“库有引力”能算出来了：AI正在读懂NBA赛场上看不见的博弈

过去只能凭直觉争论的赛场表现，在NBA Inside the Game（NBA深度赛场）中，开始有了数据依据

文｜吴俊宇

编辑｜谢丽容

一场篮球比赛真正重要的细节，可能并没有出现在技术统计表上。

10月11日，澳门NBA（美国职业篮球联赛）中国赛2026打响，达拉斯独行侠队和休斯敦火箭队开始季前赛对决。

在赛前球员介绍环节，大屏幕上滚动着两支球队各三名核心球员2025-26赛季的NBA Inside the Game（NBA深度赛场）的高光数据，其中包括投篮难度（Shot Difficulty）、防守压力（Defensive Pressure) 、胜率影响力（Leverage Score）、球员引力（Gravity）。和得分、助攻、篮板等传统统计不同，这几项都是过去难以量化的高阶数据。

高清摄像机、慢动作回放，现场专业解说，越来越丰富的技术统计为什么仍然不能完整解释一场篮球比赛？

一个原因是，对球迷来说，一场比赛早已不只是48分钟本身。

赛前，球迷研究阵容、球员状态和历史交锋，形成对比赛的期待；赛中，他们通过多机位转播、慢动作回放、解说和即时统计理解比赛；赛后，他们会看集锦、战术拆解和球员采访，在社交媒体上反复争论一场比赛的得失。

一些“篮球梗”总是在球迷群体中引发激烈的讨论。比如，库有引力（库里的远距离投篮威胁能吸引防守，给队友创造空间），死神降临（杜兰特在关键时刻用高难度投篮终结比赛），得分伤害球队（一个球员即使得分很高，也没有给球队带来真正贡献），赢球不可怕，缺谁谁尴尬（一位明星球员缺席后，球队反而赢了球，于是他的价值受到质疑）。

这些“梗”之所以能多年发酵，起因是它们在谈论技术统计记录不到的东西：一个没碰球的人吸引了多少防守，一次出手在当时的防守下有多难，一次得分对胜负的分量有多重。解说、球迷凭直觉都有判断，却很少有一个大家都认的依据来证实或者证伪。

现在，这些过去只能凭直觉争论的赛场表现，在NBA Inside the Game（NBA深度赛场）中，开始有了数据依据。

“库有引力”对应球员引力（Gravity），衡量一名球员实际吸引的防守压力，比同样站位下的平均预期多出多少。

“死神降临”背后的高难度出手，可以用投篮难度（Shot Difficulty）衡量，它估算的是联盟平均水平的球员在同样出手条件下能投进的概率。

“得分伤害球队”“缺谁谁尴尬”争论的贡献问题，可以借助胜率影响力（Leverage）观察：它计算每次事件让球队胜率改变了多少，再把功劳和责任分配给场上每一名球员。

澳门NBA中国赛2026 火箭队三名球员的Inside the Game数据

难以计算的价值，是怎么算出来的

球员在赛场上的“气场”一直是一种难以被计算的影响力。

金州勇士的斯蒂芬·库里与克利夫兰骑士时期的詹姆斯、洛杉矶湖人时期的奥尼尔不同。他不需要靠身体冲击防线，甚至不需要持球，就能迫使对手改变防守。

库里这种“无形的吸引力”有大量名场面。

2022年6月5日，NBA总决赛第二场，金州勇士主场迎战波士顿凯尔特人。第一节还剩三分多钟时，库里持球突破，凯尔特人场上五名防守球员中四人向他收缩，篮下的金州勇士中锋凯文·卢尼无人看管，接球后完成扣篮。勇士队官方账号随后发布了这一回合的截图，配文是“库里的引力无人能及”。

持球时吸引包夹，许多球星都能做到。但库里的特殊之处在于，他不持球同样能做到，这也被称为“库有引力”——即使球不在他手里，他的远投威胁也会把防守者吸引走，为队友腾出空间。开拓者后卫CJ·麦科勒姆曾这样形容防守库里的感受：“他是一个星系，一颗行星，一整个太阳系，所有东西都围着他转。”

在相当长的时间里，这种影响力只存在于录像拆解和球员描述中。传统技术统计可以记录得分、助攻和篮板，却无法记录这种无形的吸引力——凯文·卢尼那次扣篮，在数据上只是卢尼的两分和库里的一次助攻。库里的贡献明显被低估了。

“库有引力”甚至成了学术研究对象。2025年6月，康奈尔大学物理学家团队在学术期刊《科学报告》（Scientific Reports）发表论文《》。

他们使用2022-23赛季上半段的球员追踪数据，分析半场进攻中球员对防守者空间分布的影响。结果显示，库里沿三分线不持球时吸引的防守，已接近普通球员在同一位置持球时的水平，在部分位置甚至更高。

