我国智能体育：兴起、发展与对策研究

郑 芳，徐伟康

（1. 浙江大学 体育学系，浙江 杭州310028；2. 中国政法大学 法律硕士学院，北京100089）

2017 年7 月，国务院印发《新一代人工智能发展规划》，将人工智能上升到国家战略层面，此前，《“十三五”国家科技创新规划》《“十三五”国家战略新兴产业发展规划》等文件都将人工智能作为战略发展重点。随着数据可用性的增加，云计算能力的增强和算法的不断改进，人工智能迎来第3 次浪潮，越来越多的资源投入到人工智能产业中。作为新动力，人工智能也给传统体育行业掀起了生产力变革，为竞技体育水平的提升、体育商业化、全民健身都带来了翻天覆地的变化。顶层设计也日趋重视智能体育的建设，2019 年8 月《体育强国建设纲要》提出“加快推动互联网、大数据、人工智能与体育实体经济深度融合”，2019 年9 月国务院办公厅《关于促进全民健身和体育消费推动体育产业高质量发展的意见》进一步指出，推动智能制造、大数据、人工智能等新兴技术在体育制造领域应用，支持以冰雪、足球、篮球、赛车等运动项目为主体内容的智能体育赛事发展。毋庸置疑，智能体育，未来已来。但智能体育的发展尚处于起步阶段，智能体育的概念、人工智能在体育中具体应用方向、智能体育的发展规律等问题都尚未明晰。我国智能体育既有“科技助力”的功能预期，也面临新技术与旧产业不适的现实挑战。如果上述问题没有在制度和技术层面得到解决，我国的智能体育发展之路很可能一波三折。因此，探索人工智能技术和体育叠加的优势互补和风险规制，并从宏观层面思考智能体育的发展路径，使体育产业达致“体育＋人工智能”的最佳耦合具有理论前瞻性和实践应用性。

1 人工智能在体育中应用的兴起

1.1 人工智能的历史由来与勃兴

1955 年8 月，4 位学者在题为《关于举办达特茅斯人工智能夏季研讨会的提议》（A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence）中，首次使用了人工智能（Artificial Intelligence，AI），“让机器能像人那样认知、思考和学习，即用计算机模拟人的智能”。此后，计算机就沿着代替人完成部分工作或取代人这一轨迹不断演变与发展，在这60 多年里，经历了图灵测试（20 世纪50－60 年代）、语音识别（20 世纪80－90 年代）、深度学习（21 世纪10－20 年代）3 次AI 浪潮，也经历了3 次挫折：1973 年英国科学研究委员会经过调查建议取消机器人研究；1982 年日本研发的智能（第5 代）计算机研制失败；1984 年斯坦福大学试图通过专家人工的方式构建一个包含人类常识的知识百科全书失败（中国人工智能2.0发展战略研究项目组，2018）。但随着移动终端、互联网、可穿戴设备等的流行，遍布全球的网络、感知设备正史无前例连接着个体和群体，开始快速反应与聚集他们的发现、需求、创意、知识和能力，人工智能发展迎来了新的浪潮，与此同时，人类世界也从二元空间即物理-人类社会（Physics-Society，PS）演变为三元空间即信息-物理-人类社会（Cyberspace-Physics-Society，CPS）（图1），三者之间的互动形成了新的信息流，引致了新的变化：1）人工智能新计算是建立在CPS 空间互动之上的；2）为自然科学、工程技术和社会科学提供了新途径与新方法；3）为认识更为复杂的生态系统，如城市运行系统、健康医疗系统等提供了新通道。信息环境的变化、社会需求的激增使得人工智能从过去的学术牵引迅速转化为需求牵引，智能制造、智能社会、智能城市、智能医疗、智能体育等应用得到快速发展。

图1 三元空间相互整合与互动（中国人工智能2.0发展战略研究项目组，2018）Figure 1. Integration and Interaction of Three Dimensional Space

1.2 人工智能的体育应用之路

体育从一开始就是人工智能的天然实验场所。1951 年英国曼彻斯特大学Christopher Strachey 编写了第一个会下西洋跳棋的计算机程序；1962 年，IBM 的Arthur Samuel 的程序战胜了盲人跳棋高手；1997 年IBM 计算机深蓝战胜世界国际象棋王卡斯帕洛夫；2016 年谷歌的AlphaGo 围棋人工智能程序以4：1 战胜世界围棋冠军李世石。在当年的IT 领袖峰会上，李开复透露只要具备3 个条件，人工智能就可以深度进入很多人类过去不太可能解决的领域，并提供巨大的商业价值，这3 个条件分别是：要有巨大的数据量，且最好能够自我迭代；要有非常巨大的计算能力；人工智能的研究要平台化。

从具体应用层面看，微软、IBM 等实力雄厚的科技公司在推动智能体育产业上游科技发展中扮演着重要的角色：IBM 的人工智能Watson 通过识别观众反应等信息迅速地把美国网球公开赛每日的海量比赛内容制作成简短的集锦，这种技术已被更多传媒公司应用到集锦制作和新闻搜索中；微软公司的人工智能技术帮助智能体育公司开发智能球童，让高尔夫球运动的数据处理变得更加迅捷；越来越多的赛事和俱乐部正在依赖Satisfi Labs 等公司的人工智能平台，开发聊天机器人以便及时对顾客的需求做出反馈。

