AI加速運動科學發展（郭德偉）
本文作者郭德偉（Andy Kwok），為數據及人工智能素養協會 (DALA)資深創會會員 兼 OpenCertHub 創辦人及行政總裁 ，為《EJTech》撰寫專欄
過去十年，香港在體育方面的整體表現令人鼓舞。香港運動員在不同級別的國際賽事以至奧運舞台上展現出強勁競爭力，勇奪多面獎牌，獲得國際社會廣泛肯定，亦為香港市民帶來莫大自豪。這些成就不僅源於運動員本身的努力與堅持，亦有賴於訓練團隊在策略部署、數據分析與專業支援上的長期投入。正因如此，近年投身運動科學領域、或立志成為專業運動員的年輕一代明顯增加。
AI體育產業市場潛力龐大
在這樣的背景下，人工智能的快速普及，正為運動科學發展帶來新的動能。若從市場規模觀察，這一趨勢已十分明顯。根據市場研究機構 The Business Research Company 於今年三月發表的報告，全球 AI in Sports Market 預計將由 2025 年的 30.8 億美元增長至 2026 年的 39.9 億美元，年均複合增長率達 29.4%。帶動增長的主要因素，包括職業運動聯盟持續擴張、視頻分析技術普及、運動員表現優化投資增加、體育轉播收入提升，以及可穿戴設備的廣泛應用。
展望未來，市場增長仍具相當強勁的持續性。到 2030 年，全球運動人工智能市場規模有望達到 110 億美元，並維持約 29% 的年均複合增長率。推動因素將包括 AI 在教練決策中的應用、即時運動數據的普及、球迷對個人化體驗的需求上升、智能化體育場館的拓展，以及 AI 驅動的預測分析在人才招募中的應用。整體而言，人工智能已由單純的輔助工具，逐步轉化為推動運動科學創新的核心力量。
為運動科學打造的AI模型
然而，市場潛力要真正轉化為專業價值，仍有賴於實際可落地的技術方案。現有不少運動人工智能系統，主要集中於動作評分與結果可視化，但在自動化性能診斷與可解釋訓練指導方面，仍有不足之處。隨着大語言模型 (LLM) 與運動科學的結合日益深化，新的整合方法正逐步突破這些限制。去年 12 月，中國科學院大學、中國科學院自動化研究所及北京體育大學等機構聯合發表的研究，提出了 SportsGPT——一個基於大型語言模型，以可解釋性為核心的體育運動評估與訓練輔助框架。
該框架實現了運動數據由時間序列輸入到個人化訓練建議的完整閉環。首先，研究團隊引入 MotionDTW 雙階段時序對齊演算法，從骨架動作序列中準確擷取關鍵影格。其後，KISMAM (基於知識的可解釋運動動作評估模型) 透過比對運動者與目標模型的差異，生成具可解釋性的評估指標，例如「動作幅度不足」等具體診斷。最後，團隊提出基於 Qwen3 構建的 SportsRAG，透過檢索增強生成技術，結合超過 60 億詞元的運動知識庫，為模型生成更具專業水準的訓練建議。
從「動作評分」邁向「訓練處方」，SportsGPT 的意義不僅在於技術整合，更在於它展示了垂直領域模型的真正價值。在高要求的體育訓練場景中，通用型大模型並非萬能，真正的突破來自於深耕領域、理解專業的系統框架。MotionDTW 解決的是「看得準」的問題，KISMAM 回應的是「懂診斷」的需求，而 SportsRAG 則進一步打通「會教學」的應用環節。運動員不再只面對冷冰冰的數據，而是可以獲得有依據、可執行的專家級指導。
巴塞創新中心的啟示
如果說 SportsGPT 代表的是學術與技術融合的探索，那麼巴塞羅拿球會 (FC Barcelona) 的 Barça Innovation Hub (簡稱 BIHUB)，則展示了體育機構如何把科研思維轉化為長期的產業策略。BIHUB 於 2017 年成立，匯聚球會內部的創新、研究與培訓項目，目標是把球會打造成體育產業中的知識與技術樞紐，並與大學、初創企業及投資夥伴合作，推動運動科學、醫療、營養、科技研發及球迷體驗等範疇的跨領域發展。BIHUB 的出現，呼應了現代足球的兩大趨勢：(一) 競技層面愈來愈依賴數據與科研支持；(二) 球會管理愈來愈重視內容、科技與球迷互動的整合。球會不再只是訓練與比賽的機構，更是研究、產品測試與知識輸出的平台。這種策略性定位，使巴塞羅拿能夠把多年累積的比賽經驗與運動科學成果，轉化為可複製的知識資產，進一步擴大其全球影響力。
開放數據 (Open Data) 是 BIHUB 策略的重要支柱。其價值不僅在於推動協作與透明，更在於讓創新不再依賴單一機構，而是形成可共同開發、驗證與擴展的生態系統。開放數據同時提升研究成果的可信度，亦有助促進社會與產業的共同採納。進一步而言，AI 與開放數據的結合，是 BIHUB 實現持續發展的關鍵。前者提供即時分析與預測能力，後者則構築合作與知識積累的長期基礎，兩者相互配合，既可優化球隊戰術與球迷體驗，也能推動醫療管理效率、智能化場館運營與可持續商業模式的建立。
BIHUB 之所以具代表性，在於其採用「生態系統 + 教育 + 實戰挑戰」的三管齊下策略，加速 AI 在運動科學的落地。其一是教育培訓，透過線上證書課程與專題討論，提升從業員對運動數據、統計工具、可穿戴裝置及 AI 風險的理解；其二是黑客松 (Hackathon) 與開放創新，透過真實比賽數據推動開發者把研究成果轉化為原型產品；其三是研究與產業合作，與大學、研究機構及初創企業共同開發專案，推動知識與技術雙向流動。這種模式的關鍵，不只是技術應用，而是讓整個組織具備持續學習與持續創新的能力。
為運動界別注入AI素養
從產業趨勢、技術模型到國際案例，可以看到 AI 已不再只是工具，而是重塑運動科學與組織能力的重要元素。最近筆者的企業培訓機構，亦與香港體育學院的李致和博士合作，為其團隊提供 AI 素養培訓，重點在於建立 AI 思維 (AI Mindset)、促進人機合作 (Human-AI Collaboration)，為內部推動人工智能應用作好準備。
任何機構若要有效推動人工智能應用，首先考慮的並非技術層面，例如選擇哪種模型或硬件，而是員工是否具備必要的 AI 素養，以及組織內部是否存在認知落差與抗拒心理。人工智能已逐漸成為日常工作的一部分，管理層更需要思考如何建立具持續發展性的 AI 文化，讓技術真正融入組織運作。值得強調的是，AI 的核心原則之一是 Human in the Loop (HITL) ——無論技術多先進，最終的決策與執行仍應由人掌握。
更多郭德偉文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