不过，这个研究只覆盖了半个赛季、约50名球员，而且结论滞后了三年。对球迷、解说、球队来说，更有价值的是，把每场比赛、每名球员在水面下的贡献持续计算出来。

这正是亚马逊云科技与NBA Inside the Game（NBA深度赛场）在做的事。

2025年10月，亚马逊云科技成为NBA全球官方云与云AI合作伙伴，双方随后推出这一平台。NBA执行副总裁兼媒体运营与技术主管肯·德詹纳罗（Ken DeGennaro）在宣布合作时称，这是“一个借助创新提升实时观赛体验的机会，也将在未来多年让球迷更深入地理解篮球这项运动”。

它的数据来源是NBA各球馆高处的鹰眼相机阵列追踪系统。根据亚马逊云科技方面的披露，它会以每秒60次的频率记录场上每名球员29个身体关节点的三维位置。亚马逊云科技接收并处理这些数据，通过训练和运行AI模型，再把结果输出到NBA官网、NBA App和比赛转播中。

Inside the Game的创新之处并不是提出了球员引力（Gravity）这个概念。它的价值是，把过去只可意会的“气场”定义出来，并变成一项持续追踪的统计。这些数据覆盖常规赛和季后赛的每场比赛、每名球员，比赛过程中就开始计算，并采用NBA联盟统一口径。

在NBA 2025-26赛季常规赛的引力值名单上，火箭队的杜兰特以16.2位列第一。他在外线无球时的引力值为18.5，高于持球时的13.6。独行侠队的汤普森场均只得到11.8分，引力值却排在第六，他在外线无球时的引力值是持球时的两倍多。

可惜的是，库里没有出现在这份名单上。他在这个赛季因膝伤一度连续缺席27场，整个赛季常规赛只出场43场，明显少于名单上的其他球员。

算清一场篮球赛，难在哪里

比赛悬而未决时的两分，和大比分领先时的两分，在技术统计里没有区别，对胜负的意义却截然不同。谁在比赛悬而未决时站了出来，这是球队和球迷想算清楚的。

篮球的数据化起步并不晚，但长期停留在事件层面。常见的做法是，由记录员把比赛中发生的投篮、篮板、助攻这类离散事件逐条统计下来。2013年前后引入的光学追踪系统，也主要记录球员的平面位置。

这种方法适合边界清晰的事件，却很难记录那些不构成事件的影响：比如一名球员没有触球，却牵制住了防守；或者一次跑动把防守者带离了位置，为队友拉开了突破空间。

篮球一直被认为是难以被AI读懂的运动之一。它的难，首先难在数据采集。

一位体育AI创业公司的算法负责人对我们表示，篮球是强对抗运动，球场面积相对足球等更小。因此，10名球员和3名裁判之间的跑动、卡位，以及贴身防守会造成遮挡，固定机位很难捕捉每名球员的完整动作。

一场篮球比赛48分钟，10名球员在28米×15米的场地上持续移动，一次进攻短则两三秒，长则24秒。回合有明确的起止，但回合内的掩护、切入、换防是连续发生的，机器需要从连续画面中识别出这些动作。

NBA是如何解决这个问题的？NBA球场高处部署的鹰眼相机阵列会持续采集球员运动信息，转化为球员流数据，其中包括球员29个身体关节点的三维坐标，并每秒更新60次。按此计算，场上10名球员每秒产生约1.74万个关节位置数据，一场比赛约5000万个。

依靠更密集的高速摄像机与更强的模型和算法能力，这些数据可以更精确地推断被遮挡关节的空间位置。

采集完数据之后，还需要把篮球经验转化为算法。

亚马逊云科技拿到29个关节点的原始骨骼流之后，需要在这些数据上进行实时数据科学建模。球员引力（Gravity）、胜率影响力（Leverage）、投篮难度（Shot Difficulty）这些专业指标都是由亚马逊云科技和NBA的专业团队共同完成的。

球员引力计算方式

球员引力（Gravity）衡量的，是一名球员比普通球员多吸引了多少防守。

计算分两步。第一步，是算出他实际承受的防守压力，防守者离他多近、跟得多紧、是否挡在他和篮筐之间。追踪系统每秒记录60次。

第二步，需要算出他本应承受多少压力。亚马逊云科技的研发团队训练了一个AI模型，只看进攻方的站位和球的位置，推算一支联盟平均水平的防守此时会怎么站。

两者相减，差值就是他的“引力”。如果防守者宁可放空别人也要盯住他，实际压力就会远高于预期，引力值随之升高。引力值的区间为-100到100，0代表联盟平均水平。

胜率影响力基于AI模型，以3个赛季约3700场比赛、50万个回合训练，对每一回合推演3至5种结果，计算事件引起的胜率变化，再结合投篮难度与防守压力，将贡献分配给场上相关球员。

投篮难度的计算方式

投篮难度（Shot Difficulty）的计算方式是，系统截取每次出手前1秒到球离手的动作，分析约20项因素。进攻方的因素包括投篮距离、身体倾斜程度、出手速度，防守方的因素包括最近防守人的距离、手离球多远、举手干扰的高度。据此，模型估算出联盟平均水平的球员在同等条件下的命中率，即“预期命中率”。跳投和篮下终结分别由两个模型计算。

