2026世界杯：AI改變了足球......嗎？

歷時39天，美加墨世界杯終于落下了帷幕，西班牙最終奪得冠軍，時隔16年再次捧起了大力神杯。

我們這次在見到曾帶領中國男足進入世界杯的傳奇教練米盧時，他首先糾正了我們對足球的英文表達：

"Not soccer. Football."

隨后，他又告訴我們，機器人和AI的發展不會取代足球這項運動：

"I prefer men, not robots."（“比起機器人，我更喜歡看真人。”）

此次的世界杯，一些比賽也在硅谷舉行，眾多科技大佬都曾前往現場觀賽。在硅谷，人們相信AI將改變一切，但面對足球，這套信念似乎遇到了挑戰。

過去幾年，確實有不少初創公司和資本投入重金，試圖用AI顛覆足球，但結果并不像人們想象得那么樂觀。

這篇文章，我們將討論頂級俱樂部如何利用AI改造足球，它們做過哪些嘗試，又有哪些成功與失敗的案例。Football Tech這一垂直賽道如何擁抱產業投資，又如何經歷自我修正；以及AI正在如何悄悄改變我們參與足球和世界杯的方式。

當然，還有一個終極問題：中國的AI發展如此迅速，能讓中國男足進入下一屆世界杯嗎？

本文為視頻改寫，歡迎大家收看以下視頻

我們先定義一下“足球AI”。如果你對足球AI的想象是，它能夠提高球隊勝率，成為一名“AI教練”，幫助球隊贏得冠軍，那么目前還沒有證據能夠表明，AI在這方面發揮了作用。

即便把范圍再進一步縮小，例如AI能否幫助俱樂部簽下更好的球員，或者提高角球的進球率，結論或許依然相同。

目前，已經有一些俱樂部做出了大膽嘗試。例如，大名鼎鼎的“紅軍”利物浦與谷歌DeepMind合作，開發了一套名為“TacticAI”的定位球系統。它曾被媒體稱為“足球AI的里程碑”，DeepMind還為此專門在《Nature》上發表了論文。

切爾西則與一家名為AiSCOUT的公司合作，將AI用于隊內的青訓系統。AI會分析年輕球員的各項技術動作，幫助青訓部門發現優秀球員。

西甲的塞維利亞也曾與IBM合作，推出Scout Advisor。這套系統基于IBM watsonx，后來也使用過Meta的Llama。它能夠理解球探報告中的自然語言，例如“擅長任意球”，幫助球探從大量報告中快速找到合適的球員。

在這些嘗試中，利物浦與DeepMind的合作最為知名。我們以此為例，看看AI能否帶來人們想象中的競技水平提升。根據《Nature》上發表的論文，DeepMind使用了利物浦三個賽季的7176個角球進行訓練和評估。完成訓練后，模型理論上可以預測哪名球員更可能第一個觸球、一次角球能否形成射門，也可以建議球員如何移動和站位。

一家足球豪門與一家頂尖AI公司合作，還在《Nature》上發表了論文，這樣的組合聽起來頗具說服力。但具體效果如何？利物浦的角球進球率真的提高了嗎？我們查閱了主流科技媒體和體育媒體的報道，沒有找到相關結論。于是，我們自己做了一次統計。

我們讓AI從StatBunker調取了過去六個賽季利物浦的角球進球數，又從StatMuse調取了同期利物浦獲得的角球數量，并計算出每個賽季的角球進球率：

從數據中可以看出，除了2021到2022賽季，其他賽季的角球進球率并沒有顯著變化，基本都在3%左右。DeepMind和利物浦都沒有披露，這套AI系統具體從何時開始使用。《Nature》上的論文發表于2024年3月，因此在2021到2022賽季，這套系統大概率還沒有投入使用。

也就是說，截至目前，與DeepMind合作開發的模型，尚未對利物浦的角球表現形成任何有數據支撐的改善。我們此前也曾在內部討論過這個選題，并向Google DeepMind發出采訪邀請，但沒有收到回復。