在职业体育领域，集成了全球导航卫星系统（GNSS）模块、陀螺仪、加速度传感器和心率带等传感器的可穿戴设备被用来获取运动员的跑动距离、速度、对抗和心率等运动表现数据，并在此基础上结合云和人工智能等技术协助教练组进行分析，进而帮助运动员达到提升运动表现、预防伤病等目的。据世界知名市场调研公司Infoholic Research LLP 预计，2016－2022 年全球体育分析市场将以40.1%的复合年增长率增长，到2022 年将达到39.7 亿美元，其中北美的体育联盟是体育数据分析的主要顾客，欧洲市场紧随其后，亚太和中东是最大的潜力市场。这类往往以“背心”形式出现的可穿戴设备的代表有澳大利亚的GPSports 和Catapult、英国的STATSports 和瑞士的Field-Wiz 等，其中澳大利亚的Catapult 公司在收购了运动可穿戴设备先驱GPSports 和运动视频处理公司XOS Digital 等实力强劲的运动科技公司后成了这个领域最具竞争力的企业；除了以上这类收集运动表现数据的可穿戴设备，还有部分功能较为单一，但和目标运动关联性较强的产品，比如用于跳跃数据收集和处理的Vert（篮球、排球等）、统计投篮数据的Shot Tracker（贾宝剑 等，2018）、专注极限运动的Woo、适用于高尔夫运动的Shot Scope、Active Mind Technology、Arccos Golf，还有针对网球、拳击和棒球等不同运动有不同产品的Blast Motion 和PIQ。和“训练背心”相比，这些可穿戴设备的目标客户群体更为广泛，不仅为精英运动员提供精密设备，还向大众群体提供成本适中、操作简便的产品，这些产品配套的视频采集设备和数据面板往往就是使用者的手机或平板电脑，但却能提供专业级的数据、图像采集和处理服务，有的设备还能构建3D动作模型，并利用人工智能等技术给使用者专业化的建议，这些特点使得这些可穿戴设备颇受业余运动员或者运动爱好者的青睐；除了被用来量化运动员场上的表现，可穿戴设备还被用于全天候的监测运动员的身体状况，比如Fatigue Science 和Whoop，这些软件会记录下运动员的疲劳程度、睡眠质量和康复水平等身体指标并及时反馈给教练团队。

越来越多的智能体育装备应运而生，Wilson X Connected 篮球内部有多个传感器，用来追踪投篮射程和进球的数据；Under Armor 的鞋安装了感应芯片，记录追踪跑步速度、节奏、距离，判断肌肉疲劳程度，随时监测反馈修订训练强度。Strive Tech 的弹力短裤实时监测NFL 运动员大腿肌肉受到的外部和内部负荷，及时提示理疗师避免运动员肌肉拉伤。

随着VR 技术的不断进步，虚拟现实体育产业也在蓬勃发展。一些VR 技术被应用在模拟训练当中，如Eon Sports、STRIVR 和Monsterful 公司的产品。这些产品可以帮助运动员在比赛前熟悉对手，还能大大减小场地和成本的限制；在健身领域，VR 健身也逐渐流行。目前Icaros和HolodiaVR 健身设备的主要客户还是健身房、高档酒店或者航空公司等商业实体。VR 和人工智能等技术的发展也在改变着人们观看体育赛事和接收体育新闻的方式。Next VR 和Livelike 等公司正在用他们的技术处理NBA 等体育赛事等转播信号，使之能在VR 平台上播放，这样观众只需一台VR 设备就可以在家“现场看球”。

在智能体育场馆方面，较多是利用场内物联网和有翔实比赛信息以及便捷购票系统的应用软件让球迷在现场观赛期间得到周全的服务，进而保证运动迷享受现场观赛体验；埃森哲、IBM 和思爱普这样的顶级数据公司还提供更深层次的数据处理技术支持和管理优化，结合各种软硬件一起为场馆内的观众构建“沉浸式观赛体验”，在观赛的同时和场馆内的各种数据无缝衔接。

1.3 人工智能的体育学术研讨之路

人工智能在实践应用层面的不断推进，也引发了学术界的热切关注。20 世纪70 年代，美国在棒球方面就试图应用计算工具进行数据分析和预测，尽管当时的工具还缺乏智能元素，但不失为一个人工智能体育应用的思想雏形。此后，围绕着竞技体育中体育预测、辅助训练、伤病预防，国外开展了一系列人工智能体育应用的基础研究。

由于人类决策功能的有限理性，做出准确预测的尝试充满了偏见，体育预测一直以来都是备受瞩目的话题。使用机器学习的人工智能方法将产生一个可比的精度水平（Pretorius et al.，2016）。这也使得体育测测在学术研究上起步最早，20 世纪90 年代，有学者提出人工智能在体育比赛成绩预测中应用的初步构架（Lapham，1995）。此后，围绕着算法设计、模型构建、效度评估展开了一系列研究。Mccabe（2002）描述了一种人工智能模型，使用神经网络算法，用于预测特定运动比赛的结果；Reed 等（2005）研究表明，人工智能和计算机化方法预测比赛结果的能力首次超过了人类，预测足球（57.9%）比赛比预测橄榄球（46.1%）比赛结果更为精准，建议建立一个体育信息数据库以实现人工智能的体育应用。Mccabe 等（2008）在早期使用人工智能预测运动成绩工作的基础上，进一步扩展使用具备多层感知器的模型，通过捕捉各种运动队质量的特征，从而提高预测的准确度。随着技术趋向稳定，近年来围绕着模型检验即人工智能预测比赛的准确度比较也展开了一系列的研究（Trawinski，2010）。

国外人工智能辅助训练的研究虽稍逊于预测比赛，但因其在竞技体育中广阔的市场前景近年来呈后来居上之势，智能技术在体育训练中的全面渗透和介入已成为竞技体育发展的趋势之一。Verlic 等（2005）提出了依靠智能技术进行运动员训练的方法和营养建议。Yu 等（2010）对人工智能辅助智能训练进行了系统总结，对其概念、功能、特点及应用领域进行了分析，得出人工智能辅助训练不仅具有自动性、智能性、可控性等特点，而且具有良好的应用前景。在实际应用中，如运动技能模拟、训练负荷监测、专业技术分析等方面也具有重要的作用。Lai 等（2014）重点分析了人工智能在提高运动训练中运动员的科学训练水平和运动技能方面的作用。随着数据的精确性和当前技术力量的增强，伤病预防也成了国外人工智能在竞技体育领域应用的一个重要尝试，如Albu 等（2016）试图利用人工智能为运动员医疗决策的技术支持。

我国体育领域关于人工智能的研究也由来已久。在20 世纪90 年代，就有学者开始关注体育和人工智能的结合。1997 年第5 届体育科学大会上，邵桂华等（1997）学者提出，由于运动训练、模糊信息处理、人才输送、体育科学发展的需要，体育领域引入人工智能是一个必然的趋势。张瑞林（1998）探讨了人工智能和体育结合的可行性和必要性。闻兰（1999）对体育使用人工智能的现状和发展方向进行了论述。可以看出，在我国人工智能技术的起步初期，有体育工作者已经开始抛弃以“经验技能”为主的传统教学、训练模式，试图引入计算机科学技术的新成果来促进体育科学更上层楼。但遗憾的是，当时体育产业发展还尚未提升到国家层面，一系列理论和实践问题阻碍了人工智能的体育应用之路。

