历时39天，美加墨世界杯终于落下大幕。西班牙捧起了大力神杯，距离上次夺冠，已经过去了整整16年。
我们在墨西哥见到了米卢——那位曾带着中国男足冲进世界杯的传奇教练。他上来就先纠正我们：“不是soccer，是football。”接着又丢下一句：“比起机器人，我更喜欢看真人。”老爷子这话说得轻松，背后却藏着个大问题：AI到底能不能改变足球？
这届世界杯，硅谷那边的比赛场次不少，科技大佬们扎堆去看球。按理说，在硅谷，AI能改变一切。可足球这东西，似乎没那么听话。
过去几年，好多初创公司和热钱扑向足球AI，想复制其他领域的颠覆。结果呢？没那么乐观。咱们今天就来聊聊，顶级俱乐部到底怎么用AI，试过什么，成了什么，又栽了什么跟头。还有Football Tech这个垂直赛道，怎么被资本捧起来，又怎么自己修正。当然，AI也在悄悄改变我们看球的方式——世界杯转播、判罚、数据分析，样样都沾边。
最后还有个终极问题：中国AI发展这么快，能不能把男足送进下一届世界杯？别急，慢慢说。
先给“足球AI”画个像。如果你想象的是它当个“AI教练”，帮球队赢冠军，那目前还没证据证明它能干成这事。就算把范围缩小——比如帮俱乐部签下更好的球员，或者提高角球进球率——结论也差不多。
不过，确实有俱乐部大胆试水。利物浦跟谷歌DeepMind合作，搞了个叫“TacticAI”的定位球系统。媒体吹过“足球AI里程碑”，DeepMind还正儿八经在《Nature》上发了论文。切尔西跟AiSCOUT合作，把AI塞进青训系统，分析年轻球员的技术动作。西甲塞维利亚跟IBM搞了个Scout Advisor，能理解球探报告里的自然语言，比如“擅长任意球”，帮球探快速挑人。
这些尝试里，利物浦最出名。咱们就拿它开刀，看看AI到底能不能提升竞技水平。根据《Nature》那篇论文，DeepMind用利物浦三个赛季的7176个角球训练模型。理论上，模型能预测谁先碰到球、能不能形成射门，还能建议球员怎么站位。
听起来挺唬人，对吧？可利物浦的角球进球率真涨了吗？我们翻遍了科技和体育媒体的报道，没找到结论。于是自己动手统计——让AI从StatBunker调出过去六个赛季利物浦的角球进球数，再从StatMuse查同期获得的角球数，算出每个赛季的进球率。
数据摆出来：除了2021到2022赛季，其他赛季的角球进球率基本都在3%左右晃荡。DeepMind和利物浦都没说这套系统啥时候开始用的。论文是2024年3月发的，那2021-2022赛季大概率还没用上。也就是说，截至现在，这模型对利物浦的角球表现，没形成任何有数据支撑的改善。我们内部讨论过这个选题，给Google DeepMind发过采访邀请，没收到回复。
问题来了：AI在其他领域一路狂飙，偏偏足球这边，始终没出现一款能颠覆竞技成绩的产品？跟业内人士聊了一圈，可能的答案是：足球是偶然性最高、变量最多的运动之一。任何单一因素对比赛结果的影响，都很难被量化、被验证。
一场比赛的结果，受太多变量影响——天气、裁判、场地、球员状态、现场氛围、球员之间的关系与协作，甚至心理状态。当然，还有阴谋论里的假球。这些变量还互相影响：现场氛围影响球员状态，裁判判罚反过来影响现场氛围。有些变量随时间推移还会变——球员成名前可能自律，成了亿万富翁后可能松懈。权重也在变，而且很难预测。比如不自律这事，年轻时或许影响不大，年纪大了可能直接导致状态下滑。但大罗就是个反例——体重超标，照样是世界顶级。
这就成了悖论：AI控制不了变量，模型提升慢；就算俱乐部成绩变好了，也说不清是不是AI的功劳。足球里太多变量没法量化，更别提算权重了。AI可能永远理解不了什么叫“阅读比赛的能力”，什么叫“化学反应”，什么叫“为了国家荣誉而战”。强队底蕴、对胜利的渴望、更衣室氛围、裁判尺度……这些清单能列到天荒地老。
这届世界杯最大的黑马佛得角，就是个例子。几十万人口的岛国，球员大多效力低级别联赛，全队身价还没梅西高。AI怎么预测，这样一支球队能连续逼平西班牙和乌拉圭，甚至把阿根廷逼到绝境？一份符合IPSO标准的球探报告，不光要写速度、耐力、弹跳这些可量化的指标，还得考察位置感、领导力、决策力、比赛态度。穆里尼奥就要求球探评估球员性格——自律不自律，有钱了会不会张扬。
