梁楠楠，李亞玲

體育是人類社會化進程中的產(chǎn)物，符合人類追求精神文化進步的需要，是促進民族團結(jié)、經(jīng)濟發(fā)展的重要抓手。“十四五”規(guī)劃中，建設(shè)體育強國被納入其中。人工智能(Artificial Intelligence，下文部分簡稱維AI)是指通過硬件或軟件對人類能力進行模仿，例如視聽感知、語言理解、經(jīng)驗學習等能力。作為第四次產(chǎn)業(yè)革命的核心驅(qū)動力，AI技術(shù)的快速發(fā)展已經(jīng)深刻改變?nèi)藗兩a(chǎn)生活習慣，其支撐下的數(shù)字化改革進程正在逐漸重塑社會治理體系，而體育的發(fā)展范式也在第四次產(chǎn)業(yè)革命浪潮中被重新定義。本文從人工智能體育融合發(fā)展視角出發(fā)，首先介紹人工智能技術(shù)在體育領(lǐng)域應用沿革，隨后透過交互視角分析人工智能對于體育世界中各角色的替代或者協(xié)助作用。最后探討當前人工智能技術(shù)應用于體育領(lǐng)域面臨的問題與挑戰(zhàn)，并對未來發(fā)展進行展望。

1 人工智能體育融合發(fā)展沿革

相比于交通、醫(yī)療等其他商業(yè)領(lǐng)域，目前AI技術(shù)在體育領(lǐng)域的運用存在相對滯后，但審視體育自身發(fā)展進程，相比于以往也已發(fā)生較大變化。AI技術(shù)對于體育領(lǐng)域的影響廣泛且深遠，分布在競技體育、學校體育和大眾體育等各個方面，推動體育競技水平不斷提升、體育文化傳播更加廣泛、體育活動組織更加高效、體育教學更有成效，是AI改變該領(lǐng)域傳統(tǒng)發(fā)展模式的一個典型案例[1]。

體育領(lǐng)域與AI融合進程也隨著智能技術(shù)快速發(fā)展也不斷更迭進步。有學者通過對1995-2020年期間的體育AI的期刊文章中的關(guān)鍵詞分析，將AI在體育領(lǐng)域的應用由遠及近分為簡單活動識別與能量消耗測算、運動畫面分類研究、體能與技戰(zhàn)術(shù)分析與預測、動作分析與損傷防控研究、復雜背景中人體動作識別這五個由簡單到復雜的逐步進化的場景[2]。而隨著AI硬件和算法不斷升級迭代，統(tǒng)一場景前提下的AI解決方案的有效性也在不斷提升。

電影《奪冠》中描述了早在20世紀80年代，美國女子排球隊就已可以通過計算機準確模擬出每一個運動員的打法，這是AI早期的雛形。近十年來在球類比賽中廣泛運用的“鷹眼”技術(shù)，通過高速攝像頭多視角同時捕捉球體飛行軌跡，瞬時準確精準計算并即時成像的運動路線及落點[3]，是早期AI解決方案代替人眼實現(xiàn)高精度判斷的典型運用。該技術(shù)最早運用于板球和網(wǎng)球領(lǐng)域，隨后隨著深度學習技術(shù)發(fā)展是的鷹眼系統(tǒng)逐漸推廣到排球和羽毛球等隔網(wǎng)球類運動當中。近期面世的全球首款AI乒乓球發(fā)球機器人，從起初的傳統(tǒng)發(fā)球機進化到具備球拍接發(fā)球的深度學習模型，能夠通過學習實現(xiàn)國家級教練水平的發(fā)球，宣示進入了AI在體育領(lǐng)域運用的新紀元[4]。

此外一個歷史趨勢是相比于以往的純“軟件”模式，應用于體育領(lǐng)域的AI解決方案也逐漸向“軟件+硬件”模式轉(zhuǎn)變，即AI硬件+認知計算，例如基于慣性傳感器的智能穿戴設(shè)備、基于圖形處理器的計算機視覺分析和以自然語言理解為核心的深度學習算法，共同構(gòu)成智能體育發(fā)展的驅(qū)動力[5]。

可以看出，AI技術(shù)在體育領(lǐng)域的運用從早期關(guān)注機器學習以及機器學習的典型算法人工神經(jīng)網(wǎng)絡(luò)，到之后智能感知與知識計算等AI技術(shù)運用于運動場景識別和計算分析，AI技術(shù)的升級極大拓寬了體育領(lǐng)域的研究視野，推動體育事業(yè)邁向數(shù)字化發(fā)展的新時代。