伴随着2014 年《国务院关于加快发展体育产业促进体育消费的若干意见》的出台和第3 次人工智能浪潮的兴起，“体育＋人工智能”的研究重新活跃起来。张伟（2014）提出，体育实用专家系统、虚拟现实技术等人工智能技术应用于现代体育教育以期提升现代体育教育水平。苏振阳（2015）提出，应用“电子裁判”在羽毛球、足球、排球等比赛的判罚中。瞿迪（2016）提出，体育用品人工智能化，由传统的体育产品向具有一定感知、思考和反馈的体育用品升级。刘昊扬（2018）提出，发展人工智能的运动教练系统，针对运动训练中功能性动作模式、运动技术进行评估和改善，对多训练目标实时反馈和辅助训练机器人等设想。可以看出，在这个阶段，体育教育、竞技体育训练和裁判，体育用品制造都开始逐渐应用人工智能技术，向着智能体育发展。

总体而言，基于劳动工具对于生产力的重要性，无论我们是否愿意，人工智能的发展已经渗透到各个行业和领域，也必将对体育领域带来深刻的影响和变革。面对“体育人工智能热”的现象，需要系统梳理、深入研究其对体育的改变、对体育产业意义和价值，总结产业的发展规律和经验，并在此基础上探索智能体育的发展路径，从而为技术应用提供指引。

2 智能体育的概述

2.1 智能体育相关概念的厘定

要理解智能体育的内涵，首先要理解人工智能的含义。一般认为，人工智能是以研究、开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的一门新的科学技术（陈自富，2014），人工智能不仅是一种科学共识，也是一种流行和商业文化的形塑（腾讯研究院，2017），如果将人工智能结构化，从下到上依次是基础设施层、算法层、技术层、应用层（钟义信，2012），根据机器的智慧程度，主流观点设想人工智能将经历弱人工智能、强人工智能和超人工智能3 个发展阶段（姚海鹏等，2017）。从目前来看，近年来人工智能的勃兴是伴随着大数据的突破性进展而生的（吴军，2016），是基于数据、算法和算力的机器智能，还属于弱人工智能阶段。

因此，智能体育是以人工智能等新一代信息技术为手段，通过全面感知和深度解析体育大数据，洞悉其背后隐含的模式、关系、变化、异常特征与分布结构，形成可供预警、预测、决策、分析的知识体系，为体育决策提供理论方法与支撑技术。其核心在于：1）需要全方位精准的感知各种运动行为与运动场景，以获得海量的体育大数据，如运动员统计资料、战术信息、甚至比赛日天气信息等与研究对象相关的信息；2）需要采纳各种智能算法，从大数据中挖掘知识，探究隐含的规律与逻辑，如从球迷观赛行为中自动挖掘球迷消费偏好；3）为运动行为的优化、运动场景的改造提供决策理论和关键技术，并将知识应用到体育生产、分配、交换、消费等经济活动各个环节中。

需要说明的是，在目前的学术研究中，“智能体育”的概念往往与“互联网＋体育”“数字体育”“智慧体育”相伴随。这几者概念有一定的联系但不等同。“互联网＋体育”的概念是最早提出的，在一定程度上具有智能体育思想的雏形，指利用互联网消解时空的本质改造体育产业（徐伟康等，2016）。数字体育的概念源于“数字地球”，是数字地球的重要组成，涉及信息技术传播体育、管理体育、开发体育、体验体育等多种功效，是信息技术与体育全面结合的产物（蔡维敏，2013）。智慧体育是通过无处不在的各式传感器实现对各种体育行为的全面感知，用云计算等智能处理技术对海量感知信息进行处理和分析，对竞技体育、全民健身、体育场馆及设施等各种需求做出智能响应和智能决策支持（叶强 等，2011），智慧体育的概念源自2008 年IMB 提出的“智慧城市”，旨在将特定的信息技术系统应用于城市管理中，实现全面感知、泛在互联、普适计算与融合应用，但鉴于我国还处于信息化、工业化和城镇化相融合的阶段，需要通过发展产业来引领城镇化发展。因此，中国人工智能2.0 发展战略研究项目组专家建议，“智能城市”比“智慧城市”更适合表述我国的发展现状，我国的智能城市将沿着“城市数字化－城市网络化－城市大数据－城市智能化”的进程不断发展。由此也可以推断，智能体育比智慧体育更适合我国当前的发展现状。

2.2 智能体育的特点

从体育产业生态上说，智能体育既包括体育产业中的传统业态应用了人工智能技术后的新发展，又包括在人工智能技术推动下诞生的新生业态。从智能体育的核心内容出发，以传统体育为参照，可以归纳出智能体育的3 个特点：1）数字性。智能体育最核心的要点在于通过视频识别、图像识别、姿势识别等产生海量的数据，使传统体育中定性信息定量化，从而改变传统体育中以“经验”为基的价值判断，由此衍生而来就是相比传统体育的专业性和可靠性。数字化能为赛事组织者、参与者的科学计划与决策提供更可靠的证据；为健身者和运动技能学习者提供更精确、个性化的锻炼、学习建议；为体育传媒从业者提供更精准、灵活的信息分发手段和更具呈现效果，更生动的赛事转播技术，也能为体育博彩者提供更可靠的决策依据。2）娱乐性。与传统体育产业相比，智能体育的娱乐性得到了大幅增加。智能化的体育设备通过更强大的功能和与用户更有效的交互，增加了体育活动参与的趣味性；另一方面，智能体育为更大范围、更多形式的人际互动提供可能，增强了体育的社交性，满足了体育的社交属性。事实上，在智能体育驱动下体育与娱乐业的整合已经成为体育产业一个新的经济增长点。3）最重要的就是便捷性。现代体育消费需求越来越注重快捷、弹性、个性化、普惠。智能体育打破了传统体育活动的时间和空间限制，使得人们可以更灵活地安排运动时间，在更多样的地点参与丰富的运动、锻炼项目，智能体育也通过智能化设备和算法的应用，使人们可以更轻松、快捷地获得想要的体育信息，更好地满足人们快捷、弹性的消费需求。智能体育能最大限度地达到量身定做、私人定制的效果，根据用户的具体情况（包括身体情况、运动习惯、运动强度、运动姿势等），制定适合用户自身的运动指导方式，满足个体化的需求，达至最佳的用户体验。