足球里的因果关系，往往是非线性的。控球率高了，不一定赢，反而可能被反击打穿。把11个超级巨星凑一队，也不一定拿冠军，更衣室里谁也不服谁，成绩可能还不如平民球队。这种非线性关系，恰恰是AI最难处理的。
除了这些，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，分散在全世界几千家俱乐部里。足球行业从来没形成过像BooksCorpus或WebText那样的大型文本数据集。球员公开的身体数据——身高、体重——最多做张球星卡。真正跟竞技表现相关的数据，完全不一样。比如俱乐部内部不公开的球员报告，可能包括：局部体脂分布（腹部、大腿前后侧、臀部、肩背的分区体脂，影响爆发力、对抗和伤病风险）；快肌与慢肌纤维比例（决定爆发型还是耐力型，天生属性，后天难改）；肌肉横截面积（股四头肌、腘绳肌、臀肌，关系对抗、射门力量和伤病概率）；乳酸阈值与实测最大摄氧量（决定能承受多高压的比赛）；重复冲刺能力（连续5-10次冲刺后的速度衰减率，高压逼抢的核心指标）；地面反作用力（急停、变向、起跳时脚对地面的压力，判断动作合理性）；发力链时序（射门或传球时髋、膝、踝的发力顺序，针对性训练的依据）。这些数据得靠动作捕捉、测力台、肌电图同步采集。就算AI公司用多角度摄像机加姿态模拟，也达不到实验室精度。说白了，AI公司几乎不可能通过公开渠道拿到这些数据。
再看AI公司早期扎堆的伤病预测模型。俱乐部手里的私有数据还包括：细胞内外液比例（判断水肿、肌肉炎症、过度疲劳）；步态不对称性（左右腿发力差异、落地重心偏移，可能是肌肉拉伤、十字韧带撕裂的前兆）；关节松弛度和韧带稳定性（脚踝、膝盖、髋关节的松动程度，伤病高危信号）；隐性微损伤和软组织疤痕硬度（旧伤术后肌腱弹性和疤痕粘连程度，影响再受伤概率）。这些数据分散在几千家俱乐部里，没有任何组织或公司能完整拿到。单独一家俱乐部掌握的数据，样本量又不够大。
所以，AI在足球领域失效的原因可以总结成：足球低得分、高随机性，数据信号弱；胜负由少量关键事件决定，不是整体统计规律；球场上是对抗性动态博弈，既有规律会被对手主动破坏；AI只能理解历史相关性，不理解真实因果；不可量化的数据太多。想复刻“ChatGPT时刻”或“Claude Code时刻”，太难了。
商业层面也一样。一度让资本兴奋的Football Tech，经历了一轮自我修正。全球AI公司估值暴涨，沾上AI概念股价就飞，但AI足球技术领域始终没出现一家独角兽。咱们拿曾经的明星初创公司SciSports当例子，看看背后的困境。
2013年，荷兰恩斯赫德市一间学生公寓里，三个年轻人冒出个“硅谷”味道十足的想法：《Football Manager》能在游戏里预测球员潜力，现实里为什么不行？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、理解比赛。这家公司就是SciSports。当时，这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、职业俱乐部客户。想象一下，如果提前一年发现下一个哈兰德、贝林厄姆或姆巴佩，能帮俱乐部省几千万欧元。一款能参与转会决策的软件，该不该值十亿美元？
十多年过去，SciSports没上市，也没成为独角兽。2024年，它被荷兰VANAD Group收购。为什么一个看起来无比正确的创业方向，最后没变成足球界的Palantir？
先看产品。早期主要做数据化球探，把球员比赛数据、联赛强度、出场时间、位置、球队表现、年龄、成长曲线输进模型，建立全球球员评分系统，叫SciSkill Index。这切入点很聪明——转会是最贵、最容易出错的决策之一。买错人，俱乐部可能损失几百万甚至几千万欧元。一套能提前发现被低估资产的数据系统，听起来价值巨大。
但SciSports不满足只做数据库，开始开发更重的产品：BallJames。目标是通过计算机视觉，把比赛视频转成实时3D数据。他们形容为“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最早安装。痛点抓得很准，以至于被贴上“下一个欧洲独角兽”的标签。可为什么没成？