沿著這組統計產生的疑問繼續追問：為什么AI在其他領域一路狂飆，足球領域卻始終沒有出現一款，能夠對競技成績產生顛覆性影響的AI產品？

我們與一些業內人士交流后，得到的一個可能答案是：足球是所有體育運動中偶然性最高、變量最多的項目之一。這使得任何單一因素對比賽結果的影響，都很難被量化和驗證。

一場比賽的結果受到太多變量影響，多到甚至無法完整統計。天氣、裁判、場地條件、球員狀態、現場氛圍、球員之間的關系與協作，甚至球員的心理狀態，都可能決定比賽結果。當然，還有陰謀論中的假球。

這些復雜變量還會相互影響，例如，現場氛圍會影響球員狀態，裁判的判罰也會反過來影響現場氛圍。同時，一些變量還會隨著時間推移發生變化，例如球員成名前可能非常自律，成為億萬富翁后卻可能逐漸松懈。

一些變量的權重同樣會發生變化，而且很難預測。以不自律為例，一位球員在年輕時，不自律的行為習慣或許對球場表現影響不大，年齡增長后，卻可能導致狀態明顯下滑。但也存在反例：同樣是體重超標，大羅依然是世界頂級球員。

這就形成了一個悖論：AI無法控制變量，導致模型的提升十分緩慢；即使俱樂部成績有所提高，也很難證明這是AI帶來的結果，而不是其他因素共同作用的結果。

足球中的很多變量無法量化，更難計算這些變量對比賽結果的影響權重。AI或許無法理解什么叫“閱讀比賽的能力”，什么叫球員之間的“化學反應”，也很難理解什么叫“為了國家榮譽而戰”。這些難以量化的變量幾乎可以無窮無盡地列下去：強隊底蘊、對勝利的渴望、更衣室氛圍，以及裁判尺度的松緊等。

以本屆世界杯的最大黑馬佛得角為例，這是一個只有幾十萬人口的島國，球員大多效力于低級別聯賽，全隊身價加起來還沒有梅西高。AI如何能夠預測，這樣一支球隊會連續逼平西班牙和烏拉圭，甚至把阿根廷幾乎逼上絕境？

一份符合IPSO（國際職業球探組織）標準的球探報告，不僅要包括速度、耐力、彈跳等可以量化的指標，還要考察很難量化的位置感、領導力、決策力和比賽態度等因素。著名教練穆里尼奧就要求手下的球探評估球員的性格，包括是否自律、有錢之后是否張揚等維度。

足球中的因果關系往往是非線性的，增加控球率不一定能夠提高勝率，反而可能因為對手的防守反擊而輸球。讓11名超級巨星組成一支球隊，也不一定能夠贏得冠軍，反而可能因為更衣室里誰也不服誰，導致成績還不如一支平民球隊。

足球中的這種非線性關系，恰恰是AI最難處理的類型。除此之外，AI在足球領域效果有限，還有一個重要原因：數據。

足球的數據究竟是什么？足球由人來踢，因此，球員的競技和身體數據，分散在全世界數千家俱樂部中。足球行業從來沒有形成，類似BooksCorpus和WebText這樣的大型文本數據集。

