维空间加速度与细微动作，捕捉到克罗地亚球员马塔诺维奇头部极轻微触碰足球的瞬间。若无IM足球与VAR，人类裁判几乎不可能察觉此类细节。
本届世界杯决赛前两天，我们飞往迈阿密，探访赛事“大脑”。它隐匿于Coral Gables一条静谧街道，是一栋无标识的六层小楼，被称为赛事总部。48支球队、104场比赛、16座球场，加上北美600多个站点，除转播外的所有调度均源自此楼。
负责搭建FIFA技术指挥中心与赛事运营中心的，是国际足联史上首个官方技术合作伙伴：联想。1.7万台设备与350名工程师分布于16座球场、广播中心及各队大本营。联想还在腾讯新闻寻梦之夜上介绍了多项AI及其他技术创新，其中包括分析工具FIFA AI Pro。
以往世界杯赛后，FIFA常向国家队提供大量数据。五六十页的数据报告配以海量摄像画面，一次性交付教练与分析师，工作量繁重。
FIFA AI Pro则为分析师提供生成式AI平台。使用者只需通过自然语言操作，如询问“C罗在本场最活跃位置”。系统还可辅助生成交互图表与视频，用户甚至能解锁3D视角，从球员视点观察赛场。
本届世界杯在数据采集上投入巨资。16个比赛场地，每场安装16台光学追踪摄像机，每秒扫描29个点、采集50次；加之足球传感器每秒采集500次数据，单场比赛可积累超1.5亿个追踪数据点。相较上届世界杯这套系统仅采集60万个数据点，本届增幅达数百倍。庞大主要用于三件事：
第一，越位判定更精准。
现只要球员越位超10厘米且系统置信度高，助理裁判耳麦即响音频提示，裁判可当场举旗。为提高准确度，本届1248名球员赛前均完成全身3D扫描，相当于每人拥有虚拟分身，输入越位判罚系统作为依据。
第二，解决“球是否出界/过线”等长期争议判罚。
记得上届世界杯日本对阵西班牙那场吗？三笘薫在底线附近救球，肉眼看来球似已出界，但VAR经两分钟判断，认定球仍有极小部分压在线内，进球有效，德国也因此出局。
对于此类毫米级关键判罚，现可通过全场比赛实时3D重建，配合足球传感器锁定精确轨迹，VAR不再依赖模糊截图。越位干扰亦然，球员是否遮挡门将视线，3D视角一览无余。
第三，为转播机构与观众提供新体验。
观众可在转播中看到球员3D分身，部分合作伙伴还能利用数据，将精彩镜头甚至整场比赛制作为3D版本回放。
此前，裁判佩戴摄像机抖动严重，难用于转播。今年，联想对裁判跑动拍摄画面进行了稳定处理。测试显示，抖动减少50%至70%，并通过“边缘计算、混合AI与多个针对性小模型”架构，满足实时转播低延迟需求。
本届世界杯还有一些有趣技术应用。为打击赛事期间犯罪活动，墨西哥花费14.5万美元购入一批机器狗，协助警方初步干预冲突现场，保护警察安全。
当我们讨论AI改变足球时，究竟改变了比赛本身，还是幕后运营体系？世界杯期间，连续工作50天的联想FIFA项目DWS负责人Myles Spittle，在FIFA中心接受硅谷101访谈时如是回答：
Myles Spittle
联想 FIFA 项目 DWS 负责人
以半自动越位为例，它在帮助裁判消除人为失误，利弊参半：作为足球纯粹主义者，我认为人为失误有时增添戏剧性；但当赌注极高、边际极小时，你需要100%准确——能否检测到头发碰球，可能就是进球与否、胜负之别。
我也看到它在幕后影响比赛：让运营更顺畅，球队更高效，降低赛事出错风险。
因此，不得不承认，世界杯正变得更技术化、更AI化。但这些尝试仍处于早期阶段。目前，技术主要应用于判罚、比赛数据采集及观赛体验。真正让AI提升人类足球成绩乃至指导踢球，尚有时日。
米卢告诉我们，未来一切皆有可能，机器人或取代人类踢球，未来可能出现机器人世界杯或AI世界杯。
但对人类而言，足球特殊且珍贵。这里是创造奇迹之地，充满惊喜、信念与泪水。当人类面对AI“节节败退”，足球或许将成为人类“最后堡垒”，促使我们在AI狂热中重新思考其边界。
是的，你怎么能不爱足球？
我们