第一个问题：客户少，预算窄。足球看起来是全球市场，但真正愿意为高级数据分析花大钱的，主要是职业俱乐部、联赛、足协、经纪公司。顶级俱乐部有钱，但数量有限；中小俱乐部数量多，软件预算却非常有限。一套系统或许能帮球队省上千万转会费，但俱乐部未必愿意每年付几百万软件订阅费。体育科技最尴尬的地方就在这：企业创造的是“决策价值”，客户付费时只当它是“订阅软件”。
第二个问题：AI给出的答案，很难直接转化成决策。电商推荐系统说用户可能买鞋，平台立刻推广告。但足球AI说某边锋潜力高，俱乐部不能立刻刷卡。还得考虑教练喜不喜欢、战术适配不适配、语言文化、伤病史、经纪人、合同、薪资结构、更衣室性格，甚至老板个人偏好。转会是一个由数据、政治、人情、风险共同作用的复杂决策。
第三个问题：底层数据太重。BallJames很先进，但要在球场装设备、部署标定摄像机、承担维护和数据清洗，扩张速度就很难像纯SaaS那样指数级增长。后来行业趋势转向另一条路：从现有转播画面、单机位视频、战术机位里直接提取追踪数据，而不是把整座球场和整场比赛3D化。谁能以更低成本把普通视频变成结构化数据，谁更容易规模化。归根结底，算的是经济账。SciSports很早就看到了正确方向，但早期实现路径可能太沉重。
第四个问题：俱乐部不想再买一个孤立的工具。俱乐部内部已经有视频平台、球探系统、体能系统、医疗系统、沟通工具、数据供应商。分析师最怕外部软件融不进内部工作流和数据体系。传统SaaS模式不适合SciSports，Palantir的模式也不适合——客户没预算单独部署。这也是Football Tech行业后来出现大量并购的原因。
StatsBomb曾是职业足球领域有影响力的高级事件数据和模型公司，2024年被美国体育视频平台Hudl收购。Hudl逻辑很清楚：原本做视频分析和教练工作流，接过StatsBomb的高级数据后，就能把“视频、数据、球探、比赛分析”打包卖给职业球队。Second Spectrum曾是NBA、英超、MLS的官方数据追踪与分析供应商，2021年被Genius Sports以约2亿美元收购。Sportlogiq主要做冰球，2026年被美国公司Teamworks收购——Teamworks定位是“体育行业操作系统”，想把球队运营、运动员管理、表现分析和AI洞察整合在一个平台。Sporlogiq收购价未披露，第三方数据库Dealroom估算约2000万至3000万美元。最后是SciSports，2024年被VANAD Group收购，价格未披露。按早期融资数据，Wellfound显示2017年融资后估值约1580万美元。它早期“成为下一个欧洲科技独角兽”的愿望，最终落空了。
足球市场大吗？当然大，全球第一运动，几十亿球迷。转会市场贵吗？当然贵，头部俱乐部每年投入像天文数字。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。足球作为“文化产业”非常庞大，作为“职业俱乐部软件市场”，却没想象中那么大。这是SciSports故事里最重要的反转。
所以，Football Tech很难只靠一个数据模型、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。但如果这些产品能整合进一个大平台，成为“视频、数据、球探、训练、转播”链条的一部分，它们依然有商业价值。
答案似乎已经出来了：真正的问题不是AI没用，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，单点产品很难独立成长为巨头。
虽然AI目前还提高不了球员成绩和球队整体水平，但把视野从足球比赛放大到世界杯这样的赛事，技术含量正在不断提高，AI也在悄悄改变观赛体验。
葡萄牙对克罗地亚的淘汰赛就是个好例子。7月3日，美加墨世界杯1/16决赛，视频助理裁判（VAR）介入，发现克罗地亚球员越位，主裁判判进球无效。这判罚帮葡萄牙2比1逆转克罗地亚。协助裁判完成裁决的，是比赛用球里搭载的一枚500Hz惯性测量单元（IMU），能实时追踪三维空间中的加速度和细微动作，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。没有IMU足球和VAR的时代，这种细节人类裁判几乎不可能捕捉。