球員公開的身體數據，例如身高、體重等，最多只能用來制作球星卡。真正與競技表現相關的身體數據，則完全不同。例如，一篇俱樂部不公開的球員報告，可能包括以下數據：

• 局部體脂分布：包括腹部、大腿前側和后側、臀部、肩背等部位的分區體脂。這些數據會影響球員的爆發力、對抗能力和傷病風險。

• 快肌與慢肌纖維比例：決定球員更偏向爆發型還是耐力型，屬于天生屬性，極難通過后天改變。

• 肌肉橫截面積（CSA）：包括股四頭肌、腘繩肌和臀肌等部位，直接關系到球員的對抗能力、射門力量和傷病概率。

• 乳酸閾值與實測最大攝氧量：直接關系到球員能夠承受多長時間的高壓比賽。

• 重復沖刺能力：連續進行5至10次沖刺后的速度衰減率，是高壓逼搶戰術的核心指標。

• 地面反作用力：球員急停、變向和起跳時，腳對地面產生的壓力，可以用來判斷動作是否合理。

• 發力鏈時序：球員射門或傳球時，髖關節、膝關節和腳踝的發力順序，既能判斷動作是否合理，也是針對性訓練的重要參考。

相關數據需要通過動作捕捉、測力臺和肌電圖同步采集。即使AI公司使用多角度攝像機與AI姿態模擬，也很難達到實驗室的精度。 也就是說，這些數據幾乎不可能由AI公司通過公開渠道獲得。

再以AI公司早期聚焦的傷病預測模型為例。俱樂部掌握的私有數據中，還包括以下內容：

• 細胞內外液比例：可以用來判斷水腫、肌肉炎癥和過度疲勞。

• 步態不對稱性：左右腿發力差異和落地重心偏移，可能是肌肉拉傷、十字韌帶撕裂等嚴重傷病的前兆。

• 關節松弛度和韌帶穩定性：可以反映腳踝、膝蓋和髖關節的松動程度，是傷病的高危信號。

• 隱性微損傷和軟組織疤痕硬度：可以判斷舊傷術后的肌腱彈性和疤痕粘連程度，直接影響再次受傷的概率。

這些數據分散在數千家俱樂部中，沒有任何一個組織或商業公司能夠完整獲得。與此同時，每一家俱樂部單獨掌握的數據，樣本量又不夠大。因此，我們可以總結出，AI在足球領域失效的幾個原因：

• 足球是一項低得分、高隨機性的運動，數據信號極弱。

• 比賽勝負由少量關鍵事件決定，而不是整體統計規律。

• 球場上進行的是對抗性動態博弈，既有規律會被對手主動破壞。

• AI只能理解歷史相關性，無法理解真實因果；同時，足球中不可量化的數據過多。

因此，AI想要在足球領域復刻“ChatGPT時刻”或“Claude Code時刻”，非常困難。而在商業層面，一度令資本充滿期待的Football Tech，也經歷了一輪自我修正的周期。

在全球AI公司估值不斷上漲、只要沾上AI概念股價就可能飆升的今天，AI足球技術領域卻始終沒有出現一家獨角獸。我們以曾經的Football Tech明星初創公司SciSports為例，看看這個產業背后的困境。

2013年，在荷蘭恩斯赫德市的一間學生公寓里，三個年輕人產生了一個聽起來非常“硅谷”的想法：如果《Football Manager》可以在游戲中預測球員潛力，那么在現實世界中，為什么不行？

于是，他們決定開發一套足球數據智能系統，幫助職業俱樂部判斷球員價值、預測球員潛力，甚至理解比賽本身，這家公司就是SciSports。在當時，這個故事幾乎踩中了所有熱門關鍵詞：足球、AI、機器學習、計算機視覺、轉會市場、全球化數據庫和職業俱樂部客戶。

想象一下，如果能夠提前一年發現下一個哈蘭德、貝林厄姆或姆巴佩，就可能幫助俱樂部節省數千萬歐元。如果一款軟件能夠參與轉會決策，它是否應該成為一家估值十億美元的公司？

但十多年過去，SciSports沒有上市，也沒有成為全球知名的足球AI獨角獸。2024年，它被荷蘭VANAD Group收購。為什么這樣一個看起來無比正確的創業方向，最終沒有變成足球世界的Palantir？

我們先來看看SciSports的產品，早期它主要做的是數據化球探業務。它將球員的比賽數據、聯賽強度、出場時間、位置、球隊表現、年齡和成長曲線輸入模型，試圖建立一個可以在全球范圍內比較球員的評分系統，名為SciSkill Index。

這個切入點非常聰明。轉會是足球領域最昂貴、也最容易出錯的決策之一。買錯一名球員，俱樂部可能損失數百萬甚至數千萬歐元。但如果一套數據系統，能夠幫助俱樂部提前發現被低估的資產，它的價值聽起來非常巨大。

