文 | 硅谷101
美加墨世界杯历经39天激战，终告落幕。西班牙队时隔16年，再次将大力神杯收入囊中。
在赛场之外，我们偶遇了那位曾率中国男足闯入世界杯的传奇教头米卢。谈及足球的英文表达，他当即纠正了我们：“Not soccer. Football.”
随后，面对机器人和AI浪潮，米卢的态度鲜明：“I prefer men, not robots.”（“比起机器人，我更喜欢看真人。”）
本届赛事部分场次在硅谷举行，科技圈大佬们纷纷现身。在崇尚“AI改变一切”的硅谷，这套信念在面对足球时，似乎遭遇了现实的重击。
过去几年，资本与初创公司重金押注，试图用AI颠覆传统足球，但结果远未如预期般乐观。
本文将深入探讨顶级俱乐部如何利用AI重构足球生态，梳理其尝试路径及成败案例；剖析Football Tech这一垂直赛道如何拥抱产业投资并自我修正；以及AI正如何潜移默化地重塑我们参与足球和观看世界杯的方式。
当然，还有一个终极拷问：鉴于中国AI发展的迅猛势头，它能否助力中国男足挺进下一届世界杯？
首先需界定何为“足球AI”。若将其定义为能提升胜率、充当“AI教练”以助球队夺冠的工具，目前尚无证据表明AI在此领域发挥了实质作用。
即便缩小范围，考察AI能否辅助俱乐部引进更优球员或提高角球转化率，结论恐怕依旧悲观。
尽管前景不明，部分俱乐部仍进行了大胆试水。例如，“红军”利物浦携手谷歌DeepMind，开发了名为“TacticAI”的定位球系统。该系统被誉为“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。通过分析年轻球员的技术动作数据，协助青训部门挖掘潜力新星。
西甲塞维利亚曾联合IBM推出Scout Advisor。该系统底层依托IBM watsonx，后期也接入了Meta的Llama模型。它能解析球探报告中的自然语言描述，如“擅长任意球”，从而帮助球探从海量文档中快速锁定目标。
在上述案例中，利物浦与DeepMind的合作最具代表性。我们以此次合作为例，检验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共计7176个角球数据进行训练与评估。理论上，该模型可预测首位触球者、角球转化为射门的概率，并能建议球员的跑位与站位策略。
豪门俱乐部联手顶尖AI公司，且成果登上《Nature》，听起来极具说服力。但实际效果如何？利物浦的角球得分率是否显著提升？
经查阅主流科技与体育媒体，未发现相关成效报道。于是，我们自行进行了一组数据统计。
调用StatBunker过去六个赛季利物浦的角球进球数，结合StatMuse同期的角球获得数量，计算出各赛季的角球进球率：
数据显示，除2021至2022赛季外，其余赛季的角球进球率波动不大，基本维持在3%左右。DeepMind与利物浦均未公开该AI系统的具体启用时间。鉴于《Nature》论文发表于2024年3月，2021至2022赛季期间，该系统大概率尚未投入使用。
换言之，截至当前，与DeepMind合作的模型并未为利物浦的角球表现提供数据支持的改善。此前，我们就此选题进行过内部讨论，并向Google DeepMind发出访谈邀请，但未获回应。
顺着这一疑问深入追问：为何AI在其他领域高歌猛进，却在足球界迟迟未能出现一款能颠覆竞技成绩的AI产品？
通过与业内人士交流，一个可能的解释是：足球是所有运动中偶然性最高、变量最复杂的项目之一。这使得单一因素对比赛结果的影响极难被量化验证。
一场比赛的结果受控于无数变量，甚至难以完全统计。天气状况、裁判判罚、场地条件、球员状态、现场氛围、队友间的协作默契，乃至球员的心理波动，皆可能左右战局。此外，还存在假球等不可控的人为因素。
这些复杂变量往往相互交织。例如，现场氛围影响球员状态，而裁判判罚又反过来扰动现场情绪。同时，部分变量随时间动态变化。一名球员成名前或许极度自律，成为亿万富翁后却可能逐渐松懈。
变量权重亦会改变，且难以预测。以自律为例，年轻时不自律可能对表现影响甚微，但随着年龄增长，可能导致状态断崖式下滑。当然也有反例：大罗虽体重超标，却仍是世界顶级球员。
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；即便球队成绩提升，也难以证明这是AI之功，而非其他因素共同作用的结果。
足球中大量变量无法量化，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，不懂球员间的“化学反应”，更难以共情“为国家荣誉而战”的信念。此类难以量化的变量无穷无尽：强队底蕴、求胜欲望、更衣室氛围、裁判尺度松紧等，皆可列入清单。
以本届世界杯最大黑马佛得角为例。这个仅几十万人口的岛国，球员多效力于低级别联赛，全队总身价不及梅西一人。AI又如何预测这样一支球队能连续逼平西班牙和乌拉圭，甚至将阿根廷逼入绝境？
一份符合IPSO（国际职业球探组织）标准的球探报告，除速度、耐力、弹跳等量化指标外，还需评估位置感、领导力、决策力及比赛态度等软性素质。著名教练穆里尼奥便要求球探评估球员性格，包括自律程度、暴富后的行为倾向等维度。
足球中的因果关系常呈非线性。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名超级巨星的球队未必能夺魁，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处理的难点。除技术局限外，数据匮乏也是AI在足球领域受限的另一主因。
足球由人踢，球员的身体与竞技数据分散在全球数千家俱乐部。足球行业从未形成类似BooksCorpus或WebText的大型文本数据集。
球员公开的身高、体重等基础数据，仅够制作球星卡。而与竞技表现紧密相关的身体数据则截然不同。例如，某份未公开的球员报告可能包含以下数据：