世界杯决赛前两天，我们飞到迈阿密，走进本届世界杯的“大脑”。它藏在Coral Gables一条安静的街道上，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，加上北美600多个站点，除了转播，一切都从这栋楼调度。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、广播中心和各队大本营。联想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，包括分析工具FIFA AI Pro。
以往世界杯结束后，FIFA经常给各队提供大量赛后数据——五六十页数据报告，加上大量摄像机画面，一次性交给教练和分析师，工作量巨大。FIFA AI Pro为分析师提供了一个生成式AI平台，使用者用自然语言就能操作，比如问“C罗在这场比赛中最活跃的位置”。它还能辅助生成交互式图表和视频，用户甚至能解锁比赛的3D视角，从球员角度观察赛场。
这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；再加上足球里每秒采集500次数据的传感器，一场比赛能积累超过1.5亿个追踪数据点。相比之下，上届世界杯只采集了60万个数据点，本届直接增加了数百倍。这么庞大的数据量，主要用于三件事：
第一，越位判定更准确。现在只要球员越位超过10厘米，且系统对判定有足够把握，助理裁判耳麦里就会直接响起音频提示，裁判当场举旗。为了提高判罚准确度，本届世界杯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，被输入越位判罚系统。
第二，解决“足球是否出界、是否过线”这类长期争议。还记得上届世界杯日本对西班牙那次判罚吗？三笘薫在底线附近救球，肉眼看起来好像出界了，但VAR经过两分钟判断，认定足球仍有极小一部分压在线上，进球有效，德国因此被淘汰。这种毫米级关键判罚，现在通过整场比赛的实时3D重建，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。越位干扰也一样——球员有没有挡住门将视线，3D视角一目了然。
第三，为转播机构和观众提供新观赛方式。观众能在转播画面里看到球员的3D分身，部分转播合作伙伴还能用这些数据，把精彩镜头甚至整场比赛做成3D版本重新呈现。此前裁判随身佩戴的摄像机抖动严重，无法用于转播。今年联想对裁判跑动时拍摄的画面做了稳定处理，测试显示抖动减少50%到70%，并通过“边缘计算、混合AI与多个针对性小模型”的架构，满足实时转播的低延迟要求。
这届世界杯还有些有趣的技术应用。为了打击犯罪活动，墨西哥花了14.5万美元买了一批机器狗，协助警方对冲突现场进行初步干预，保护警察人身安全。
说到AI改变足球，它到底改变了比赛本身，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中心接受采访时给出了一段回答。他说得挺实在：世界杯正在变得更技术化、更AI化，但这些尝试仍处于非常早期阶段。目前技术主要用于判罚、数据采集和观赛体验。真正让AI提高人类的足球成绩，甚至指导人类踢球，还早着呢。
米卢告诉我们，未来一切皆有可能，机器人可能取代人类踢球，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、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。当人类在AI面前“节节败退”时，足球或许会成为人类“最后的堡垒”，也让我们在陷入AI狂热时，重新思考AI的边界到底在哪里。
是啊，你怎么能不爱足球？
我们在墨西哥那场活动中见到了米卢，人们依然感激这位传奇教练，24年前为中国球迷带来的惊喜。也希望这样的惊喜，能再次到来。
注：部分图片来源于网络
【本期节目不构成任何投资建议】