2.3 智能体育的分类

智能体育横跨多个产业领域，对其进行归类非常困难，但智能体育标准的建立、行业的统计都有赖于分类。国家统计局《体育产业统计分类（2019）》（国家统计局令第26 号）将体育产业分为包括体育管理活动、体育竞赛表演活动、体育健身休闲活动等在内的11 个大类。其中，智能体育或多或少都有所涉及。但从体育产业链的各个组成部分，以及目前智能体育的发展现状来看，智能体育主要可分为智能体育服务业和智能体育制造业两大类，智能体育制造业主要包含两部分：智能体育用品生产与销售、智能体育场馆建设。智能体育服务业按照目前发展现状主要可以分为教育、赛事、场馆服务、训练、传媒、博彩（图2）。

图2 智能体育的分类Figure 2. Classification of Intelligent Sports

3 我国智能体育的发展态势

3.1 我国智能体育发展的基础

3.1.1 技术角度

根据我国人工智能产业发展的一般规律，一般要经过“技术－业务－市场”的3 个融合路径。“人工智能＋体育”也是一个多层面、多内容的发展过程。人工智能技术和体育产业的融合是智能体育实现的前提和基础，业务融合是重要内容，市场融合是必要条件，只有创造出足够的市场需求，才能实现技术融合和业务融合的价值。

从技术角度，体育同其他学科一样，需要技术，人们希望通过对人工智能的研究，模拟和扩展人的智能，在体育比赛、运动训练、大众健身等方面辅助甚至代替人们实现多种功能。要理解体育领域对人工智能的憧憬，需要了解人工智能目前的技术领域的发展和能够解决的问题。不同于前两次人工智能浪潮的昙花一现，本次人工智能浪潮伴随着信息技术的快速发展和互联网的普及而勃兴，建立在大数据资源成型、算力技术突破、算法提升强化的基础上。一方面，“互联网＋”的发展融合了线上、线下，推动各种设备的互联互通，人们在应用以互联网以及物联网为技术基础的社会网络中，时刻产生和留存大量可供分析和量化的数据；另一方面，支撑这些数据储存和运算的算力也取得了突破性进展，正如摩尔定律所说，当价格不变，集成电路可容纳的元器件数量，每隔18～24个月便会增加一倍，性能也将提升一倍。也即，信息技术的发展使得数据处理的成本日益低廉，人工智能发展的硬件瓶颈不复存在，因此，就有可能在海量的大数据中挖掘出多维度的信息，从而有效“喂养”算法。算法要由大数据训练而来，数据量越全、质量越可靠，算法的准确度就越高，以往受限于数据不够、算力不足，人工智能算法往往采用传统线性模型算法，神经网络等算法几乎没有实际应用的价值。而本次人工智能技术立足于神经网络，并在此基础上发展出多层神经网络，完全利用输入的数据自行模拟和建构相应的模型结构，使得算法的精准度大大提高。

随着体育领域各类可穿戴设备和图像识别、自然语言检索等技术的广泛应用，体育相关的数据采集相比以往具有丰富的维度和密集的颗粒度。如在大众健身中，随着各种健身类移动应用的广泛使用，用户数据诸如心率、步数、动作、时长、燃肪效应都将被记录在设备中。根据艾瑞咨询的调研结果显示，约60%的运动人群愿意开放运动数据供大数据分析，约90%的运动人群愿意购买大数据运动硬件（艾瑞咨询，2018）。职业体育中，体育数据采集服务商获得目标赛事或运动队的数据开发权利，然后通过植入赛场的网络搜索、摄像头、可穿戴设备以及电子记录可以完成一整场比赛的数据采集，甚至包括比赛运动员生理生化指标、技术特征，比赛当日运动员的作息等一系列数据。虽然很多类型的体育数据容量并非符合大数据标准，但在运动评估、球员选材、伤病预防、赛事预测等方面可挖掘价值仍然巨大。

随着算力的不断发展，数据的存储和传输更加便捷，为体育数据的实时分析和反馈奠定技术基础，如电子裁判的应用。此外，随着机器学习从无监督学习到强化学习，给定数据，可以输出当前状态下的最佳动作，将作为一种广泛手段应用在战术制定、训练反馈中。

3.1.2 业务角度

根据经济学原理，供给由需求驱动，人工智能之所以在体育领域产生广泛的波及效应，跟体育的业务需求有关。首先，在竞技体育中迫切需要技术的加持。竞技水平的提高，离不开高效的科学训练与精确的比赛分析，智能技术在竞技体育中的融合与应用，恰恰可以在这两方面带来巨大的提升。例如，智能练习场馆与可穿戴训练监控设备，能够对运动员训练中的心率、血压、大脑活动、关节压力等指标进行即时分析，从而在提高训练质量的同时，避免过度训练造成疲劳及运动损伤；智能赛事分析系统，能够对海量比赛数据进行梳理，通过机器学习分析技战术得失，发现最有效的比赛完成方式。这些智能技术的应用，能够帮助我国竞技体育实现竞技项目结构的不断优化，在保持和巩固既有运动项目优势和成绩地位的基础上，追求新的竞技水平发展与超越。除了提升竞技表现需要人工智能，竞技体育管理的模式的创新和效率提升也离不开人工智能。不论是在个人竞技发展管理层面，还是在运动队（俱乐部）或者联赛（联盟）竞技发展管理方面，人工智能都可以通过大数据手段汇集个体数据，进而为管理者提供相关决策的辅助。其次，有数据显示有85%的健身参与者希望将人工智能、机器学习、云计算、虚拟设备等新技术手段融入个体健身活动中，基于项目智能选择、专家云指导等方式，选择符合自身健康状况，以及根据季节、环境、器械等客观条件制定健身项目和制定健身计划（新华网体育，2018）。不仅大众健身需要人工智能的介入，政府更好地管理全民健身也可以通过大数据手段汇集个体数据，对接社保、教育、医疗等系统，在场馆使用、设施维护、活动组织、公益培训、锻炼监督、紧急救助等方面，辅助政府部门提供宏观层面的科学决策与精准服务。最后，拓展体育产业内部的发展空间也需要人工智能的助力，《体育产业发展“十三五”规划》中明确提出，要推进体育产业与医疗、养老、旅游、教育等产业的融合。而如何融合，这个中介事实上就是人工智能。例如，通过机器学习分析赛事观赏者的消费特征，可以促进赛事观赏业与广告业的融合；通过对中老年人运动习惯与健康状况的大数据分析，可以促进健身休闲业与医疗、养老等行业的融合。这些产业融合不仅可以带动传统体育的业务线，还可以不断拓展、挖掘新的体育业务。

