文 | 硅谷101
美加墨世界杯的赛程历时39天，终告结束。西班牙队登顶夺冠，距离他们上一次捧起大力神杯，已过去了16年。
此前见到那位曾率领中国男足闯入世界杯的传奇教练米卢时，他先纠正了我们对足球英文称呼的习惯：
"Not soccer. Football."
接着，他对机器人和AI介入这项运动表达了态度：
"I prefer men, not robots."（“比起机器人，我更喜欢看真人。”）
本届世界杯部分场次在硅谷举行，科技圈大佬纷纷现身现场。在硅谷，人们笃信AI能改变一切，但面对足球，这套信念似乎碰了壁。
近年来，不少初创公司和资本重金投入，试图用AI颠覆足球，结果却未达预期。
本文旨在探讨顶级俱乐部如何利用AI改造足球，梳理其尝试、成败案例；分析Football Tech这一垂直赛道如何拥抱产业投资并自我修正；以及AI正如何悄然改变我们参与足球和观看世界杯的方式。
当然，还有一个终极问题：中国AI发展迅猛，能否助中国男足挺进下一届世界杯？
我们先界定“足球AI”。若你期待的AI是能提升胜率、化身“AI教练”助球队夺冠，目前尚无证据表明其在此方面奏效。
即便缩小范围，例如AI能否帮俱乐部签下更优球员或提高角球进球率，结论或许依旧相同。
如今，已有俱乐部展开大胆尝试。利物浦与谷歌DeepMind合作，开发了名为“TacticAI”的定位球系统。该系统被媒体誉为“足球AI的里程碑”，DeepMind为此在《Nature》发表论文。
切尔西则与AiSCOUT公司合作，将AI引入青训体系。AI通过分析年轻球员的技术动作，协助青训部门发掘人才。
西甲塞维利亚曾与IBM合作推出Scout Advisor。该系统基于IBM watsonx，后亦采用Meta的Llama。它能解析球探报告中的自然语言（如“擅长任意球”），帮助球探从海量报告中快速筛选合适人选。
在众多尝试中，利物浦与DeepMind的合作最为瞩目。我们以为例，审视AI是否真能带来预期的竞技水平跃升。据《Nature》论文，DeepMind利用利物浦三个赛季的7176个角球数据进行训练评估。模型理论上可预测首触球球员、角球形成射门的可能性，并建议跑位与站位。
豪门俱乐部联手顶尖AI公司并在顶刊发文，组合颇具说服力。但实际效果如何？利物浦角球进球率是否提升？查阅主流科技与体育媒体报道，未见相关结论。于是，我们自行统计。
通过AI从StatBunker获取过去六季利物浦角球进球数，从StatMuse获取同期角球数量，计算各季角球进球率：
数据显示，除2021至2022赛季外，其他赛季角球进球率无显著变化，基本维持在3%左右。DeepMind与利物浦均未披露该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合作的模型未对利物浦角球表现产生有数据支撑的改善。我们曾就选题进行内部讨论并向Google DeepMind发出访谈邀请，但未获回复。
顺着疑问深入：为何AI在其他领域高歌猛进，足球界却始终未出现能颠覆竞技成绩的AI产品？
与业内人士交流后，一种可能的解释是：足球是所有运动中偶然性最高、变量最多的项目之一。这使得单一因素对比赛结果的影响难以量化验证。
比赛结果受过多变量影响，多到无法完整统计。天气、裁判、场地、球员状态、现场氛围、球员间协作甚至心理状态，皆可能决定胜负。当然，还有假球等阴谋论因素。
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。球员成名前或极自律，成为亿万富翁后可能松懈。
变量权重亦会变化且难预测。以不自律为例，年轻时或不影响表现，年长后或致状态下滑。但也有反例：同样体重超标，大罗仍是世界顶级球员。
由此形成悖论：AI无法控制变量，导致模型提升缓慢；即使成绩提高，也难证明是AI之功而非其他因素共同作用。
足球中许多变量无法量化，更难计算其对比赛结果的影响权重。AI或许不懂何为“阅读比赛能力”、“化学反应”或“为国而战”。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。这个仅几十万人口的岛国，球员多效力于低级别联赛，全队身价不及梅西。AI如何预测这支球队能连续逼平西班牙和乌拉圭，几乎将阿根廷逼入绝境？
符合IPSO（国际职业球探组织）标准的球探报告，除速度、耐力、弹跳等量化指标外，还需考察位置感、领导力、决策力和比赛态度等难量化因素。著名教练穆里尼奥要求球探评估球员性格，包括自律性及致富后的张扬程度。
足球因果关系常呈非线性。增加控球率未必提高胜率，反因对手反击而输球。11名超级巨星组队未必夺冠，反可能因更衣室矛盾导致成绩不如平民球队。
这种非线性关系正是AI最难处理的类型。此外，AI在足球领域效果有限的重要原因在于数据。
足球由人踢，球员竞技与身体数据分散于全球数千家俱乐部。足球行业从未形成类似BooksCorpus和WebText的大型文本数据集。
球员公开的身体数据（如身高、体重）仅够制作球星卡。真正关联竞技表现的数据截然不同。例如，俱乐部不公开的球员报告可能包含以下数据：
相关数据需通过动作捕捉、测力台和肌电图同步采集。即使AI公司使用多角度摄像机与AI姿态模拟，也难达实验室精度。这意味着这些数据几乎不可能由AI公司通过公开渠道获得。
再以早期聚焦的伤病预测模型为例。俱乐部掌握的私有数据还包括以下内容：
这些数据分散于数千家俱乐部，无任何组织或商业公司能完整获取。同时，单家俱乐部数据样本量不足。据此，可总结AI在足球领域失效的几个原因：
因此，AI想在足球领域复刻“ChatGPT时刻”或“Claude Code时刻”极为困难。商业层面，曾令资本期待的Football Tech，也经历了一轮自我修正周期。