这些数据需通过动作捕捉、测力台和肌电图同步采集。即便AI公司采用多角度摄像机配合姿态模拟算法，也难以达到实验室级别的精度。换言之，这些数据几乎不可能通过公开渠道获取。
再看早期AI聚焦的伤病预测模型。俱乐部掌握的私有数据还包括：
这些数据分散于全球数千家俱乐部，无任何单一组织或商业公司能完整获取。同时，单家俱乐部的数据样本量又显不足。据此，我们可以总结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。在商业层面，曾令资本寄予厚望的Football Tech，也经历了一轮自我修正周期。
在AI公司估值飙升、沾上AI概念股价即涨的今天，AI足球技术领域却未见独角兽诞生。以曾经的明星初创公司SciSports为例，透视其背后的产业困境。
2013年，荷兰恩斯赫德市一间学生公寓内，三位年轻人萌生了一个极具“硅谷范儿”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？
由此，他们开发了SciSports——一套足球数据智能系统，旨在帮助职业俱乐部评估球员价值、预测潜力，甚至解读比赛。当时，这一故事精准踩中了足球、AI、机器学习、计算机视觉、转会市场、全球化数据库及职业俱乐部客户等所有热门关键词。
试想，若能提前一年发掘下一个哈兰德、贝林厄姆或姆巴佩，俱乐部或将节省数千万欧元。若软件能介入转会决策，其估值理应达到十亿美元级别。
然而十余年过去，SciSports既未上市，也未成为全球知名的足球AI独角兽。2024年，它被荷兰VANAD Group收购。这样一个看似正确的创业方向，为何最终未能成为足球界的Palantir？
回顾SciSports的产品线，早期核心业务为数据化球探。它将球员比赛数据、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，构建全球可比球员评分体系，即SciSkill Index。
这一切入点颇为精明。转会是足球领域成本最高、失误代价最大的决策之一。买错一名球员，俱乐部可能损失数百万乃至数千万欧元。若数据系统能帮助俱乐部提前发现被低估资产，其价值不言而喻。
但SciSports不满足于仅做球员数据库，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化为实时3D数据。SciSports曾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，荷兰俱乐部Heracles Almelo成为首批安装BallJames的职业俱乐部之一。
SciSports找准了痛点，甚至被打上“Next European Unicorn（下一个欧洲独角兽）”的标签。但它为何失败？
首要问题是客户少、预算窄。
足球看似全球市场，但愿意为高级数据分析投入巨资的客户，主要限于职业俱乐部、联赛、足协和经纪公司。顶级俱乐部资金雄厚，但数量有限；中小俱乐部众多，软件预算却捉襟见肘。
一套系统或许能帮球队节省上千万欧元转会费，但俱乐部未必愿意每年支付数百万欧元购买软件。这正是体育科技的尴尬之处：企业创造的是“决策价值”，但在付费环节，客户往往只视其为“订阅服务”。
其次是AI输出难以直接转化为决策。
电商推荐系统判断用户可能买鞋，平台可立即推送广告。但若足球AI判定某边锋潜力巨大，俱乐部无法即刻刷卡下单。
俱乐部还需考量教练偏好、战术适配度、语言文化差异、伤病史、经纪人立场、合同条款、薪资结构、更衣室性格，乃至老板个人喜好。足球转会是一个融合数据、政治、人情与风险的复杂决策过程。
再者，底层数据过重。
BallJames技术先进，但若系统需在球场安装设备、部署标定摄像机，并承担维护与数据清洗工作，其扩张速度便难以像纯SaaS那样实现指数级增长。
因此，行业趋势逐渐转向另一条路径：直接从现有转播画面、单机位视频和战术机位中提取追踪数据，而非将整座球场和整场比赛3D化。谁能以更低成本将普通视频转化为结构化数据，谁更易实现规模化。归根结底，这仍是一笔经济账。SciSports虽早看清方向，但早期实现路径过于沉重。
最后是俱乐部不愿再购置孤立工具。
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。分析师最担忧外部软件无法嵌入内部工作流和数据体系。从这个角度看，传统SaaS模式不适合SciSports，Palantir模式同样不适用，因为其客户缺乏足够预算支持单独部署。这也解释了Football Tech行业并购频发的原因。
例如，StatsBomb曾是职业足球领域颇具影响力的高级事件数据和模型提供商。2024年，它被美国体育视频平台Hudl收购。Hudl逻辑清晰：其原本从事视频分析和教练工作流，接入StatsBomb高级数据后，即可向职业球队打包销售“视频、数据、球探和比赛分析”服务。
又如Second Spectrum，曾是NBA、英超和MLS的官方数据追踪与分析供应商，能将比赛中球员和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，它被体育数据公司Genius Sports以约2亿美元收购。
还有主打冰球市场的Sportlogiq。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、表现分析和AI洞察于一平台。Sportlogiq收购价未披露，第三方数据库Dealroom估算其企业价值约为2000万至3000万美元。
最后是前述重点提及的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，最终落空。
