除了双眉紧蹙、紧盯赛场的球队教练，这两年 NHL 冰球联盟赛的看台上又多一位了“暗中观察”的人工智能教练。
    当教练呵斥某位运动员的射门失误时，AI 正用每秒 10 次的频率追踪该球员的数据指标，挖掘到他同时有着极高的助攻次数。
    就像当年，资金拮据的奥克兰棒球队运用赛伯计量学（Sabermetrics）创造了奇迹——其经理人比利 • 比恩综合上垒率衡量球员上垒的能力（OBP）、每一次打击可贡献的垒包数即长打率（SLG），来筛选拥有攻击力和特项技能的棒球员，最终帮球队在 2002 年赢得 103 场比赛，创下了低投入高收益的记录。
    这个故事使大数据分析受到极大关注，也一度激活了赛事市场的应用，比如一些精明的体育管理层开始雇佣大量统计学家，并使用数据模型来管理球队的薪资。
    如今，从改变球员价值评估到优化球队成员结构，利用自动化赛事规则分析进而精准调整参赛策略，赛事模拟训练等已经成为趋势……AI 已经开始帮助冰球、篮球等体育竞技领域实现在全局量化分析下做决定，赛事直播的营销推广和引流变得可控，在机器学习加持下的赛事游戏也越来越真实。
    由此，体育科技的发展空间被逐年放大。根据 WinterGreen Research 的一份报告，2014 年体育科技市场的规模仅为 1.25 亿美元，而到 2021 年将达到 47 亿美元。ESPN 的数据专家约翰•霍林在 2012 年时就曾表示，职业篮球联盟里至少有 2/3 的球队已经在数据分析技术上进行投资。根据《纽约时报》在 2016 年报道，NBA 金州勇士队平均每场比赛都有 30.2 个三分球尝试，数据证明投三分球带来更高的得分率，而这也是目前球队侧重的打法。
    不过，在三年前 Alex Martynov 决定创办 ICEBERG 时，数据分析在冰球等其他领域几乎没有开始应用。这家融合计算机视觉的人工智能分析公司，选择从冰球比赛切入，
    “要知道冰球也是一项非常复杂的运动，运动员可以快速滑行，经常碰撞，每分钟更换一次，而且球非常小。技术上来讲，冰球是最难实时追踪的运动，因此降级开拓其它运动领域很容易。”Martynov 告诉我们。
    冰球运动速度快、变化非常复杂，球员站位和活动背后的数据很难捕捉，尤其是通过人来记录更是难上加难。
    ICEBERG 要先通过计算机视觉技术解决数据收集的问题。
    每场比赛开始前，ICEBERG 会在冰场周围安装三台 FLIR 热像仪用作纪录。这样做是因为直播通常会裁掉一半以上的场景。虽然 FLIR 录制的视频分辨较低，甚至不如 iPhone 录制的现场画面，却可以为人工智能算法提供所需要的恒定全景图。
    神经网络会识别视频数据上冰面的所有移动实体，分别是按球衣颜色分成两组 12 名球员、冰上裁判和一个直径 7.62 厘米、速度高达 160 公里/小时的冰球。通过在 10,000 个数字变体的数据集上训练，ICEBERG 的计算机视觉算法还可以根据球衣号码识别每个球员。
    当然，神经网络也有搞砸的时候，例如，模型曾经无法识别哈萨克斯坦白色球衣上的金色数字。Martynov 告诉我们，“还有一支瑞士球队曾经穿着印着黑色数字的黑色的球衣。”
    录入的数据被分为球队、球员、门将等三个统计维度，而 ICEBERG 的算法一共追踪 500 种不同的指标。系统会将每位球员的坐标与冰球的坐标进行匹配，记录每个人的传球率、身体阻截次数、断球次数、丢球次数、助攻次数以及进球总数。
    一般而言，60 分钟的比赛会产生大约 100 万个数据点。其中不乏非常细微的观察，例如某个门将的防守盲点。总体来说冰球的进球率是 7-9%，ICEBERG 的算法可以帮助教练发现潜在的预期进球（xG），后者参数设置通常是球员的射门位置、方式，以及进攻方式，而每一场比赛的分析都会有一张 xG 的热图。
    通常来说，主办方对拍摄冰球比赛进行分析使用没有任何限制，不过去年国际冰球联合会禁止了 ICEBERG 在世界锦标赛上拍摄捷克队比赛，表示视频版权属于主办方 IIHF 所有，此外冬季奥运会的拍摄许可也是 Martynov 正在洽谈的事项之一。
    有时人工智能会发现与比赛分数迥然不同的结果。在一场加拿大对战瑞士的比赛，AI 发现后者比前者多滑行了 1.7 公里，在大部分时段里离球更近 5-10 公分，有着更长的控球时间，并且有更高的预期进球率。按数据分析预测，瑞士队的胜率高达 70%，然而加拿大对却以 3-0 的全胜的姿态摘得比赛冠军。
    Martynov 解释说：「比赛大概有 40％ 是随机运气，而另外 60％ 则不然。我们的工作是预测 『非运气』 的那一部分。真的有客户会在数据显示获胜的情况下连续输掉五次比赛，教练会很焦急地打电话给我们的分析师，我通常会告诉他们，“淡定，这只是概率的问题。你们大可继续现在的打法，迟早会连赢五场比赛的。”
    冰球不再是单纯的体能和技巧上的角逐，而是数据智能驱动的策略对抗。这是 ICEBERG 在行业打开局面的机会。
    起初，24 岁的 Martynov 是从他从事风投行业的父亲那儿争取到了 25000 美元的启动资金，用这一小笔钱他召集自己在多伦多和莫斯科的程序员朋友，开发了平台的测试版本。
    按 Martynov 的说法，公司在平台上线后几个月内就已经实现收支平衡，三年时间占据全球职业冰球队 5-7％的市场份额，还在去年入选了加拿大最有前景的人工智能初创公司之一。现在，公司已拥有大约 20 家球队客户，遍布了包括 NHL 的纽约岛人队在内的全球多个冰球联盟。
    公司拥有明确的订阅收费模式，从每场比赛 400 美元到 800 美元不等。这意味着如果一支球队在一个赛季中连续打 60 场比赛，他需要支付 ICEBERG 30,000 美元。每场比赛之后，客户都会受到会收到一份成绩报告，并可以通过在线门户查询自己的表现。
    同时，公司也会把分析师分配给每个球队客户，随时准备解答他们的问题。
    对 Martynov 来说，签单是一个说服教练、经理以及俱乐部的漫长过程。譬如，中欧的教练对使用新技术非常谨慎。Martynov 与奥地利的萨尔茨堡红牛队谈了四个月。
    “教练很困惑地问我，‘为什么我需要这个？’”Martynov 回忆道：“我告诉他们分析平台不是要取代教练或经理人，而是给球队一个战略优势。”
    也有另一个极端，瑞典的韦克舍湖队和 Frjestad BK 队只用了五分钟就决定和 ICEBERG 签约。对于两队的教练来说，使用数据分析带来的竞争优势不容忽视。
    不过，在 Martynov 看来，冰球市场并不大，几乎仅相当于足球市场 2% 的份额，公司仍然需要快速向其他领域拓展，“公司的发展速度不如我预想的那么快，我想在这之后进入足球市场。”
    很明显，ICEBERG 这个指代进球得分和射中次数等统计信息背后海量数据的名字，也暗含了其野心不是占领某一两个细分领域那么简单。