在全球AI估值飙升、沾上AI概念股价即涨的今天，AI足球技术领域始终未诞生独角兽。我们以曾经的Football Tech明星初创公司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”色彩的想法：若《Football Manager》能在游戏中预测球员潜力，现实中为何不行？
于是，他们开发了一套足球数据智能系统，助职业俱乐部判断球员价值、预测潜力乃至理解比赛，这家公司即SciSports。当时，这个故事踩中了所有热门关键词：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。
试想，若能提前一年发现下一个哈兰德、贝林厄姆或姆巴佩，即可帮俱乐部节省数千万欧元。若软件能参与转会决策，它是否应成为估值十亿美元的公司？
但十多年过去，SciSports未上市，也未成为全球知名足球AI独角兽。2024年，它被荷兰VANAD Group收购。为何这样一个看似正确的创业方向，最终未变成足球界的Palantir？
先看SciSports产品。早期主打数据化球探业务。它将球员比赛数据、联赛强度、出场时间、位置、球队表现、年龄和成长曲线输入模型，构建全球球员评分系统SciSkill Index。
此切入点甚为聪明。转会是足球领域最昂贵且易错的决策之一。买错球员，俱乐部可能损失数百万甚至数千万欧元。若数据系统能帮俱乐部提前发现被低估资产，其价值巨大。
但SciSports不满足于只做球员数据库。它开始开发更重产品：BallJames。该系统目标是通过计算机视觉将比赛视频转化为实时3D数据。SciSports将其形容为足球比赛的“球场MRI”，如扫描人体般扫描整块球场。2016年，荷兰俱乐部Heracles Almelo成为最早安装BallJames的职业俱乐部之一。
SciSports精准命中痛点，以至于后来被贴上“Next European Unicorn（下一个欧洲独角兽）”标签。但它为何未能成功？
首要问题是客户少，预算窄。
足球看似全球市场，但愿为高级数据分析投入巨资的客户主要是职业俱乐部、联赛、足协和经纪公司。顶级俱乐部有钱但数量有限；中小俱乐部众多，软件预算却极有限。
一套系统或助球队节省上千万欧元转会费，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：企业创造的是“决策价值”，但付费时，客户往往只视作“订阅软件”。
第二个问题是，AI给出的答案难直接转化为决策。
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判断某边锋潜力高，俱乐部却无法立刻刷卡下单。
俱乐部还需考量教练喜好、战术适配度，以及语言文化、伤病史、经纪人、合同、薪资结构、更衣室性格甚至老板偏好。因此，足球转会是数据、政治、人情和风险共同作用的复杂决策。
第三个问题是底层数据太重。
BallJames虽先进，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，其扩张速度难像纯SaaS般实现指数级增长。
因此，行业趋势逐渐转向另一路径：从现有转播画面、单机位视频和战术机位中直接提取追踪数据，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，谁更易规模化。这里计算的终究是一笔经济账。换言之，SciSports早见正确方向，但早期实现路径可能过于沉重。
第四个问题是，俱乐部不愿再购买孤立工具。
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、沟通工具和数据供应商。分析师最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模式亦不适合，因其客户无足够预算支持单独部署。这也是Football Tech行业后来出现大量并购的原因。
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公司。2024年，它被美国体育视频平台Hudl收购。Hudl逻辑清晰：原本就做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”。
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，可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、媒体和转播方。但在2021年，它被体育数据公司Genius Sports以约2亿美元收购。
还有Sportlogiq，其主要市场是冰球。2026年，它被美国公司Teamworks收购。Teamworks自定位为“体育行业操作系统”，希望整合球队运营、运动员管理、表现分析和AI洞察于一个平台。Sportlogiq收购价未披露，第三方数据库Dealroom曾估算其企业价值约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，交易价格未披露。按早期融资数据，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。
足球市场巨大吗？当然，作为全球第一运动，拥有数十亿球迷。转会市场昂贵吗？当然，头部俱乐部年投入如天文数字。AI有用吗？确实有用，数据能提高球探、分析和训练效率。