2 人工智能體育融合發(fā)展現(xiàn)狀

體育本身與人體活動緊密聯(lián)系，因此AI技術(shù)在體育領(lǐng)域的運用與對于人體活動的捕捉、理解和分析息息相關(guān)。總體可分為面向運動人員的技術(shù)動作分析、運動損傷預防，面向教練員的陪練機器人、戰(zhàn)術(shù)優(yōu)化分析，面向賽事裁判的智能裁判和輔助判罰、面向體育媒體的精彩賽事畫面識別等。

2.1 AI+教練員

教練團隊是保障運動員訓練水平和成果的核心要素，通常承擔了指導訓練、陪練、戰(zhàn)術(shù)分析等工作。AI技術(shù)為教練員提供的支持有智能機器人解放陪練等重復性工作，以及團體運動的戰(zhàn)術(shù)優(yōu)化分析。

2.1.1 科學訓練輔助

2020東京奧運會賽事中，共有22項世界紀錄被打破，運動員技戰(zhàn)術(shù)水平屢創(chuàng)新高，離不開先進技術(shù)和科學訓練方法加成，其中就包括AI起到的訓練輔助作用。

運動員在日常運動訓練中，對于技術(shù)動作的精確度要求極高，因此需要有更高精度的設(shè)備系統(tǒng)能夠協(xié)助對其中技術(shù)動作進行識別和分析。構(gòu)建超越人類感知能力的視覺獲取手段，呈現(xiàn)人類“看不清”“看不準”“看不到”的內(nèi)容。在實際應用中，一般首先通過高速攝像機和對應的重建算法對高速運動視頻進行智能采集，并實現(xiàn)視頻數(shù)據(jù)智能整理。其次大腦3D視覺技術(shù)以及深度神經(jīng)網(wǎng)絡(luò)技術(shù)可以使采集到的2D視頻投射出三維的姿態(tài)，把運動過程的一系列動作定格到三維空間上，還可以在空間中全維度自由旋轉(zhuǎn)觀看。最后利用深度學習算法識別運動軌跡和姿態(tài)，以及海量視頻數(shù)據(jù)對智能評估系統(tǒng)進行訓練，對標最佳水平或技術(shù)標準，生成個性化的改進策略，幫助教練實時調(diào)整訓練方法，提升訓練效率和效果。該類別AI技術(shù)已經(jīng)利用于跳水、自由式滑雪等打分類項目訓練當中[6,7]。

2.1.2 智能陪練機器人

在以乒乓球為代表的球類運動中，發(fā)球機很早就被運用于日常訓練當中，但是傳統(tǒng)發(fā)球機器人旋轉(zhuǎn)、球速、方向都不會變化，無法實現(xiàn)預期訓練效果，而現(xiàn)今的陪練機器人在AI技術(shù)加持下被賦予了更多的“智慧”。當前乒乓球機器人分類兩類，一類是以發(fā)球訓練為核心功能，更符合用戶實際需求，一類是以對打訓練為核心功能，更能體現(xiàn)AI技術(shù)。

智能發(fā)球機器人的兩大技術(shù)關(guān)鍵是對乒乓球運動軌跡高精細度的捕捉和實時采集，以及模擬多變的發(fā)球路線、速度、旋轉(zhuǎn)的發(fā)球功能。例如乒乓球發(fā)球機器人龐伯特的解決方案中利用高通機器人RB5平臺，能夠以20億pixel/s的處理速度，快速且全面的滿足機器學習的大量推理需求。配套的5G網(wǎng)絡(luò)模組了滿足乒乓球機器人對數(shù)據(jù)通信低時延的要求，實現(xiàn)后端實時反饋運動員接發(fā)球的質(zhì)量[8]。

另一款可以對打的乒乓球機器人FORPHEUS則主打其“主動學習+綜合推理”的AI技術(shù)能力。FORPHEUS能夠通過對打來記住人的特征，隨之通過人體信息、球的軌跡、球拍揮舞方式等對球手的水平進行判斷，并基于自己積累的數(shù)據(jù)自我學習，通過改變回球方法選擇更為適合個人的實際情況的方式進行對打，實現(xiàn)與人類對打逐步學習提升其球技水平。在高精度算法加持下，F(xiàn)ORPHEUS檢測乒乓球的速度和旋轉(zhuǎn)已經(jīng)從過去每秒鐘80次進化到每秒220次，計算誤差可以小于5mm[9]。正在研發(fā)的第六代FORPHEUS將聚焦情緒感知技能，依托圖像傳感捕捉一系列表情、視線、心率等人體信息，評估人類對手的技術(shù)水平和情緒狀態(tài)。同時搭載的Meta-AI技術(shù)將分析并制定可以調(diào)動對手情緒的回球與對打計劃，提高人機互動趣味性[10]。

