青听 | AI如何影响电竞赛训

9月25日，中国电竞俱乐部TYLOO与AI科技企业新智慧游戏共同宣布达成战略合作，双方将携手开发基于多模态大模型的“专属AI教练”。此举标志着新智慧游戏旗下的AI教练产品GameSkill将首次应用于职业电竞战队，助力TYLOO备战2026年CS2全球总决赛等多项国际顶级赛事。

根据合作规划，双方将致力于打造高度个性化的AI游戏智能体，构建更智能、高效的科学训练体系，推动电竞训练模式革新。

虽然此类“AI+电竞”的合作模式在国际上已不罕见，但在国内仍属前沿探索。近日，笔者特邀新智慧游戏创始人陈迪先生，共同探讨新智慧游戏如何用AI技术重塑游戏与电竞赛训。同时，本文也将梳理AI在电竞赛训领域的发展历程。

在GameSkill项目中，新智慧游戏创始人陈迪介绍，团队最早从To C市场切入，已经为《英雄联盟》《无畏契约》《云顶之弈》《永劫无间》四款游戏开发了AI“游戏教练”尝试性测试版本，指导玩家在训练和实战中提升水平。这类AI的目标，是补充高昂的陪练与低效的自我复盘，成为玩家身后的提高电竞水平的指导工具。

陈迪举例说：“同段位玩家的操作和枪法其实差不多，差距更多在意识和决策上。但大多数玩家很少复盘，也不想做笔记。我们的目标，就是让AI基于经过大量电竞专业数据训练的多模态电竞大模型数据分析实时指出潜在错误，并建议改进方式。”

未来，随着模型能力的提升，他们希望AI能够在合理时间内评估玩家水平，输出个性化指导，逐步接近“千人千面”的教学体验。这一方向不仅有助于提高普通玩家的水平，也有潜力成为新的商业增长点。

陈迪坦诚地告诉我们，目前还存在一些技术问题，例如端侧算力不足、模型泛化能力尚未成熟，早期版本在提供有效的实时指导还有很多提升空间。但这也促使他们转向职业俱乐部，研发了AI在赛训中的实际应用场景，也就是前段时间与天禄的合作——新智慧在未来将为TYLOO提供自动复盘、对手分析和辅助战术研发等服务。

在复盘方面，AI能够在数分钟内完成分析师需要数天的工作：通过学习大量的对局数据和标注画面，自动识别Demo中的关键节点、标注战术执行偏差、整理道具使用与走位数据，并输出直观的可视化沙盘，帮助教练快速定位问题。

AI还能在大赛紧张的备战阶段分析对手近期战术风格，辅助教练组制定针对性方案，大幅降低分析师的人力压力。

同时，新智慧正在探索AI在战术研发领域的潜力。陈迪用“围棋第37手”作类比：2016年AlphaGo在与李世石的对局中，落下了一步人类棋手从未想到的妙手，这正是AI通过海量数据训练和强化学习得出的创新。

陈迪相信电竞同样可能出现类似的时刻。随着多模态大模型的成熟，AI能够直接处理视频帧，在高维数据空间理解游戏，有望辅助提出人类战术体系中前所未有的打法建议。届时，AI不再只是主教练的助手，而将成为战术共创者，为队伍提供新的打法选择和战术灵感。

当然，目前AI在电竞领域的落地仍面临多重挑战。

例如新智慧在数据与标注方面，依赖大量高质量比赛录像的人工标注。目前他们为CS2项目专门组建了20多人的高水平玩家团队，用于逐帧标注战术动作。如果研发其他游戏的AI助手，还需要更多不同游戏的高水平玩家去标注，这本身是一笔巨大投入。

TYLOO与新智慧游戏的合作是一个开始，在接下来的几年里，技术成熟、算力突破、数据积累与商业模式创新，将决定AI在电竞行业究竟能走多远。

在与陈迪的采访之外，我们还可以回顾过去十年，AI在赛训方面应用的过程。

电竞领域引入AI技术并非一蹴而就，而是经历了逐步演进的过程。在早期，AI研究者使用电竞游戏作为训练环境，来开发和提升AI大模型的能力。

随着AI大模型在电竞游戏中的不断训练和迭代，电竞业界见证了AI在游戏对抗中的突破——如2018年OpenAI的Dota 2机器人击败顶尖职业选手、2019年DeepMind的AlphaStar在《星际争霸2》中达到职业水准。

这些案例不仅证明了AI机器学习的能力，也让电竞从业者意识到AI在策略决策上的潜力，并激发了将其反向应用于人类训练的想象力。

2018年，电竞俱乐部Team Liquid与SAP合作，借助后者的大数据和机器学习平台来分析海量比赛数据，开创了传统豪门使用AI辅佐赛训的先河。

到了2019年，AI电竞赛训工具逐渐丰富，并向不同细分方向发展。例如，FPS领域涌现出专注瞄准和反应训练的AI应用，例如Aim Lab等训练软件崛起，为《CS:GO》《彩虹六号》《无畏契约》等射击游戏提供了仿真的练枪环境。这些工具不仅能模拟各类靶场场景，还通过数据分析帮助选手找出瞄准弱点，并给出有针对性的练习方案。

在MOBA游戏领域，土耳其公司Falcon AI开发的SenpAI.gg能够利用机器学习和计算机视觉技术，解析《英雄联盟》《Dota 2》等游戏的录像和直播数据，战队可以使用它进行“死亡复盘”，快速找出决策失误，节省了大量人工分析时间。

围绕电竞赛训，还有许多值得深入探讨的议题。

例如在教练体系上，笔者认为即使未来AI能辅助研发战术，也并不能取代教练。AI在电竞训练中扮演着助手和放大器的角色，但绝不是万能良药。竞技场上瞬息万变，AI模型往往基于历史数据提取经验，对于全新的战术或非典型局面可能泛化不足。人类教练的临场直觉和创造力，在这些时刻反而更可靠。毕竟，比赛并非纯粹的数学问题，其中包含大量心理博弈和随机性，是无法被完全量化的。

教练的职责不仅限于出谋划策，他们同时还是团队的管理者和精神领袖，承担着沟通、激励和临场应变等任务。AI目前仍然无法感受情绪，没有能力在选手情绪低落时拍肩鼓励，更不能在团队出现分歧时树立威信统一思想——但这些都是教练方法论的重要组成部分。

此外，还有资源与基础设施的公平问题。在赛训资源方面，AI技术的应用可能加剧电竞行业的不平等。豪门俱乐部凭借雄厚资金定制专属AI工具，相比之下，中小俱乐部受限于预算，难以获取同等技术，导致资源差距扩大。如今电竞行业“大鱼吃小鱼”的趋势已显而易见，若AI赛训成为关键竞争力，高门槛可能进一步引发马太效应。

这种不平等还可能进一步影响选手池管理。AI可以通过分析全球玩家数据，识别高潜力选手，快速帮助战队从新兴市场挖掘人才，但小俱乐部难以接触高端AI资源。

当然，随着AI工具的普及和成本降低，这种差距有望缩小，就像健身房里的先进器械最终大众也能使用一样，但短期来看，AI在赛训红利的分配仍是需要考虑的课题。

AI如何重塑电竞赛训体系，以及由此衍生出的新型商业模式和产业机会，无疑是值得持续关注的动态方向。但可以肯定的是，AI将与人类共同书写电竞赛训的未来。