但这些因素叠加，并不自动等于一家估值十亿美元的软件公司。因为足球作为“文化产业”庞大，作为“职业俱乐部软件市场”，却没想象中那么大。这是SciSports故事中最重要的反转。
因此，Football Tech很难仅靠一个数据模型、一套球探评分系统或一款视频分析工具，支撑起一家超级独角兽。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”链条一部分，仍具商业价值。
至此，答案渐显：真正问题并非AI无用，而是足球俱乐部软件预算太窄、销售周期太长、工作流太碎，导致单点产品难独立成长为行业巨头。
虽AI目前尚无法提高球员成绩和球队整体水平，但若将视野从足球比赛扩大到世界杯等体育赛事，会发现技术含量不断提高，AI也在逐渐改变观赛体验。
最近葡萄牙对阵克罗地亚的淘汰赛即为佳例。在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）系统介入，发现克罗地亚球员越位，主裁判定进球无效。此判罚助葡萄牙队以2比1逆转克罗地亚。
协助裁判完成最终裁决的，是比赛用球搭载的一枚500Hz惯性测量单元（IMU）。它可实时追踪三维空间加速度和细微动作，捕捉到克罗地亚球员马塔诺维奇头部极其轻微碰到足球的瞬间。在无IMU足球和VAR时代，人类裁判几乎不可能捕捉此细节。
在本届世界杯决赛前两天，我们飞往迈阿密，走进本届世界杯的“大脑”。它藏身Coral Gables一条安静街道，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，除转播外的一切调度均源自此楼。
负责共同搭建FIFA技术指挥中心与赛事运营中心的，是国际足联历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，分布在16座球场、广播中心和各支球队大本营。联想还在腾讯新闻寻梦之夜上，向我们介绍了多项AI及其他技术创新应用，其中包括分析工具FIFA AI Pro。
以往世界杯赛后，FIFA常向各国家队提供大量赛后数据。五六十页数据报告加大量摄像机画面，一次性交给教练和分析师处理，工作量巨大。
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，例如询问“C罗在这场比赛中最活跃的位置”。FIFA AI Pro还可辅助生成交互式图表和视频，用户甚至能解锁比赛3D视角，从球员角度观察赛场。
本届世界杯在数据采集上投入巨大资源。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；加之足球中每秒采集500次数据的传感器，一场比赛可积累超过1.5亿个追踪数据点。相比之下，上届世界杯这套系统仅采集60万个数据点，本届直接增加了数百倍。如此庞大数据量，主要用于三件事：
第一，越位判定更准确。
现只要球员越位超10厘米，且系统判定把握足够，助理裁判耳麦中即响起音频提示，裁判可当场举旗。为提高判罚准确度，本届世界杯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，并输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。
还记得上届世界杯日本对阵西班牙那次判罚吗？三笘薫在底线附近救回足球，肉眼看似已出界，但VAR经两分钟判断，认定足球仍有极小部分压在线上，进球有效，德国也因此被淘汰。
对此类毫米级关键判罚，现在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不再依赖模糊截图判断。越位干扰亦然，球员是否挡住门将视线，通过3D视角一目了然。
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，将精彩镜头甚至整场比赛制作成3D版本重新呈现给观众。
此前，裁判随身佩戴摄像机抖动严重，无法用于赛事转播。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，满足实时转播对低延迟的要求。
本届世界杯还有一些有趣技术应用。为打击世界杯期间犯罪活动，墨西哥花费14.5万美元购买了一批机器狗，协助警方对冲突现场初步干预，从而保护警察人身安全。
当我们讨论AI改变足球时，AI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访谈时这样回答：
Myles Spittle
联想 FIFA 项目 DWS 负责人
以半自动越位为例，它是在帮助裁判、消除人为失误，这有好有坏：作为一个足球纯粹主义者，我觉得人为失误有时反而给比赛增添了戏剧性；但当赌注如此之高、边际如此之小时，你需要 100% 的准确——能不能检测到头发碰了球，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着比赛：让运营运转得更顺畅，让球队更高效，降低赛事期间出岔子的风险。
因此，世界杯正变得更加技术化，也更加AI化。但这些尝试仍处于非常早期阶段。目前，技术主要用途仍集中在判罚、比赛数据采集和观赛体验上。真正让AI提高人类足球成绩甚至指导人类踢球，仍为时尚早。
米卢告诉我们，未来一切皆有可能，机器人甚至可能取代人类踢球，未来也可能出现机器人世界杯或AI世界杯。
但足球对人类而言是特别且珍贵的。这里是人类创造奇迹之地，也是充满惊喜、信念与泪水之所。当人类面对AI“节节败退”时，足球也许会成为人类“最后的堡垒”，让我们在陷入AI狂热时，重新思考AI边界究竟在哪里。
是的，你怎么能不爱足球？
我们