二者根據(jù)不同類別的用戶需求，解放重復性較高的陪練工作，使教練能夠更多地觀察運動員的技術(shù)動作，提高訓練效率。另一方面，對打機器人可以通過高質(zhì)量的人機互動，增強人機互動的趣味性，提高大眾對于體育運動的熱情。

2.1.3 戰(zhàn)術(shù)分析優(yōu)化

AI強大的運算能力引發(fā)了對其應用于復雜運動項目戰(zhàn)術(shù)分析的好奇。足球運動的環(huán)境、參與人、運動路線等要素環(huán)境都更為復雜，游戲規(guī)則比其他球類更小，具有更大的球場、更多球員參與、更長不間斷比賽時間、較少球員更換等特點。因此相比于籃球、棒球、網(wǎng)球其他球類幾十年前就開始利用數(shù)據(jù)進行預測分析，足球這項運動近幾年才剛開始向大數(shù)據(jù)科學靠攏，計算機視覺、統(tǒng)計學習、博弈論等近年來已經(jīng)被證明能夠為管理層、教練和球員的決策提供有效支持。

該領(lǐng)域當前研究聚焦統(tǒng)計學習、計算機視覺和博弈論的交叉研究等足球AI技術(shù)前沿，例如博弈論與機器學習結(jié)合的用于學習在其他代理存在的情況下做出有效決策的智能系統(tǒng)。研究的長期目標是能夠開發(fā)一個可以理解足球比賽，并且指導球員的自動視頻助理教練。例如博弈論模型可以用于分析點球時球員射門選擇，研究發(fā)現(xiàn)一個群體更喜歡射向球門口的左角，而另一個群體則更傾向于射向左右兩個角；幽靈模型用于提出備選的球員軌跡，獲得比賽過程的關(guān)鍵洞察力[11]。相比于其他體育領(lǐng)域，AI用于戰(zhàn)術(shù)分析更類似與類腦智能與群體智能，是人工智能2.0時代的發(fā)展前沿，同時考慮到倫理問題，該項技術(shù)在實際社會中的運用仍在發(fā)展過程中[12]。

2.2 AI+運動隊醫(yī)

以知識計算引擎技術(shù)為代表的AI技術(shù)對于運動損傷預防具有重要應用意義。人體是一個極其復雜的系統(tǒng)，會同時受到自身和外部環(huán)境影響，且在時刻動態(tài)變化環(huán)境中微妙地保持一個穩(wěn)定狀態(tài)，但這種穩(wěn)定狀態(tài)也很容易被打破，且難以解釋，意外運動損傷就是一個難以解釋的現(xiàn)象。運動損傷通常是由包括內(nèi)外部因素在內(nèi)的多因素共同導致的，傳統(tǒng)的統(tǒng)計學方法難以應用于解釋運動損傷作用因素。而基于人工神經(jīng)網(wǎng)絡(luò)的深度機器學習模型可以分層方式捕獲復雜的模式，通過數(shù)據(jù)驅(qū)動的學習過程識別觀察變量的非線性函數(shù)，從而建立復雜系統(tǒng)模型[13]。

AI技術(shù)對于運動損傷預防的另一個視角是評估運動員受傷的風險，例如根據(jù)運動員步態(tài)進行疲勞分析[14]，提前預測損傷。巴塞羅那足球俱樂部曾構(gòu)建一個了一個決策樹分類器模型，根據(jù)球員最近訓練工作量預測他們是否會受傷。測試結(jié)果顯示利用隨機森林與邏輯回歸算法，決策樹分類器可以50%左右的準確率預測80%的損傷類別，有助于俱樂部有效控制傷病，減少賽季中的醫(yī)療開銷[15]。