3.1.3 市场角度

体育“人工智能热”与体育市场繁荣的密切相关。市场化的特质在于一项技术只要有利可图便可推动运作。源于计算机的超级计算能力和大数据的发展，带来新的价值和发展资源。数据显示，在智能体育起步初期，截至2016 上半年，该领域新创业项目数量已达到667 家，获得资本市场投资的项目251 个，其中可统计时间的融资事件239 起，披露的融资金额217 亿（搜狐体育，2016）。此外，市场的繁荣也带来官方的推动，因为人工智能能够解决传统体育产业改革中的诸多问题，2014 年《国务院关于加快发展体育产业促进体育消费的若干意见》提出，到2025 年体育产业总规模5 万亿的目标。但从目前的情况看，利用对资本的投入以及劳动力推动体育产业发展的能力明显下降。这两个杠杆是传统的生产动力，它们已经不能利用自身的特点去推动体育产业总规模的增长繁荣。体育新技术的应用和新业态的成长成为体育产业重要的增长点，因此，官方对智能体育赋予了能够解决问题、促进体育产业发展的功能预期，国内各级政府竞相布局智能体育产业。如在省市一级，广东体博会打造了智能体育专区；浙江省举办了首届智能体育大赛；江苏省每年安排了上亿元体育产业引导资金构建覆盖全省的“智能体育”服务网络和平台，推动体育产业与电商相结合，鼓励利用智能手段扩大体育消费，加强体育场馆智能化建设；官方助推又进一步促进民间资本的进入，如此循环，使得智能体育的市场越滚越大。

3.2 我国智能体育发展的现状

3.2.1 竞技体育智能化不断推进

国外智能体育的发展源于竞技体育市场需求的推动。体育联赛为智能体育产品和服务创造了巨大的需求和发展空间。由于我国国内职业体育联赛竞技水平和市场化进程都相对落后，早期，智能体育在竞技体育领域的应用发展十分缓慢。随着人工智能价值的不断被正视，国内联赛外籍教练人数的增长以及他们所具有的以技术为基的执教理念，智能体育在竞技体育领域的应用也在不断推进。从目前来看，中超和CBA 联赛都初步形成了“数据采集－数据分析－数据应用”的产业链。从上游看，部分体育数据采集服务商获得目标赛事或球队的数据开发权，而后通过网络搜索、摄像头、可穿戴设备以及人工记录等途径来完成数据的采集。数据采集后进行云端数据储存。服务链中游的数据解决方进行数据分析、建模与深度挖掘产出相应结果，并最后进行产品化处理售卖给需求端，需求端主要包括B 端的体育俱乐部/联盟、博彩公司、体育媒体和C 端的运动员、彩迷和观众。

当前人工智能主要应用在竞技体育的以下环节：1）战术制定和赛事预测，根据采集的对手信息，目前利用动作捕捉和图像识别等技术，能提取更深层次和更多维度相关运动或赛事信息，结合机器学习分析本队各套战术效率效益来制定和改变战术打法，与之延伸出来的应用就是赛事预测，目前国内也产生了数十家智能数据分析公司，服务于国家队、中超及中甲俱乐部，为各级联赛提供定制化、专业级赛事分析报告。同时利用人工智能算法——结合比赛基本面、球队技战术数据、前方情报等多维度分析，并进行高频的实时算法决策，预测比赛结果和走向；2）运动员评估，选拔，基于采集到的运动员相关数据进行更深层次的加工，以获得衡量其各方面能力（攻、守、命中率/脚法、速度、效率等方面）的参数，评估运动员的目前及未来的价值，寻找最有潜力的运动员，通过研究各个运动员的比赛特点（位置、身体状况、性格、技术特点等）以及各个运动员之间的匹配度来组建理想的球队阵容。随着校园体育和青训的推广，运动员选拔方面的人工智能技术应用也迎来了发展契机，如中国足协针对U15青年队首次引入体育大数据模型，将训练数据和具体表现作为入选U15 青少年国家队的重要依据（人民日报，2016）；3）训练反馈，包括可穿戴设备在内的智能硬件技术可以通过深度采集运动员训练的数据，包括运动信息（如运动员动作速度、幅度、角度、力度）、运动习惯、心率、运动轨迹、奔跑距离、力量反馈和疲劳指数等多维度信息，同时实时更新至云端进行分析，相应的智能设备会调用数据库内的标准动作信息与录入的信息进行对比，将结果通过可视化的方式传递给运动员并向其反馈自身技战术特点，目前无论是国家队运动员还是普通的球员都或多或少借助人工智能技术反馈训练成果、改进训练；4）运动伤病预防，利用可穿戴设备和运动影像技术采集数据，采用统计模型和机器学习两种方法进行伤病预测。基于数据库中历史伤病数据的测算出的相关参数，可以在训练或比赛中提前预警运动员伤病发生的可能性并告知教练即时进行相关调整。随着国内联赛球员价值的提升和数据分析在国际联赛运动伤病预防中的运用例证增多，运动伤病预防在国内联赛的应用也在不断地增多。

