文 | 硅谷101
39天的赛程终于结束，美加墨世界杯落下帷幕。西班牙队夺冠，时隔16年重新捧起大力神杯。
这次见到曾带队闯入世界杯的中国男足传奇教练米卢时，他先纠正了我们对足球英文的说法：
"Not soccer. Football."
接着，他提到机器人和AI不会取代足球这项运动：
"I prefer men, not robots."（“比起机器人，我更喜欢看真人。”）
这届世界杯有些比赛在硅谷举办，科技圈大佬们去现场看了球。在硅谷，人们相信AI能改变一切，但面对足球，这套逻辑似乎碰了壁。
过去几年，不少初创公司和资本砸钱想靠AI颠覆足球，结果没想象中那么乐观。
这篇文章，聊聊顶级俱乐部怎么用AI改造足球，做过哪些尝试，有哪些成败案例；Football Tech这个垂直赛道怎么拥抱产业投资、自我修正；以及AI正怎么悄悄改变我们参与足球和看世界杯的方式。
当然，还有个终极问题：中国AI发展这么快，能让中国男足进下一届世界杯吗？
先定义一下“足球AI”。如果你以为它是能提高胜率、当“AI教练”帮球队夺冠的东西，目前还没证据表明它真有用。
就算范围缩小点，比如AI能不能帮俱乐部签更好的球员，或者提高角球进球率，结论可能还是一样。
现在已有俱乐部做了大胆尝试。比如利物浦跟谷歌DeepMind合作，搞了个叫“TacticAI”的定位球系统。媒体说这是“足球AI的里程碑”，DeepMind还在《Nature》发了论文。
切尔西跟AiSCOUT公司合作，把AI用在青训里。AI分析年轻球员的技术动作，帮青训部门挑好苗子。
西甲塞维利亚曾跟IBM合作推出Scout Advisor。这系统基于IBM watsonx，后来也用了Meta的Llama。它能读懂球探报告里的自然语言，像“擅长任意球”，帮球探从大量报告里快速找人。
这些尝试里，利物浦和DeepMind的合作最出名。我们就拿它举例，看看AI能不能带来大家想象的竞技水平提升。据《Nature》论文，DeepMind用利物浦三个赛季的7176个角球做训练和评估。模型练好后，理论上能预测谁更可能第一个触球、角球能不能形成射门，还能建议球员怎么跑位。
豪门俱乐部加上顶尖AI公司，还在顶刊发论文，听着挺靠谱。但实际效果咋样？利物浦角球进球率真提高了吗？查了主流科技和体育媒体报道，没找到结论。于是我们自己统计了一下。
我们让AI从StatBunker调取了过去六个赛季利物浦的角球进球数，又从StatMuse调取了同期利物浦获得的角球数量，算出每个赛季的角球进球率：
数据看，除了2021到2022赛季，其他赛季角球进球率没大变化，基本都在3%左右。DeepMind和利物浦都没说这AI系统具体啥时候开始用的。《Nature》论文是2024年3月发的，所以2021到2022赛季这系统大概率还没启用。
也就是说，到现在，跟DeepMind合作的模型，还没给利物浦角球表现带来有数据支撑的改善。之前我们内部讨论过这选题，给Google DeepMind发过访谈邀请，没收到回复。
顺着这疑问再问：为啥AI在其他领域一路狂飙，足球领域却始终没出一款能对竞技成绩产生颠覆性影响的AI产品？
跟业内人士聊完，一个可能的答案是：足球是所有体育运动中偶然性最高、变量最多的项目之一。这让任何单一因素对比赛结果的影响，都很难量化和验证。
一场比赛结果受太多变量影响，多到没法完整统计。天气、裁判、场地条件、球员状态、现场氛围、球员间关系与协作，甚至心理状态，都可能决定比赛结果。当然，还有阴谋论里的假球。
这些复杂变量还会互相影响。比如现场氛围影响球员状态，裁判判罚又反过来影响现场氛围。同时，一些变量会随时间变化，比如球员成名前很自律，成了亿万富翁后可能松懈。
变量权重也会变，且难预测。以不自律为例，年轻时这可能对球场表现影响不大，年龄大了却可能导致状态下滑。但也有反例：体重超标的大罗依然是世界顶级球员。
这就形成了悖论：AI控制不了变量，导致模型提升慢；即使俱乐部成绩提高了，也难证明是AI带来的，而非其他因素共同作用。
足球里很多变量无法量化，更难计算它们对比赛结果的影响权重。AI或许不懂什么叫“阅读比赛的能力”，什么叫球员间的“化学反应”，也很难理解什么叫“为了国家荣誉而战”。这种难以量化的变量列下去无穷无尽：强队底蕴、对胜利的渴望、更衣室氛围，以及裁判尺度的松紧等。
以本届世界杯最大黑马佛得角为例，这是个只有几十万人口的岛国，球员大多在低级别联赛，全队身价加起来还没梅西高。AI怎么预测这样一支球队会连续逼平西班牙和乌拉圭，甚至把阿根廷几乎逼上绝境？