但SciSports并不滿足于只做球員數據庫。它開始開發更重的產品：BallJames。這套系統的目標，是通過計算機視覺將比賽視頻轉化為實時3D數據。SciSports曾將其形容為足球比賽的“球場MRI”，像掃描人體一樣，掃描整塊球場。2016年，荷蘭俱樂部Heracles Almelo成為最早安裝BallJames的職業俱樂部之一。

SciSports找到的這些痛點十分準確，以至于它后來被貼上了一個很有想象力的標簽：Next European Unicorn（下一個歐洲的獨角獸）。但它為什么沒有成功？

第一個問題是，客戶少，預算窄。

足球看起來是一個全球市場，但真正愿意為高級數據分析投入大量資金的客戶，主要是職業俱樂部、聯賽、足協和經紀公司。頂級俱樂部有錢，但數量有限；中小俱樂部數量很多，軟件預算卻非常有限。

一套系統或許能夠幫助球隊節省上千萬歐元的轉會費，但俱樂部未必愿意每年為軟件支付數百萬歐元。這正是體育科技最尷尬的地方：企業創造的是“決策價值”，但在付費時，客戶可能只把它當作“訂閱軟件”。

第二個問題是，AI給出的答案很難直接轉化為決策。

如果一個電商推薦系統判斷某位用戶可能會購買鞋子，平臺可以立刻向他推送廣告。但如果一套足球AI判斷某名邊鋒潛力很高，俱樂部卻不能立刻刷卡下單。

俱樂部還需要考慮教練是否喜歡這名球員、戰術是否適配，以及語言文化、傷病史、經紀人、合同、薪資結構、更衣室性格，甚至老板的個人偏好。因此，足球轉會是一個由數據、政治、人情和風險共同作用的復雜決策。

第三個問題是，底層數據太重。

BallJames非常先進，但如果一套系統需要在球場安裝設備、部署和標定攝像機，并承擔維護與數據清洗工作，它的擴張速度就很難像純SaaS一樣，實現指數級增長。

因此，后來的行業趨勢逐漸轉向另一條路徑：從現有轉播畫面、單機位視頻和戰術機位中直接提取追蹤數據，而不是將整座球場和整場比賽3D化。誰能以更低的成本將普通視頻轉化為結構化數據，誰就更容易實現規模化。這里，最終計算的依然是一筆經濟賬。換句話說，SciSports很早就看到了正確的方向，但早期的實現路徑可能過于沉重。

第四個問題是，俱樂部不想再購買一個孤立的工具。

足球俱樂部內部已經擁有視頻平臺、球探系統、體能系統、醫療系統、溝通工具和數據供應商。分析師最擔心的是，外部軟件無法順利嵌入內部工作流和數據體系。從這個角度看，傳統SaaS模式并不適合SciSports，而Palantir的模式同樣不適合，因為它的客戶沒有足夠的預算支持單獨部署。這也是Football Tech行業，后來出現大量并購的原因。

例如，StatsBomb一度是職業足球領域，頗具影響力的高級事件數據和模型公司。2024年，它被美國體育視頻平臺Hudl收購。Hudl的邏輯非常清楚：它原本就在做視頻分析和教練工作流，將StatsBomb的高級數據接入之后，就可以把“視頻、數據、球探和比賽分析”打包銷售給職業球隊。

再比如Second Spectrum，它曾是NBA、英超和MLS的官方數據追蹤與分析供應商之一，可以將比賽中的球員和足球轉化為機器可讀的數據，再服務于教練、分析師、媒體和轉播方。但在2021年，它被體育數據公司Genius Sports以約2億美元收購。

還有Sportlogiq，其主要市場是冰球。2026年，它被美國公司Teamworks收購。Teamworks將自己定位為“體育行業操作系統”，希望把球隊運營、運動員管理、表現分析和AI洞察整合在一個平臺中。Sportlogiq的收購價格沒有披露，第三方數據庫Dealroom曾給出約2000萬至3000萬美元企業價值的估算。