3.2.2 全民健身智能化的逐渐普及

随着可穿戴设备的兴起及运动器械的智能化，全民健身正在向智能化、科学化不断迈进（温煦等，2017）。智能手环、智能眼镜、智能跑鞋等智能运动产品以及智能场馆、智能步道的出现，让运动参与者能实时、真实地记录自己的运动过程，形成系统性认识，甚至能通过智能化的数据分析，为自己制定相应的运动计划，摆脱盲目、无计划的运动方式。特别是最近几年，国内的智能健身房逐渐兴起。从目前智能健身房的发展态势来看，基本特点是，会员通过人脸识别或其他可穿戴设备完成门禁、跑步机、单车、操房、淋浴等自主化产品服务，通过智能设备在手机等终端工具上实时显示锻炼的数据变化，最后生成健身数据报告和反馈等。智能技术主要体现在：1）场馆的无人化，包括人脸识别打卡和启动设备，智能灯控、智能储物柜等，通过人脸识别、手环识别等技术对不同用户进行分辨，让用户可以自主进入场馆、打开储物柜等（懒熊体育，2018）；2）设备的智能化，包括数据驱动，为用户提供体脂称、运动可穿戴设备以及各种家用健身设备，场景驱动，通过智能设备掌握了用户在特定运动场景下生成的数据后，反哺课程体系，提供更针对性的训练，通过算法与产品去帮助用户制定健身目标以及生活方式的推荐。

3.3 我国智能体育发展的挑战

3.3.1 我国体育大数据尚未真正形成

大数据里相对于传统的数据而言的，涂子沛（2015）综合了不同观点，将大数据定义为那些大小已经超出传统意义上的尺度，一般的软件工具难以捕捉、存储、管理和分析的数据。体育大数据经过最近几年的快速发展，体量较为可观，但总体上我国体育大数据处于一个混沌初开的阶段。1）数据采集量的不平衡，在大众健身领域，运动人群主要集中在有较高收入的年轻人中，如智能健身APP“Keep”目前拥有1.7 亿的注册用户，3 500 万月活用户，但用户中30 岁以下的占比80%，一二线城市人群占比60%。另外，这部分运动人群偏好户外慢跑（65.3%）、远足徒步（46.1%）与家中健身（39.9%）（艾瑞咨询，2019）。因此，采集到的运动数据都集中在这部分领域，而其他人群和其他项目的运动数据明显缺失。数据采集量的不平衡导致存在数据失真、维度单一、不够完备和结构化不足等问题；2）数据采集都停留在初级运动数据上，运动数据按照类型和功能可以分为初级运动数据、中级运动数据和高级运动数据，初级运动数据即纯记录型的数据，包括步数、距离、能量消耗等数据。目前国内的数据采集都集中在初级运动数据的整合上，数据的深入分析和挖掘还远远不够；3）各类体育数据服务商系统间相互隔离，没有形成联动管理机制，比如在智能可穿戴设备上，数据共享受制于系统的孤立，形成一个个数据孤岛。系统整合困囿于开发主体的混杂，如各个数据服务商系统呈现百家争鸣的现象，技术的不兼容导致很难形成真正的大数据库。

3.3.2 智能体育消费需求未真正打开

从目前的市场情况来说，智能体育的消费概念尚未真正普及，国内智能体育产业尚缺乏统一的市场标准规则，消费者缺乏智能体育消费意识及消费习惯。虽然竞技体育领域已经开始重视投入大笔资金购入智能体育相关产品。但智能体育发展关键在于大众消费领域的增长。然而在大众消费领域，智能体育产品总体的普及率一般，根据笔者对全国智能体育消费的统计，消费者在智能体育产品或服务上的年消费金额最多的是无消费（37.7%）和1～500 元（37.7%），其次是501～1 000 元（12.5%）①该数据来源于笔者在承担国家体育总局《智能体育基础理论、现状、发展趋势及对策研究》项目中所作的调研，调研时间2018年12月。。这背后的原因主要跟目前智能体育产品“智能化”程度较低，价格较高有关。艾瑞咨询的调研数据也显示国内用户普遍认为智能体育产品科技感低于预期（占41.4%）、价格过高（占41.3%）和功能过于单一（占41.1%）（艾瑞咨询，2018）。虽然近些年智能体育产品不仅限于运动装备本身，越来越多的企业在获得一定的市场和较稳定的消费者群体后，趋向于提供“制造＋服务”的智能体育产品以扩展内容及市场，如传统体育设备制造商开始打造自主运动社交平台，传统运动健身APP 则倾向于结合成熟的核心技术或智能系统打造与自身APP 绑定的运动装备及器材。但随着目前智能手机运动健康类功能的日益强大，智能体育产品的诸多功能事实上可被手机替代，功能的同质化导致了大批用户的流失。

3.3.3 智能体育的监管制度未建立

随着人工智能技术的不断发展，技术的应用不可避免地带来负面影响。不少学者也开始审视人工智能工具异化的风险。刘正（2018）从伦理角度提出智能体育剥夺体育权利，对人异化和损害，需要完善法律规范和伦理规制。汪升（2018）从体育本体论出发，分析了智能机器在从事精英体育带来的伦理困境。杨春然（2018）揭示了大数据在体育领域的广泛应用给运动员隐私权带来的威胁。在体育领域，人工智能的工具异化风险主要表现在：1）受到开发局限性和数据准确性的影响，有可能在特定场景下发生决策错误，带来财产损失或人身伤亡，而产品的安全生产标准体系尚未建立；2）智能体育产品中用户数据安全性存在隐患。目前正处于大数据、云计算及人工智能新时代，数据的产生、交换与储存一方面方便人们了解自身的锻炼情况，管理健康；另一方面，由于云平台管理的不完善易造成大量用户隐私数据的泄露，将促使数据非法买卖成为可能，损害了用户的合法权益，并对用户造成伤害。但目前智能体育领域中用户信息风险管理机制、个人运动数据信息的保护机制都尚未建立；3）智能体育领域也存在算法歧视，即算法的设计都是程序员主观能动性的选择，隐含价值判断，并非一种完全价值中立的（丁晓东，2019）。

3.3.4 智能体育产业发展不平衡

从《国务院关于加快发展体育产业促进体育消费的若干意见》出台开始，我国智能体育企业如雨后春笋般产生，智能可穿戴设备、智能器材、智能健身休闲、智能体育内容制作都吸引了越来越多的资本的进入。但目前我国智能体育产业发展不平衡现象突出。

