文｜體育產業獨立評論 二鬧

幾天之前，北美電競俱樂部M80迎來一樁與AI有關的戰略合作，它與AI競技游戲平臺Omnic.AI完成牽手，將使用后者推出的"Omnic Forge AI 教練工具"來優化俱樂部賽訓，比如通過數據分析來幫助M80更了解競爭對手，優化團隊技戰術等內容。

實際上，AI技術與電競俱樂部賽訓工作結合的可能性在幾年之前就被大家發現了。2017年的DOTA2國際邀請賽，TI1冠軍隊伍NaVi的老選手們就曾與Open AI上演了一場表演賽，后者將這些真人老將們輕松擊敗。

雖然這場"人機大戰"的性質并不嚴肅，但彼時AI展現出的競爭力就給賽訓與AI技術的結合帶來了想象空間。包括TI8，Open AI又研發出了可供玩家體驗的5V5對戰AI。

到現在，隨著AI技術愈發成熟，行業內將AI與賽訓結合的案例明顯增多。2018年，Team Liquid和一家歐洲軟件公司SAP達成合作，后者通過針對性軟件為Liquid提供數據分析支持。后來SAP也迎上了AI風口，它們后續開發的AI工具開始被Liquid使用來輔助賽訓工作。

還有個很近的案例，去年11月的英特爾新質生產力技術生態大會上，"GameSkills-無畏契約AI陪練"出現在大家視野當中。據悉，該工具能夠在游戲內幫助玩家進行全地圖全英雄全技能的道具投擲使用訓練，以此來提升訓練效率。未來這一技術將會對無畏契約CN賽區的職業隊伍進行測試和訓練使用。

從上述案例我們不難發現，AI與電競賽訓的結合已經愈發頻繁，對應AI工具的功能也在逐漸向深處探索。問題來了，AI工具究竟能為電競賽訓帶來哪些具體幫助？又會與行業產生哪些"摩擦"？

"技術革命"帶來的助力與迷霧

今年2月13日，LGD和國際象棋特級大師丁立人達成合作時，我們曾對丁立人進行了一次采訪，對話過程中我們就曾聊到AI對選手賽訓的影響。當時丁立人提到，在日常訓練中，他也會通過與AI對弈來分析和學習AI的下棋策略。

這是一個不那么垂直于傳統電競的案例，但現象是有共性的。Liquid的案例更具體一些，比如根據其合作方SAP介紹，Liquid所使用的AI工具云端存儲著超過600萬場游戲對局信息，分析的歷史游戲數據達到1.6TB。

最終，這些信息經過AI處理之后會具象化到Liquid對于競爭對手的技戰術分析、選手操作習慣以及優化陣容BP等環節，此外，這一工具還可以用來更全面分析新人選手的實力水平，幫助隊伍挖掘人才。

上述案例已經能夠在一定程度上證明AI為電競賽訓工作帶來的價值，不過值得注意的是，類似Liquid和M80的案例，也讓我們能夠管窺AI與電競賽訓工作結合帶來的一些麻煩事。

Liquid和M80的案例體現出一個細節問題——它們所使用的AI工具本質上是"商品"，且使用主體是特定俱樂部，這種性質下，AI工具帶來的"技術平權"就是個偽命題，因為它必然會使俱樂部之間出現"技術落差"。

與電競行業相伴的游戲行業，在AI技術的應用上步子邁得更快，所以大家都認為"技術平權"的時代會很快到來。但事實是，我們目前仍然無法預測游戲行業何時會進入技術平權時代，因為從不同廠商對AI技術的應用就能發現，真正高精尖，能夠對游戲產品產生革命性影響的工具背后都有龐大的資源投入，它們也并不公開存在于市面上。這意味著縱然AI已然門檻夠低，但游戲廠商之間不同的資源實力仍然會影響到自身與AI技術的接軌程度。