最后是前面重點提到的SciSports，2024年，它被荷蘭VANAD Group收購，交易價格沒有披露。按照早期融資數據，Wellfound顯示，SciSports在2017年融資后的估值約為1580萬美元。可以說，它早期“成為下一個歐洲科技獨角獸”的愿望，最終落空了。

足球市場巨大嗎？當然巨大，足球是全球第一運動，擁有數十億球迷。轉會市場昂貴嗎？當然昂貴，頭部俱樂部每年的投入都如同天文數字。AI有用嗎？確實有用，數據可以提高球探、分析和訓練的效率。

但這些因素疊加在一起，并不自動等于一家估值十億美元的軟件公司。因為足球作為“文化產業”非常龐大，作為“職業俱樂部軟件市場”，卻沒有想象中那么大，這是SciSports的故事中最重要的反轉。

因此，Football Tech很難只依靠一個數據模型、一套球探評分系統或一款視頻分析工具，支撐起一家超級獨角獸。但如果這些產品能夠被整合進一個大型平臺，成為“視頻、數據、球探、訓練和轉播”鏈條的一部分，它們依然具有商業價值。

至此，答案似乎已經出現：真正的問題并不是AI沒有用，而是足球俱樂部的軟件預算太窄、銷售周期太長、工作流太碎，導致單點產品很難獨立成長為行業巨頭。

雖然AI目前還無法提高球員成績和球隊整體水平，但如果將視野從足球比賽，擴大到世界杯這樣的體育賽事，就會發現其中的技術含量正在不斷提高，AI也在逐漸改變觀賽體驗。

最近葡萄牙對陣克羅地亞的淘汰賽，就是一個很好的例子。在7月3日舉行的美加墨世界杯1/16決賽中，視頻助理裁判（VAR）系統介入，發現克羅地亞球員越位，主裁判因此判定進球無效。這一判罰，幫助葡萄牙隊以2比1逆轉克羅地亞。

協助裁判完成最終裁決的，是比賽用球中搭載的一枚500Hz慣性測量單元，也就是IMU。它可以實時追蹤三維空間中的加速度和細微動作，從而捕捉到克羅地亞球員馬塔諾維奇的頭部，極其輕微地碰到了足球。在沒有IMU足球和VAR的時代，這樣的細節幾乎不可能被人類裁判捕捉。

在本屆世界杯決賽的前兩天，我們飛往邁阿密，走進了本屆世界杯的“大腦”。它藏在Coral Gables一條安靜的街道上，是一棟外部沒有任何標識的六層小樓，被稱為賽事總部。48支球隊、104場比賽、16座球場，再加上北美600多個站點，除了轉播之外的一切，都從這棟樓里進行調度。

負責共同搭建FIFA技術指揮中心與賽事運營中心的，是國際足聯歷史上首個官方技術合作伙伴：聯想。1.7萬臺設備和350名工程師，分布在16座球場、廣播中心和各支球隊的大本營。聯想還在騰訊新聞尋夢之夜上，向我們介紹了多項AI及其他技術的創新應用，其中就包括分析工具FIFA AI Pro。

以往的世界杯比賽結束后，FIFA經常向各支國家隊提供大量賽后數據。五六十頁的數據報告，加上大量攝像機畫面，會被一次性交給教練和分析師處理，工作量非常大。

FIFA AI Pro則為分析師提供了一個生成式AI平臺，使用者只需要通過自然語言就可以操作，例如詢問“C羅在這場比賽中最活躍的位置”。FIFA AI Pro還可以輔助生成交互式圖表和視頻，用戶甚至能夠解鎖比賽的3D視角，從球員的角度觀察賽場情況。

本屆世界杯在數據采集上投入了大量資源，16個比賽場地，每個場地安裝16臺光學追蹤攝像機，每秒掃描29個點、采集50次；再加上足球中每秒采集500次數據的傳感器，一場比賽可以積累超過1.5億個追蹤數據點。 相比之下，上屆世界杯的這套系統只采集了60萬個數據點，本屆直接增加了數百倍。如此龐大的數據量，主要用于三件事：