NBA数据技术部门软件工程师诺亚·斯罗（Noah Thro）评价这一指标时称，传统数据记录的是结果。胜率影响力的独特之处在于，它记录的是这些结果为何发生，以及是谁促成了它们。

这些数据想要真正被球迷和球队看到，最终还要输出到NBA的直播、App、官网、球队后台多个终端。这一环节由亚马逊云科技承担。

比赛不会等待计算。一次进攻结束，下一次进攻随即开始，数据必须在比赛进行中持续算出、及时送达。每场比赛开始时，系统会自动启动近100个流处理引擎，先算出速度、移动角度等基础数据，再一层层组合成防守压力，进而得到引力值和投篮难度。

这些数据会在NBA官网和App上实时呈现，球员的各项指标随比赛进程更新。在转播画面中，高难度出手等高光时刻会被标注出来。解说员也会收到系统自动推送的统计提示。亚马逊旗下的Prime Video转播NBA比赛时，也会呈现Inside the Game的数据。

从球馆里的摄像机，到云端的模型，再到观众手机和电视上的一串数字，Inside the Game把过去只能靠经验描述的东西，变成了可以计算和对比，也可以在比赛中呈现的数据。

算清赛场之后，可以做什么

数据算出来之后，用途并不止于观赛。

按照NBA与亚马逊云科技的规划，Inside the Game还计划推出Play Finder（战术探索）功能。它将用模型分析数千场比赛中的球员移动，识别出不同的战术回合，并即时检索出历史上相似的打法。一些战术有上百种变体，过去只能靠视频分析师逐场标注，如今系统可以先自动识别出这类战术，直接统计它的使用频率和效率。

相信未来，解说员可以借此即时调出历史战术数据，球队也可以借此分析对手的战术。

NBA联盟开放这些数据后，开发者还可以探索不同使用方式。10月10日-11日，亚马逊云科技举办的NBA黑客松中，超过120名开发者围绕Inside the Game的数据和NBA真实比赛画面开发数据可视化智能体。这些数据，未来甚至可以被用于战术训练和球探选秀。

NBA并不是被AI改造的孤例。转播、球探、战术训练、裁判系统，甚至是比赛规则，都在被AI改造的方向上。

美国职业橄榄球大联盟（NFL）自2017年起与亚马逊云科技合作，其球员追踪平台每个赛季采集超过5亿个数据点。双方开发的“数字运动员”项目，整合训练、比赛的视频与数据，通过数百万次仿真，识别球员在什么情况下伤病风险更高。

NFL全部32支球队都能看到本队每天的训练负荷和伤病风险，体能团队可以据此调整训练量和恢复安排。2024年，NFL联盟为减少开球环节的高速碰撞，修改了开球站位规则。新规实施前，NFL联盟用这套系统模拟了相当于1万个赛季的开球回合，评估新规对伤病率和比赛观赏性的影响。

F1（一级方程式赛车）2018年开始与亚马逊云科技合作。根据双方合作披露的信息，每辆赛车装有300多个传感器，比赛中每秒产生超过100万个数据点。2022年F1推出新一代技术规则，核心目标是让后车能够更紧密地跟随前车，增加超车。

规则制定过程中，F1在云端对两辆赛车的气流相互作用进行了大规模仿真。据F1与亚马逊云科技方面披露的信息，新规实施后超车次数增加了约30%。对F1这样的商业赛事来说，超车次数这种刺激画面，直接关系到比赛的悬念和观赏性。

在足球领域，技术甚至正在改变比赛的战术和规则。

使用专用光学追踪摄像机的VAR（视频助理裁判）和半自动越位技术，把越位判罚精确到了厘米。过去边裁看不清、前锋可以赌一把的抢跑空间被大幅压缩，不少差之毫厘的进球被判无效。贴着防线抢跑找机会的前锋，生存空间随之变小；一些球队则开始更大胆地压高防线、主动制造越位。

今年夏天的美加墨世界杯，又把这套技术往前推进了一步。赛前，国际足联为48支球队的1248名球员逐一进行三维扫描，生成数字化身，用于半自动越位判罚和回放；主裁判也首次在世界杯上佩戴头戴摄像机，观众可以从裁判的视角看比赛。

在足球俱乐部层面，AI已经进入球探选材，甚至是教练的战术环节。

英超球队“海鸥”布莱顿以善于挖掘被低估的年轻球员著称。布莱顿2024年裁撤了大部分全职球探，选人更多依赖与俱乐部关联数据公司开发的模型。知名中场球员麦卡利斯特、凯塞多都是这套体系下低价引进、随后高价转出的球员。

买走麦卡利斯特的英超豪门利物浦，则把AI用在了战术上。利物浦和科技公司合作，用数千次英超角球数据训练了一个名为TacticAI的模型。它能预测角球开出后哪名球员更有可能接到球、进攻方能否形成射门，并给出调整攻防站位的建议。

云计算公司正在渗透进世界杯、NBA、英超联赛、F1等全球知名赛事的各个环节。AI已经成为体育赛事和球队经营中的一个重要变量——它改变着比赛的观看方式、判罚规则，以及球员的评价方式。甚至也开始逐渐影响球队选拔球员、制定训练战术。