从企业所在城市来看，目前智能体育企业主要集中分布在北京、上海、广东、浙江等东部沿海城市，这些城市在经济发展、政策扶持、对外开放、技术开发等方面具有领先优势，为智能体育企业的发展提供较好的支持与保障，同时，这些城市也是国内智能体育的主要消费市场，拥有较大的消费者人群和潜在消费者数量。

从企业资本及规模上看，目前国内智能体育产业发展规模较小，小微型、中小型的初创企业偏多，以2018 年智能健身领域的融资数据为例，天使轮和A 轮的企业约占了65%（思博锐体育，2018）。另一方面，智能体育领域的大型企业主要为原有泛娱乐企业或高科技企业在资本投资、并购、上市下的转型升级。由于产业门槛低，近年来不少新兴企业涌入智能体育产业。产业标准和行业标准都难以建立，可持续发展能力有待考察。

4 促进我国智能体育发展的对策

4.1 政策层

4.1.1 出台宏观鼓励政策

伊融·马斯克发表的“人工智能威胁论”认为，人工智能是人类文明的最大威胁，会带来社会秩序的颠覆（沈向洋，2018）。但实际上，马斯克语境中人工智能主要指是“强人工智能”，即具备处理多种类型的任务和适应未曾预料的情形和能力。科学界普遍认为“强人工智能”的到来还为时尚早，目前我国智能体育虽高速发展阶段，但依旧是处于“弱人工智能”阶段。新中国成立以来，我国体育治理演进呈现出导向性。目前，人工智能逐渐上升为国家战略，国务院先后印发了《“十三五”国家科技创新规划》《“十三五”国家战略性新兴产业发展规划》《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划（2018－2020 年）》等文件，较为全面地阐释了人工智能产业发展中的核心问题，是我国人工智能浪潮中的顶层设计。

与其他产业相比，我们目前的体育产业对科技敏感度略有欠缺。机器学习、算法等新生事物尚未完全普及到体育产业中。立法部门和政府部门所接受的智能体育大多停留在终端产品的了解上，在科技的浪潮中，首先要意识到，人工智能能最大限度地解放体育生产力，因此要营造良好的制度土壤促进智能体育发展。具体来说需要出台以下宏观政策：1）智能体育产业落地政策，包括出台针对智能体育中小企业和初创企业的财税优惠政策，通过高新技术企业税收优惠和研发费用加计扣除等政策支持智能体育企业发展，引导市场力量，建立健全智能体育产业发展基金；2）推进各类智能体育产业创新发展，包括按照国家级科技创新基地布局和框架，例如推进智能体育场馆创新基地，引导现有与智能体育相关的国家重点实验室、企业国家重点实验室、国家工程实验室等基地，聚焦最新的智能体育产业的前沿方向开展研究，前瞻布局最新型智能场馆科技项目。

4.1.2 建立配套监管制度

以效率为导向的市场经济往往希望在理想的状态下最大限度提升人工智能的效益和作用，却往往忽视了人工智能作为一项技术，存在在复杂条件或被人为滥用时导致困境（Russell et al.，2010），这也为智能体育的隐患埋下伏笔。目前当务之急是明确监管主体和监管机构的职责，治理主体的缺位导致产业应用踟蹰不前，人工智能技术的监管有时候需要多个部门的协调和配合。理论上出现多种监管模式，一种是统一的监管，统筹监管人工智能产生的负面问题；一种是分散监管，分别由各行业主管部门、不同层级的政府主管部门分别根据不同的职责监管具体的问题（MU Scherer，2016）。体育领域具有专业性，无法生搬硬套其他行业的监管规范，因此在国家大政策背景下由体育的主管部门监管体育领域的问题更胜一筹。我国在筹建人工智能工作小组，建议在国家统筹监管下，各级体育行政部门在内部也设立智能体育的工作小组，明确智能体育的性质和发展模式，借鉴其他行业的监管经验，密切关注世界上智能体育的发展方向，构建智能体育的监管标准。

具体来说，智能体育必须要考虑到产品的准入问题，检验和确认是必要的步骤，由于现有的产品检验方法无法统一适用机器学习能力、适应能力不断提高的人工智能系统，需要对智能体育产品的测试和量化方案进行制度化，建立规范的行业标准，是改善AI 产品质量现状的前提条件。应在国家体育产业相关政策的指导下，参考国际同行业标准，建立符合我国国情和适用于国人身体机能的AI 智能化体育产品标准，明确AI 智能体育产品的定义、功能以及智能化程度分级制度。同时，需要开发用于智能裁判、人工智能教练员系统、智能场馆等训练、测试的公共数据集和安全环境，制定测量、评估智能体育的标准和基准。根据多国发布的政策，决策的透明度对监管十分重要，特别是竞技体育的裁判领域，预测领域，只有确保能够以非常直观、明确的方式对决策进行追踪，才能保障体育的公平公正（姚健，2018）。因此，在智能体育的监管中确立可追溯性，保障人工智能的行为和决策可事后追责，消除公众的不信任和偏见。体育的公平和算法的歧视存在矛盾，需要反映在监管政策中，同时数据的保护和利用需要平衡，监管部门需要采取有效的措施，如颁布数据使用准则，保证人工智能系统收集使用的数据被合理地限制，管理和控制。

4.2 技术层

4.2.1 建立完备的体育大数据库

由于体育大数据的不完整、不真实影响了智能体育的准确性，那就要为智能体育奠定一个良好的基础：建立完备的体育大数据库。体育大数据不是简单的大数据集中，而是依托数据库群进行大量小数据的获取、加工、整合、存储、使用的资源（刘强强 等，2016）。体育产业是跨行业的融合，整个产业的参与者众多，体育大数据必须考虑到已有的数据孤岛，打破行业、项目、地域界限，构建体育大数据协同运行机制，建立互联互通的大数据平台。