第一，越位判定更加準確。

現在，只要球員越位超過10厘米，且系統對判定有足夠把握，助理裁判的耳麥中就會直接響起音頻提示，裁判可以當場舉旗。為了提高判罰準確度，本屆世界杯的1248名球員都在賽前完成了全身3D掃描，相當于每個人都擁有一個虛擬分身，并被輸入越位判罰系統，作為判罰依據。

第二，解決“足球是否出界、是否過線”這類長期存在爭議的判罰。

還記得上屆世界杯，日本對陣西班牙的那次判罰嗎？三笘薫在底線附近將球救回，肉眼看起來足球似乎已經出界，但VAR經過兩分鐘的判斷，認定足球仍有極小的一部分壓在線上，進球有效，德國也因此被淘汰。

對于這種毫米級的關鍵判罰，現在可以通過整場比賽的實時3D重建，再配合足球中的傳感器鎖定精確軌跡，VAR不再需要依靠幾張模糊截圖進行判斷。越位干擾也是如此，球員究竟有沒有擋住門將的視線，通過3D視角就可以看得一目了然。

第三，為轉播機構和觀眾提供新的觀賽方式。

觀眾可以在轉播畫面中看到球員的3D分身，部分轉播合作伙伴還可以利用這些數據，將精彩鏡頭甚至整場比賽制作成3D版本，重新呈現給觀眾。

此前，裁判隨身佩戴的攝像機抖動非常嚴重，無法用于賽事轉播。今年，聯想對裁判跑動時拍攝的畫面，進行了穩定處理。測試顯示，畫面抖動減少了50%至70%，并通過“邊緣計算、混合AI與多個針對性小模型”的架構，滿足實時轉播對低延遲的要求。

本屆世界杯還有一些有趣的技術應用，為了打擊世界杯期間的犯罪活動，墨西哥花費14.5萬美元購買了一批機器狗，協助警方對沖突現場進行初步干預，從而保護警察的人身安全。

當我們討論AI改變足球時，AI究竟改變了足球比賽本身，還是改變了整套幕后運營體系？世界杯期間，連續工作50天的聯想FIFA項目DWS負責人Myles Spittle，在FIFA中心接受硅谷101采訪時這樣回答：

Myles Spittle 聯想 FIFA 項目 DWS 負責人 以半自動越位為例，它是在幫助裁判、消除人為失誤，這有好有壞：作為一個足球純粹主義者，我覺得人為失誤有時反而給比賽增添了戲劇性；但當賭注如此之高、邊際如此之小時，你需要 100% 的準確——能不能檢測到頭發碰了球，可能就是進球與否、勝負之間的差別。 我也看到它在幕后影響著比賽：讓運營運轉得更順暢，讓球隊更高效，降低賽事期間出岔子的風險。

因此，不得不說，世界杯正在變得更加技術化，也更加AI化。但這些嘗試仍然處于非常早期的階段。目前，技術的主要用途依然集中在判罰、比賽數據采集和觀賽體驗上。真正讓AI提高人類的足球成績，甚至指導人類踢球，仍然為時尚早。

米盧告訴我們，未來一切皆有可能，機器人甚至可能取代人類踢球，未來也可能出現機器人世界杯或AI世界杯。

但足球對于人類而言是特別的，也是珍貴的。這里是人類創造奇跡的地方，也是充滿驚喜、信念與淚水的地方。當人類面對AI“節節敗退”時，足球也許會成為人類“最后的堡壘”，也讓我們在陷入AI狂熱時，重新思考AI的邊界究竟在哪里。

是的，你怎么能不愛足球？

我們很高興在墨西哥的一場活動中見到了米盧，人們依然感激這位傳奇教練，在24年前為中國球迷帶來的驚喜。也希望這樣的驚喜，能夠再次到來。

注：部分圖片來源于網絡

【本期節目不構成任何投資建議】