足球市场庞大吗？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。头部俱乐部年投入堪称天文数字。AI有用吗？绝对有用。数据能提升球探、分析和训练效率。
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。因为足球作为“文化产业”极其庞大，但作为“职业俱乐部软件市场”，规模却远非想象中巨大。这是SciSports故事中最重要的反转。
因此，Football Tech难以仅凭一个数据模型、一套球探评分系统或一款视频分析工具，支撑起超级独角兽。但若这些产品能整合进大型平台，成为“视频、数据、球探、训练和转播”链条的一环，依然具备商业价值。
至此，答案渐显：核心问题并非AI无用，而是足球俱乐部软件预算有限、销售周期漫长、工作流碎片化，导致单点产品难独立成长为行业巨头。
虽然AI尚无法提升球员成绩和球队整体水平，但若将视野从足球比赛扩展至世界杯等体育赛事，会发现技术含量日益提升，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例证。7月3日的美加墨世界杯1/16决赛中，视频助理裁判（VAR）系统介入，判定克罗地亚球员越位，主裁随即宣布进球无效。此判罚帮助葡萄牙队以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及细微动作，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。在无IMU足球和VAR的时代，人类裁判几乎不可能察觉此类细节。
决赛前两天，我们飞往迈阿密，探访本届世界杯的“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，以及北美600多个站点，除转播外的所有调度均源于此。
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。1.7万台设备和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展示了多项AI及其他技术创新，其中包括分析工具FIFA AI Pro。
以往世界杯结束后，FIFA常向各国国家队提供大量赛后数据。五六十页的数据报告连同海量摄像机画面一次性交付教练和分析师，工作量巨大。
FIFA AI Pro则为分析师提供了生成式AI平台。使用者只需通过自然语言操作，如询问“C罗在这场比赛中最活跃的位置”。该系统还能辅助生成交互式图表和视频，用户甚至可解锁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；加上足球中每秒采集500次数据的传感器，单场比赛可积累超1.5亿个追踪数据点。相比之下，上届世界杯系统仅采集60万个数据点，本届增幅达数百倍。如此庞大的数据量主要用于三件事：
第一，越位判定更精准。
如今，只要球员越位超过10厘米且系统置信度足够，助理裁判耳麦中便会响起音频提示，裁判可当场举旗。为提高准确度，本届世界杯1248名球员赛前均完成了全身3D扫描，相当于每人拥有一个虚拟分身，并被录入越位判罚系统作为依据。
第二，解决“足球是否出界、是否过线”等长期争议判罚。
回想上届世界杯日本对阵西班牙之战。三笘薫在底线附近救球，肉眼看似球已出界，但VAR经两分钟研判，认定球仍有极小部分压在线上，进球有效，德国队也因此被淘汰。
对此类毫米级关键判罚，现可通过整场比赛实时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。越位干扰判定亦然，通过3D视角可一目了然判断球员是否遮挡门将视线。
第三，为转播机构和观众提供新观赛方式。
观众可在转播画面中看到球员3D分身。部分转播合作伙伴可利用这些数据，将精彩镜头乃至整场比赛制作成3D版本重新呈现。
此前，裁判随身佩戴摄像机抖动严重，无法用于转播。今年，联想对裁判跑动拍摄画面进行了稳定处理。测试显示，画面抖动减少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要求。
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14.5万美元采购一批机器狗，协助警方初步干预冲突现场，以保护警察安全。
当讨论AI改变足球时，究竟改变的是比赛本身，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访谈时回应：
Myles Spittle
联想 FIFA 项目 DWS 负责人
以半自动越位为例，它旨在辅助裁判、消除人为失误，利弊共存。作为足球纯粹主义者，我认为人为失误有时反而增添戏剧性；但当赌注极高、边际极小时，你需要100%的准确——能否检测到头发碰球，可能就是进球与否、胜负之间的差别。
我也看到它在幕后影响比赛：让运营更顺畅，让球队更高效，降低赛事期间出错风险。
因此，不得不承认，世界杯正变得愈发技术化和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、比赛数据采集和观赛体验。真正利用AI提升人类足球成绩，甚至指导踢球，尚为时过早。
米卢告诉我们，未来一切皆有可能。机器人或许取代人类踢球，未来也可能出现机器人世界杯或AI世界杯。
但对人类而言，足球是特别且珍贵的。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”时，足球或许将成为人类“最后的堡垒”，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