一份符合IPSO（国际职业球探组织）标准的球探报告，不仅要包括速度、耐力、弹跳等可量化指标，还要考察位置感、领导力、决策力和比赛态度等难量化的因素。著名教练穆里尼奥就要求手下球探评估球员性格，包括是否自律、有钱之后是否张扬等维度。
足球里的因果关系往往是非线性的。增加控球率不一定能提高胜率，反而可能因对手防守反击而输球。让11名超级巨星组队，也不一定赢冠军，反而可能因更衣室不合，成绩还不如平民球队。
足球中的非线性关系，恰恰是AI最难处理的类型。除此之外，AI在足球领域效果有限，还有个重要原因：数据。
足球的数据是什么？足球是人踢的，球员的竞技和身体数据分散在全世界数千家俱乐部里。足球行业从未形成类似BooksCorpus和WebText这样的大型文本数据集。
球员公开的身体数据，像身高、体重等，最多只能用来做球星卡。真正跟竞技表现相关的身体数据则完全不同。例如一份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。即便AI公司用多角度摄像机与AI姿态模拟，也难达实验室精度。也就是说，这些数据几乎不可能由AI公司通过公开渠道获得。
再以AI公司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：
这些数据分散在数千家俱乐部中，没有任何一个组织或商业公司能完整获得。同时，每家俱乐部单独掌握的数据样本量又不够大。因此，我们可以总结出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”，非常困难。而在商业层面，一度让资本充满期待的Football Tech，也经历了一轮自我修正的周期。
在全球AI公司估值上涨、沾上AI概念股价就可能飙升的今天，AI足球技术领域始终没出现一家独角兽。我们以曾经的Football Tech明星初创SciSports为例，看看背后的困境。
2013年，在荷兰恩斯赫德市的一间学生公寓里，三个年轻人产生了一个听起来很“硅谷”的想法：如果《Football Manager》能在游戏里预测球员潜力，现实世界为啥不行？
于是他们决定开发一套足球数据智能系统，帮职业俱乐部判断球员价值、预测潜力，甚至理解比赛本身，这家公司就是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、全球化数据库和职业俱乐部客户。
想象一下，如果能提前一年发现下一个哈兰德、贝林厄姆或姆巴佩，就能帮俱乐部省数千万欧元。如果一款软件能参与转会决策，它是否该成为一家估值十亿美元的公司？
但十多年过去，SciSports没上市，也没成全球知名的足球AI独角兽。2024年，它被荷兰VANAD Group收购。为啥这样一个看起来无比正确的创业方向，最终没变成足球世界的Palantir？
先来看看SciSports的产品，早期它主要做的是数据化球探业务。它将球员的比赛数据、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，试图建立一个可以在全球范围内比较球员的评分系统，名为SciSkill Index。
这个切入点很聪明。转会是足球领域最昂贵、也最容易出错的决策之一。买错一名球员，俱乐部可能损失数百万甚至数千万欧元。但如果一套数据系统能帮助俱乐部提前发现被低估的资产，它的价值听起来非常大。
但SciSports不满足于只做球员数据库。它开始开发更重的产品：BallJames。这套系统的目标是通过计算机视觉将比赛视频转化为实时3D数据。SciSports曾将其形容为足球比赛的“球场MRI”，像扫描人体一样扫描整块球场。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找到的痛点十分准确，以至于它后来被贴上了一个很有想象力的标签：Next European Unicorn（下一个欧洲的独角兽）。但它为什么没成功？
第一个问题是，客户少，预算窄。
足球看似是全球市场，但真正愿意为高级数据分析投入大量资金的客户，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；中小俱乐部数量很多，软件预算却非常有限。