此外，機器學習的所需要的數(shù)據(jù)也越來越依靠AI硬件的支持。AI 芯片的發(fā)展推動智能前移的新型傳感器件的研發(fā)，其中典型應用即可穿戴設(shè)備，可通過人工活動感知，連接、計算等實現(xiàn)運動員活動數(shù)據(jù)收集，這為運動損傷風險評估或預測的機器學習算法提供更龐大的數(shù)據(jù)規(guī)模支持。可穿戴智能設(shè)備目前已經(jīng)被廣泛應用于各項運動的人體活動監(jiān)測，并與機器學習等AI技術(shù)結(jié)合使用。例如已經(jīng)投入生產(chǎn)的一款“數(shù)據(jù)統(tǒng)計緊身衣”，通過安裝在球衣內(nèi)的傳感器，追蹤運動員肌肉、心率、神經(jīng)等身體機能的運作方式，實現(xiàn)訓練過程數(shù)據(jù)同步采集。隨之連接以往無數(shù)次的運動數(shù)據(jù)，計算出一套最適合該球員的運動方式[16]。

2.3 AI+比賽裁判

在賽事判罰輔助方面，以視覺感知以及智能計算為主的AI計算已在球類運動、田徑、競技體操等具有明確規(guī)則的比賽項目中被廣泛運用，用于實現(xiàn)人類肉眼更難感知到的畫面。比賽中AI裁判的一項重要工作是捕捉運動畫面，動作分析，對標規(guī)則的打分分析。與之前用于輔助運動員訓練的AI技術(shù)類似，輔助裁判的AI技術(shù)同樣多為對高速運動物體或人體動作的捕捉，尤其是對于復雜環(huán)境、目標被遮擋、超出攝像頭視線等情況，需要通過智能計算技術(shù)，進行大量數(shù)據(jù)訓練，對目標運動軌跡進行計算推測落點?！苞椦邸毕到y(tǒng)、視頻助理裁判(VaR)等都運用了視覺定位、語言與知識理解等人工智能技術(shù)。并且隨著人工智能技術(shù)不斷迭代，以自監(jiān)督學習為代表的新一代人工智能技術(shù)，能夠賦能計算機視覺領(lǐng)域，完成相對位置預測、填補、旋轉(zhuǎn)、運動方向預測等任務(wù)，鷹眼系統(tǒng)也隨之不升級，并被逐漸推廣到羽毛球、足球、游泳等運動當中。AI在跟蹤運動員的表現(xiàn)以及各類型動作方面發(fā)揮著越來越大的作用。

在對動作進行評估打分方面，AI裁判可能會比人類裁判更準確，并且不像人類一樣容易受到主觀意志影響。剛結(jié)束的東京奧運會首次采用了AI評分科技，系統(tǒng)通過向選手的身體及其周邊投射紅外線追蹤運動員的動作，實時轉(zhuǎn)換成三維立體圖像?；谠搱D像AI對比賽中的旋轉(zhuǎn)和扭動等動作做出分析，結(jié)合已經(jīng)建立的評分模型，評估運動員技術(shù)動作[17]。

展望未來完全由智能裁判評分的體育領(lǐng)域，由于跳水項目的環(huán)境相對簡單，跳水有望成為第一個使用計算機視覺進行自動評分的項目[18]。但不得不承認的是，AI技術(shù)在比賽裁判中所體現(xiàn)的技術(shù)先進性略微落后于戰(zhàn)術(shù)分析、培訓等其他體育領(lǐng)域，并且裁判在比賽中的作用距離被AI所取代仍有相當之長的距離。

2.4 AI+體育媒體

體育媒體需要對賽事視頻進行人工識別和剪輯，以向為收看直播的觀眾呈現(xiàn)精彩的比賽瞬間，同時及時撰寫體育賽事新聞稿，第一時間傳遞比賽結(jié)果。當前機器人寫新聞在國內(nèi)外各大知名體育媒體中已成為常態(tài)，并且寫作速度和報道速度遠超人工采編。目前美聯(lián)社WordSmith、華盛頓郵報Heliograf、紐約時報blossom，國內(nèi)則有新華社“快筆小新”、第一財經(jīng)“DT稿王”、今日頭條xiaomingbot，寫作機器人極大提高了文字新聞傳播效率。

如果說機器寫作是弱AI階段，那么AI自主識別、歸類和標注視頻以及圖片則是機器人寫作基礎(chǔ)之上的又一AI技術(shù)升級，在當前以短視頻傳播為主流媒體的時代，可以有效提高體育媒體工作效率。騰訊體育與IBM合作開發(fā)的“IBM AI Vision視覺大腦”技術(shù)，首先采用了多模態(tài)深度學習建模技術(shù)、通過對人臉、聲音、表情和動作進行像，并從人與物體的運動關(guān)系中，“讀懂”籃球比賽的邏輯。其次該技術(shù)能將自主學習成果生成神經(jīng)網(wǎng)絡(luò)，迅速識別、標注、評分和剪切百萬分鐘的視頻，形成結(jié)構(gòu)化數(shù)據(jù)。最后，該技術(shù)能生成主觀情緒，例如霸氣、穩(wěn)定等主題，找到對應的視頻素材，進行剪輯配樂[19]。