比如前段時間騰訊發布年度財報時披露，其在AI領域2024年研發投入高達706.9億元，7年累計投入達3912億元。并不是所有發力AI領域的企業或品牌都擁有如此財力。

回到電競行業，道理亦是如此。如果一些AI工具的使用并不以整個賽事、整個聯盟或者整個生態為單位，比如類似無畏契約那樣未來可能直接讓整個CN聯賽統一投入使用AI訓練工具，而是僅處于俱樂部自發狀態，那么在筆者看來這些工具更易加厚不同隊伍之間的競爭壁壘，競技生態更容易失衡。

傳統體育圈有一個部分相似的案例，也就是曾在國際泳壇出現的"鯊魚皮"泳衣，這一裝備由于打破了選手之間的競賽平衡最終被禁。而不同的一點是，非統一性的AI工具使用并不容易監管，因其并不需要在賽場使用。

從研發此類AI工具的廠商角度來看，打破競技平衡的現象自然是他們喜聞樂見的。這會迫使更多的電競俱樂部為保證競爭力而加入采買或者與之合作的行列。但是對于賽事方來說，競爭失衡帶來的陣痛無法忽視，甚至可能會引起整個生態在某一周期內進入"惡性競爭"狀態。

這種陣痛如何解決？從監管難點，以及行業對新技術的支持角度來看，電競將此類AI工具拒之門外并不現實，因此，在使用新技術、新工具上讓整個生態保持統一節奏就顯得尤為關鍵。

AI賽訓背后也隱藏著新的商業機遇

還是那句話，AI工具是需要訓練投喂的。從各類AI賽訓工具來看，它們所使用的樣本數據大多來自職業賽事，且職業賽事的數據也更有指導意義與分析價值。那么問題來了，市面上的AI工具在依靠現有職業賽事數據進行養成時，是否擁有這些素材的版權？

目前由于此類工具尚未在行業內大范圍使用，所以此問題尚未顯現出來，但如果任其野蠻生長，它未來出現版權爭議是必然的。

游戲行業已經有類似的案例。當AI技術在游戲制作研發領域迅速普及，AI養成對游戲演員們的版權侵犯被放上了臺面。從去年7月開始，美國演員公會（SAG-AFTRA）的配音演員、動捕演員們就開始集體罷工，聲討一些游戲公司使用他們過去為游戲產品提供的表演素材訓練AI，這不僅侵犯了大家的版權，還導致大批演員失業。

類似的情況未來可能也會出現在電競行業當中，AI賽訓工具一方面數據版權所屬并不明確，再考慮到上文提到的此類工具與競技生態的磨合陣痛，各類賽事的生態管理者有必要對潛在問題提起重視，并發掘新的機會點。

賽事版權當然是機會點之一。目前，行業內賽事內容的商業變現手段相對單一，大多集中在賽事轉播的媒體版權售賣上。但隨著越來越多第三方AI賽訓工具出現并大規模使用職業賽事數據，并最終以商業用途輸出，賽事版權方便有必要對自身賽事資源進行更加嚴格的管理，或者將之視為新的商業變現渠道。畢竟這些AI賽訓工具的更新迭代以及價值釋放均十分依賴職業賽場數據。

而且，借著版權梳理與各類AI研發機構展開合作，將此類工具的使用規范化、統一化，順勢解決有可能出現的競爭生態失衡問題，也是兩全其美之舉。

此外，助推AI技術在行業內普及，帶來的利好也十分明顯，賽事生態各方實現"技術平權"時，此類工具一方面能夠更科學且有針對性地提升隊伍與選手賽訓水平，最終提升整個賽事的競賽質量，另一方面，也能夠減少賽訓成本投入。而且新的商業模式開發出來之后，沒準兒俱樂部也能分一杯羹。

目前看來，電競行業還未走到產生AI爭議的階段，但行業之外的"前車之鑒"不少，與其在未來反受其擾，不如提前規劃，趨利避害，在大規模擁抱AI時，能從容地將它的價值通通挖出來。