一套系统或许能帮球队节省上千万欧元的转会费，但俱乐部未必愿意每年为软件支付数百万欧元。这正是体育科技最尴尬的地方：企业创造的是“决策价值”，但在付费时，客户可能只把它当作“订阅软件”。
第二个问题是，AI给出的答案很难直接转化为决策。
如果一个电商推荐系统判断某位用户可能会购买鞋子，平台可以立刻向他推送广告。但如果一套足球AI判断某名边锋潜力很高，俱乐部却不能立刻刷卡下单。
俱乐部还需要考虑教练是否喜欢这名球员、战术是否适配，以及语言文化、伤病史、经纪人、合同、薪资结构、更衣室性格，甚至老板的个人偏好。因此，足球转会是一个由数据、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非常先进，但如果一套系统需要在球场安装设备、部署和标定摄像机，并承担维护与数据清洗工作，它的扩张速度就很难像纯SaaS一样实现指数级增长。
因此，后来的行业趋势逐渐转向另一条路径：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，而不是将整座球场和整场比赛3D化。谁能以更低的成本将普通视频转化为结构化数据，谁就更容易实现规模化。这里，最终计算的依然是一笔经济账。换句话说，SciSports很早就看到了正确的方向，但早期的实现路径可能过于沉重。
第四个问题是，俱乐部不想再购买一个孤立的工具。
足球俱乐部内部已经拥有视频平台、球探系统、体能系统、医疗系统、沟通工具和数据供应商。分析师最担心的是，外部软件无法顺利嵌入内部工作流和数据体系。从这个角度看，传统SaaS模式并不适合SciSports，而Palantir的模式同样不适合，因为它的客户没有足够的预算支持单独部署。这也是Football Tech行业后来出现大量并购的原因。
例如，StatsBomb一度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的逻辑非常清楚：它原本就在做视频分析和教练工作流，将StatsBomb的高级数据接入之后，就可以把“视频、数据、球探和比赛分析”打包销售给职业球队。
再比如Second Spectrum，它曾是NBA、英超和MLS的官方数据追踪与分析供应商之一，可以将比赛中的球员和足球转化为机器可读的数据，再服务于教练、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将自己定位为“体育行业操作系统”，希望把球队运营、运动员管理、表现分析和AI洞察整合在一个平台中。Sportlogiq的收购价格没有披露，第三方数据库Dealroom曾给出约2000万至3000万美元企业价值的估算。
最后是前面重点提到的SciSports，2024年，它被荷兰VANAD Group收购，交易价格没有披露。按照早期融资数据，Wellfound显示，SciSports在2017年融资后的估值约为1580万美元。可以说，它早期“成为下一个欧洲科技独角兽”的愿望，最终落空了。
足球市场巨大吗？当然巨大，足球是全球第一运动，拥有数十亿球迷。转会市场昂贵吗？当然昂贵，头部俱乐部每年的投入都如同天文数字。AI有用吗？确实有用，数据可以提高球探、分析和训练的效率。
但这些因素叠加在一起，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”非常庞大，作为“职业俱乐部软件市场”，却没有想象中那么大，这是SciSports的故事中最重要的反转。
因此，Football Tech很难只依靠一个数据模型、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。但如果这些产品能够被整合进一个大型平台，成为“视频、数据、球探、训练和转播”链条的一部分，它们依然具有商业价值。
至此，答案似乎已经出现：真正的问题并不是AI没有用，而是足球俱乐部的软件预算太窄、销售周期太长、工作流太碎，导致单点产品很难独立成长为行业巨头。
虽然AI目前还无法提高球员成绩和球队整体水平，但如果将视野从足球比赛扩大到世界杯这样的体育赛事，就会发现其中的技术含量正在不断提高，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，就是一个很好的例子。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，主裁判因此判定进球无效。这一判罚帮助葡萄牙队以2比1逆转克罗地亚。