2.5 AI+健身教練

疫情的發(fā)展讓人們居家時間延長，居家健身逐漸成為一種新常態(tài)，由此衍生出對于虛擬健身教練的市場需求。大眾健身領(lǐng)域一款名叫“智能健身鏡”的產(chǎn)品主打“硬件+內(nèi)容+服務(wù)+AI”模式，可以識別人體健身作用并提供專業(yè)糾正，解決了健身教練不專業(yè)、健身服務(wù)供給不足的問題。該產(chǎn)品中的AI解決方案被稱之為真實世界環(huán)境下的情景理解及人機群組協(xié)同，能夠跨越非結(jié)構(gòu)化信息與語義知識間的鴻溝。其核心技術(shù)是利用3D攝像頭和姿態(tài)識別算法抽取人體動作模型，將非完整非結(jié)構(gòu)化的信息處理成結(jié)構(gòu)化數(shù)據(jù)，并與已經(jīng)置入系統(tǒng)的專業(yè)教練級別標準姿態(tài)模型進行比對并給予反饋。目前智能健身鏡已經(jīng)能夠達到L4級別的人機交互，反饋時延在300-400毫秒，實現(xiàn)對用戶動作的實時捕捉、實時糾錯，系統(tǒng)地分析訓練數(shù)據(jù)并通過OTA的形式不斷迭代升級并在向L5級別發(fā)展[20]。

3 人工智能體育融合發(fā)展面臨的問題與挑戰(zhàn)

3.1 融合進程緩慢

AI技術(shù)的前沿運用與體育領(lǐng)域的融合進程相對其他產(chǎn)業(yè)領(lǐng)域較為緩慢。目前AI在自然語言處理、計算機視覺等智能感知領(lǐng)域成熟度已經(jīng)很高，計算機視覺甚至已經(jīng)超越人類水平。已經(jīng)進入了認知智能的發(fā)展階段。而目前應用于體育領(lǐng)域還多為單一視覺媒體，僅體育媒體涉及了跨媒體智能。新一代人工智能尚未與體育形成有機融合，例如戰(zhàn)術(shù)優(yōu)化分析等還在初級階段，預期功能還沒有完全實現(xiàn)。另一方面，出于體育運動應用人工智能的可選擇性與倫理問題，尤其是競技體育領(lǐng)域，對于如何讓人工智能更好地融入還存在較大爭議，人工智能對于身體主體的替代是引起倫理爭議的根本性擔憂[21]，此外，盡管體育產(chǎn)業(yè)具有巨大的規(guī)模潛力，受限于目前仍然較高的經(jīng)濟成本，人工智能在業(yè)余體育運動、健身運動等大眾體育和校園體育中的運用還不普及，未來隨著人工智能技術(shù)經(jīng)濟成本下降有望成為體育與人工智能融合發(fā)展的主要切入點。

3.2 倫理問題突出

人工智能的應用帶來的倫理爭議已經(jīng)引起社會、政府的廣泛關(guān)注，這在體育領(lǐng)域也不例外。這份關(guān)注以阿爾法圍棋(Alpha Go)在2016 年戰(zhàn)勝了職業(yè)九段棋手李世石為里程碑，之后關(guān)注熱點指數(shù)上升。未來人工智能在體育領(lǐng)域應扮演什么角色、機器人是否被允許與人類一起比賽、人工智能對比賽觀賞性的影響、人工智能誤差率，這些均引起了全球范圍內(nèi)體育發(fā)展的社會學思考。例如利用大量數(shù)據(jù)對人工智能進行訓練過程可能涉及運動員的肖像權(quán)或個人隱私等問題[22]。以及基于早期人工智能技術(shù)的VaR系統(tǒng)近幾年才被引入足球比賽中，是因為受到較大的爭議。足球界反對聲音的主要觀點是裁判需要一定時間借助VaR確認最后判罰，使比賽時間碎片化，這與足球比賽的特點不符，大幅降低足球比賽的觀賞性和連貫性。