首先要在法律允许范围内，革新数据的收集方式，目前来看，体育大数据的采集方式主要有两种模式，分别是通过智能硬件反馈的信息进行数字化处理和通过视频转播信号或提前布场的摄像头对采集到的图像利用动作捕捉和图像识别技术提取相关运动和赛事信息。在通过腕表或运动手环测量心率、运动类型等指标的准确性不高，而通过视频信号或摄像头的数据采集服务一般需要获得目标赛事或球队的数据开发权。因此需要加强数据采集软硬件设施的发展，职业体育联赛广泛引进体育大数据，也刺激数据服务商在数据采集端的竞争。其次，实现全年龄层覆盖的智能体育，目前体育大数据还有一个问题就是，数据对象更多地集中在年轻族群，不会使用智能手机和智能运动装备终端的高年龄层人群还没有完全覆盖到，给大数据的多样性造成了很大的影响。未来，行业应该设计和研发更多适合老年人参与的智慧体育终端设备，或者加大力度建设智慧步道和智慧广场等，为中老年人的运动参与提供平台，也丰富数据的维度。

同时，如何将源源不断的体育大数据存储好并且利用搜集的数据进行分析是现在和未来都要面对的课题。海量的数据所拥有的商业价值需要通过数据挖掘手段将有价值的信息提取并转换成可理解的结构来体现。在这一方面，人才的缺乏是主要问题，需要发展和建设智能体育学科，尽快在相关体育类院校建立和增加智能体育相关学科方向的博士、硕士招生名额，培养具有体育与数学、计算机科学等交叉学科背景的智能体育大数据的人才队伍。

4.2.2 构建技术解决方案

随着智能体育的发展，算法歧视问题带来的法律和伦理冲击已经不容忽视。但是人工智能作为一种新的技术在发展过程中产生的问题很大程度也能够利用技术解决，形成“技术对技术”的打击。如在智能体育算法层，传统机器学习是分步骤进行的，每一步最优解不一定带来结果的最优，而深度学习技术的应用，使用了更多的参数，模型也更加复杂，模型对数据的理解更加智能，从最原始的数据特征出发，自动学习高级特征组合，从端到端，直接保证最终决策的最优性，有效降低了人工智能的负面效应。目前，智能体育相关的公司拥有最多的技术资源及风险的预见和处理能力，一定程度上可以构建技术解决方案，规避智能体育发展过程产生的问题。如通过设计实现公平，谷歌作为业界代表，在机器学习中提出“机会平等”这一概念，引入“歧视指数”，提出了如何设计公平的算法。在个人信息保护等方面也可以构建技术方案，目前已经广泛应用的隐私增强技术（privacy enhanced technologies），设计保护隐私（privacy by design）等可以在一定程度上保护个人的信息（Pardau et al.，2017），特别是健身运动信息中的生物识别信息（邱洪华，2017）。

4.3 市场层

4.3.1 优化产业结构

在产业层面，促进智能体育的发展关键在于传统体育用品和传统体育服务业的智能化。具体来说，以智能制造推动传统体育用品制造业转型升级：1）通过智能化集成系统等手段打造数字化、智能化工厂，提高生产过程中的数字化、智能化水平；2）体育用品制造业企业积极发挥大数据、云计算、物联网等技术应用，联合产业链上下游企业共同打造网络化智能制造平台；3）鼓励企业加强研发投入，生产具有自动感知、自动识别、自动判断能力的智能体育产品。

以智能化推动传统体育服务业转型升级：研发不同运动项目大数据采集、存储、处理等技术瓶颈，构建运动群体大数据平台，研发运动可穿戴设备与家庭智能检测监设备的关联，推动；运动健康管理从点状监测向连续监测、从短流管理向长流管理转变；突破虚拟现实、物联网等关键技术与赛事融合瓶颈，构建智能赛事管理系统；鼓励职业赛事、大型赛事运动场馆安装赛事数据分析系统，提高赛事的观赏性与运动效率；建立以学习者为中心的智能体育教育环境，提供精准推送的智能体育教育服务；鼓励利用VR 技术虚拟体育训练，在互动与沉浸中愉快、高效学习；推进虚拟现实体育关键技术的研发，鼓励虚拟高尔夫、虚拟赛车等虚拟体育现实的快速发展，鼓励建立虚拟现实体育实验室（张元梁等，2017）。

4.3.2 促进体育消费

受众基础不佳、大众消费需求不旺是制约我国智能体育产业发展的重要原因。然而国外的Jow bone UP、Nike fual band SE 等在我国受到热捧，其高性能给国人带来了极高的用户体验，特别是参与者的沉浸式体验。流畅的消费体验自然而然地形成消费增长粘性。我国目前的智能体育产品定位在时尚性体育产品，时尚性产品的市场有个重要的特征，就是非线性的爆发性增长，然而爆发期过后往往会经历断崖式的销量下滑。这一方面由于受众人群集中在年轻人，市场基础薄弱，另一方面，时尚性产品往往专业性不足。因此促进智能体育消费，首先要从时尚性体育产品过渡到“时尚＋实用”性体育产品，充分借鉴国外成熟的智能体育产品的发展模式，结合我国体育参与群体的特点，鼓励智能产品在原有功能的基础上找到与体育新的契合点，扩大智能体育产品的受众人群，重心逐步由年轻人向幼儿体育、老年人体育、残疾人体育等领域扩展。此外，还要创新营销模式，改善受众基础。我国有先进的网络应用技术和庞大用户群体支撑（江小娟，2019）。如何利用智能体育自身的特点，结合互联网的营销模式，利用大数据精准对接用户，提高营销反馈的及时性，根据消费动向升级换代产品，通过对受众基础的适应和持续改善，促进智能体育发展，提高消费的忠诚度。

5 总结

我国体育产业一直高度重视科技的作用，在经济新常态下，更加需要科技革命来促进体育产业的转型升级，人工智能技术无疑是目前科技的最高水平，能最大限度地解放“体育生产力”，尤其在新型运动项目的发展方面有助于维持我国竞技体育高水平的发展和体育产业高速度的增长，更是促进体育消费的有效武器，可以有力促进我国人民体育消费观念的改变、获得流畅的体育消费体验，强化持续的体育消费行为。在科技的浪潮中，要大力发展智能体育，促进体育产业转型升级，但同时也要意识到我国目前体育大数据技术的薄弱和智能体育产业发展初级阶段的现实，在人工智能这一技术的快变量下，着眼于体育的慢变量。一方面政策层面上进一步推动其发展，另一方面从技术和法律层面上有效控制其社会风险。概言之，在科技时代，要拥抱并审慎对待智能体育，推动竞技体育和群众体育的协同进步，为我国体育强国发展目标的早日实现打下现实基础。