协助裁判完成最终裁决的，是比赛用球中搭载的一枚500Hz惯性测量单元，也就是IMU。它可以实时追踪三维空间中的加速度和细微动作，从而捕捉到克罗地亚球员马塔诺维奇的头部极其轻微地碰到了足球。在没有IMU足球和VAR的时代，这样的细节几乎不可能被人类裁判捕捉。
在本届世界杯决赛的前两天，我们飞往迈阿密，走进了本届世界杯的“大脑”。它藏在Coral Gables一条安静的街道上，是一栋外部没有任何标识的六层小楼，被称为赛事总部。48支球队、104场比赛、16座球场，再加上北美600多个站点，除了转播之外的一切，都从这栋楼里进行调度。
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的大本营。联想还在腾讯新闻寻梦之夜上向我们介绍了多项AI及其他技术的创新应用，其中就包括分析工具FIFA AI Pro。
以往的世界杯比赛结束后，FIFA经常向各支国家队提供大量赛后数据。五六十页的数据报告加上大量摄像机画面会被一次性交给教练和分析师处理，工作量非常大。
FIFA AI Pro则为分析师提供了一个生成式AI平台，使用者只需要通过自然语言就可以操作，例如询问“C罗在这场比赛中最活跃的位置”。FIFA AI Pro还可以辅助生成交互式图表和视频，用户甚至能够解锁比赛的3D视角，从球员的角度观察赛场情况。
本届世界杯在数据采集上投入了大量资源，16个比赛场地，每个场地安装16台光学追踪摄像机，每秒扫描29个点、采集50次；再加上足球中每秒采集500次数据的传感器，一场比赛可以积累超过1.5亿个追踪数据点。相比之下，上届世界杯的这套系统只采集了60万个数据点，本届直接增加了数百倍。如此庞大的数据量主要用于三件事：
第一，越位判定更加准确。
现在只要球员越位超过10厘米且系统对判定有足够把握，助理裁判的耳麦中就会直接响起音频提示，裁判可以当场举旗。为了提高判罚准确度，本届世界杯的1248名球员都在赛前完成了全身3D扫描，相当于每个人都拥有一个虚拟分身，并被输入越位判罚系统作为判罚依据。
第二，解决“足球是否出界、是否过线”这类长期存在争议的判罚。
还记得上届世界杯日本对阵西班牙的那次判罚吗？三笘薫在底线附近将球救回，肉眼看起来足球似乎已经出界，但VAR经过两分钟的判断认定足球仍有极小的一部分压在线上，进球有效，德国也因此被淘汰。
对于这种毫米级的关键判罚现在可以通过整场比赛的实时3D重建再配合足球中的传感器锁定精确轨迹，VAR不再需要依靠几张模糊截图进行判断。越位干扰也是如此，球员究竟有没有挡住门将的视线，通过3D视角就可以看得一目了然。
第三，为转播机构和观众提供新的观赛方式。
观众可以在转播画面中看到球员的3D分身，部分转播合作伙伴还可以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。
此前裁判随身佩戴的摄像机抖动非常严重无法用于赛事转播。今年联想对裁判跑动时拍摄的画面进行了稳定处理。测试显示画面抖动减少了50%至70%，并通过“边缘计算、混合AI与多个针对性小模型”的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的技术应用，为了打击世界杯期间的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进行初步干预从而保护警察的人身安全。
当我们讨论AI改变足球时，AI究竟改变了足球比赛本身还是改变了整套幕后运营体系？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。
因此可以说，世界杯正在变得更加技术化也更加AI化。但这些尝试仍然处于非常早期的阶段。目前技术的主要用途依然集中在判罚、比赛数据采集和观赛体验上。真正让AI提高人类的足球成绩甚至指导人类踢球仍然为时尚早。
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。
但足球对于人类而言是特别的也是珍贵的。这里是人类创造奇迹的地方也是充满惊喜、信念与泪水的地方。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”也让我们在陷入AI狂热时重新思考AI的边界究竟在哪里。
是的你怎么能不爱足球？
我们