另一方面，人工智能技術(shù)的發(fā)展需要大量資金投入，這背后代表了一個區(qū)域或者國家的科技競技實力，懸殊的國家對比賽結(jié)果的影響極大，而這會進一步加劇全球不平等，使得本公平的體育賽事?lián)诫s較多資本和政治因素，違背了體育競爭公平性原則。2008年北京奧運會游泳比賽中，鯊魚皮泳衣助力打破了游泳比賽中的25項新世界紀錄中的23項，但隨后2010年國際泳聯(lián)正式在全球賽事范圍內(nèi)禁止非天然紡織物泳衣的使用。這是第一次在體育界宣布拒絕科技綁架體育[23]。未來在需要裝備的體育比賽中，隨著人工智能與體育的深度融合，類似的爭議案例將不可避免，有必要提前做好各類應對策略。

目前各國已發(fā)布了若干針對人工智能應用的倫理準則，如英國的《英國人工智能發(fā)展的計劃、能力與志向》報告、歐盟委員會的《人工智能道德準則》、我國的《人工智能行業(yè)自律公約》等，都為人工智能與體育融合發(fā)展提供了一定保障。未來更具有針對性的人工智能與體育產(chǎn)業(yè)融合發(fā)展的倫理道德規(guī)則和技術(shù)規(guī)范亟須完善，以保障AI 與體育的有機、良性融合。

3.3 復合型人才短缺

體育本身即為交叉學科，涉及人體工學、運動科學、心理學、社會學、經(jīng)濟學等多個領(lǐng)域。融入人工智能之后，其可應用的場景也需要研究人員相應的融合多學科知識，對于人工智能體育的研究提出了一定挑戰(zhàn)。另一方面此前中國體育發(fā)展模式多依靠舉國體制，體育產(chǎn)業(yè)發(fā)展不成熟，相應的產(chǎn)學研合作不充分，領(lǐng)域之間割裂較嚴重，導致同時具備體育和人工智能背景的復合型人才稀少[24]。

隨著國家社會經(jīng)濟向好發(fā)展，中國體育產(chǎn)業(yè)的發(fā)展?jié)摿臻g已經(jīng)顯現(xiàn)[25]。加之社會變遷也讓極大改變了群眾對于體育運動的看法，人們對健康的重視程度更進一步加速體育產(chǎn)業(yè)化進程，業(yè)余體育運動、健身休閑、體育旅游等產(chǎn)業(yè)的發(fā)展。體育產(chǎn)業(yè)市場率先孕育出了一批對智能體育的需求，吸引一些企業(yè)開始投入AI+體育的產(chǎn)品研發(fā)中，并開發(fā)了一系列各類體育場景下的人工智能產(chǎn)品，也為培養(yǎng)AI+體育的復合型人才創(chuàng)造了良好的發(fā)展土壤。

4 人工智能與體育融合的發(fā)展展望

目前逐漸呈現(xiàn)AI技術(shù)與體育產(chǎn)業(yè)深度融合發(fā)展趨勢。在體育場景應用較為廣泛的主要是智能感知技術(shù)等，由計算機視覺，智能計算芯片與系統(tǒng)、深度學習等技術(shù)共同構(gòu)成，以及大數(shù)據(jù)智能為代表的智能計算技術(shù)。一方面此類技術(shù)深刻改變傳統(tǒng)體育產(chǎn)業(yè)發(fā)展模式已成為不可逆轉(zhuǎn)的趨勢，并且推動體育產(chǎn)業(yè)前所未有的高效和快速發(fā)展。

AI技術(shù)對于體育場景的支持處于相對初級階段。目前AI技術(shù)在體育場景中的運用以提升觀眾的賽事觀看體驗，以及輔助運動員訓練和裁判判罰為主，未來隨著體育場景中的需求更加深入和多元化，AI有望完全取代人工判罰、體育媒體、體育場館運營、健身教練等領(lǐng)域，并將反之推動AI技術(shù)的進一步發(fā)展與進步。體育項目的業(yè)余愛好者、健身娛樂、校園體育等領(lǐng)域?qū)蔀槿斯ぶ悄荏w育融合發(fā)展的切入點，并將在大眾體育和校園體育的落地中形成更蓬勃的生命力。

配套支撐方面，關(guān)于AI技術(shù)輔助運動員參與比賽存在不可忽視的倫理爭議，因此需要AI技術(shù)運用的倫理也需要格外關(guān)注，注重人工智能體育的健康發(fā)展，而不是成為進一步擴大不平等的動因。此外，人才是產(chǎn)業(yè)發(fā)展的核心驅(qū)動力之一，AI+體育的產(chǎn)學研合作有望加強，以培養(yǎng)更多復合型人才，滿足擴張中的市場需求。