打球吗讯 一直以来，NBA表面是运动竞技，实则是一项数据游戏：得分、篮板、助攻，到各种复杂的进阶数据，谁能更有效率和深度地掌握数字，谁就能占据先机。随着数据分析、追踪科技的跳跃式演进，如今的NBA数据部门不乏来自华尔街的财务分析师、《财富》500大企业的策略顾问，以及谷歌、微软的软件工程师。多伦多猛龙甚至网罗了一位专攻计算流体力学的航天工程师，只因他成功说服球队，粒子追踪与球员移动的数据分析有相通之处。

球队愿意砸钱不是没有道理。麻省理工学院团队2025年发表于《体育经济学杂志》的研究，以12年的赛季资料分析30支球队，发现在控制阵容、伤病、赛程难度等因素后，分析部门的人数对常规赛胜场仍有显著的正向影响。作者亨利·王甚至认为，分析师至今仍被低估，多数球队的人力还没达到最佳点。而其中科技与人工智能影响最深的莫过于球探部门。

数十年来，NBA球探是一门讲求直觉的技艺。球探坐在场边，观察球员的一切，从显性的投篮姿势、爆发力，到可量化的命中率、速度，以及隐性的态度，或那种“对比赛的感觉”。优秀的球探有与众不同的第六感，但即使是最锐利的双眼，也可能错过一位未来之星——尤其是当这位球员藏身于默默无闻的联赛，或担任不起眼的角色时。如今，球探工作正转化为一门科学。人工智能正在重新定义天赋评估，不再靠机缘巧合，而是通过模式、概率与预测模型来发掘潜力球星。现在的比赛，不只是眼见为凭，更是数据先行。

而到了ChatGPT为首的人工智能横空出世的年代，选秀早已不再是单靠肉眼观察。2023年，梅根·查索尼斯等四位经济学家发表新模型，通过过去数据找出类似球员，预测选秀潜力。他们用的人工智能技术过去已成功应用于金融市场，现也拓展至NBA，在预测准确度上超越传统线性回归。再者，人工智能模型是运用非固定参数模型，每一次预测都根据目标与资料自动调整，非常适合运用在球探评估与选秀决策，能帮助评估罕见或偏才特质的球员潜力。

看透冰山底下的全貌
账面上的传统和进阶数据仍然重要，但远不足以道尽全貌。人工智能能比人脑洞察更深层的细节，它分析海量比赛视频、生物数据与比赛脉络，挖掘多数人忽略的指标。人工智能开始影响职业运动的时间比ChatGPT问世还要早。2017年，王佳璇博士等研究员运用深度强化学习模型模拟防守方决策，包含“是否应包夹、何时包夹、留谁空位”，发表《包夹的优势：一种深度强化学习方法研究NBA中的包夹》。

研究模型能估算出“最佳包夹时机”与球队实际胜率、每回合失分高度相关，证明模型能量化包夹策略的价值，让球队能运用人工智能模型判断何时该对特定球员施加包夹，何时应保持防守一致性。这也是首次利用人工智能全面量化职业比赛的价值，为球探与教练团提供可操作的防守策略工具。

如今，人工智能已深入NBA球探过程：从“语义分析”、“视频智能标记”乃至“图像与策略模拟”，人工智能正改变球探的信息来源与处理方式。人工智能模型能看出球员如何应对防守换位，在压力下的脚步稳定度，以及转换进攻中的回防效率。这背后的关键是追踪技术的升级：NBA在2023年改用索尼鹰眼的骨架追踪系统，取代过去只追踪球员重心的第二频谱，数据量丰富约两个数量级，并首次实时捕捉完整的3D姿态。目前每位球员身上有29个关节点位被持续记录，球队因此能建立依位置与角色区分的动作轮廓，用来评估哪些球员的生物力学最适合自家体系。人工智能模型也因此学会预判：一位未来明星的特质，在他真正闪耀之前，可能长什么样子。

想象一位身高6英尺5英寸、效力小型欧洲联赛的后卫。账面数据平平，但人工智能发现他具备顶级空间感知力，在关键时刻表现稳定，并能在疲劳中维持出手姿势。对电脑来说，他是未来的3D型首发球员；对传统球探而言，只是另一位海外角色球员。当然，不是所有赌注都会成功，但这些投资不只是空想。奥兰多魔术曾在NBA科技展上看到自动统计平台的简报后，获得该人工智能工具的独家使用权。该系统可从电视转播画面截取球员追踪数据，取代场内传感器。结果是，魔术得以看到其他球队无法取得的大学球员数据与移动趋势。

2022年，NBA成立了自家科技孵化计划“NBA发射台”，直接投资于能改善场上表现或球迷体验的项目，并在夏季联赛让这些初创公司展演。魔术在2024年选秀后改用发射台校友技能角落，搜集范围涵盖大学篮球、发展联盟与部分国际联赛。“我们发现选秀预测的准确度变得非常高。”魔术助理总经理大卫·本奇说道。发射台如今已迈入第五届，2026年从全球200多家公司中选出五家。历届校友中已有七家获得NBA投资注资，技能角落、肌肉核磁共振分析公司跳羚分析与鞋垫传感器普兰蒂加等，更已直接与NBA球队合作。

隐性数据指标崛起
人工智能球探让许多新型、非公开的数据指标浮上台面，这些指标与能否长期在NBA成功高度相关，包含：
预判指数：球员对战术发展的反应有多早
动能稳定性：球员每节比赛的出力是否稳定
决策延迟：接球后做出传球或动作的时间

这些数据已被NBA球队内部广泛应用，用来验证球探的直觉，并在冷门角落挖掘人才。2023年，一支西部球队运用自家开发的人工智能工具，发现一名发展联盟球员拥有顶尖的“预判指数”：这是一项综合反应速度、防守判断与空间感的数据指标。这名球员甚至没出现在大多数选秀榜上。但到了赛季中段，他已经成为球队专门负责防守对方王牌外线的球员，而且表现出色。

2024年选秀，一支西部球队利用人工智能模型，发现一位来自中型大学的鲜为人知的侧翼球员，尽管他场均得分不到10分，但数据显示他的横移稳定性与空间轮转智商属顶尖等级。虽然这名球员未曾登上ESPN选秀榜，但在该球队内部的选秀榜上却名列前15，最终在首轮末段被选中。三个月后，他已在比赛关键时刻，防守联盟顶级得分手。

过去只存在球队内部的隐性指标，如今也开始走向台面。NBA自2025-26赛季起与亚马逊云科技合作推出“NBA比赛内幕”平台，结合鹰眼的身体追踪与亚马逊云科技的人工智能运算，首波推出三项新数据：以人工智能实时判断防守责任归属的防守数据统计、衡量出手难度的投篮难度，以及量化球星吸引多少防守注意力的引力。另一项“战术查找器”功能则能从数千场比赛中找出相似的战术动作，并直接提供给各队使用。这代表人工智能辅助的视频搜索，已从个别球团的秘密武器，变成联盟的基础建设。

这类发掘绝非偶然。人工智能让球队能聚焦在那些不会出现在精华视频中，但会随时间赢下比赛的特质。这不是运气，而是数据在发挥作用。

人工智能不仅能洞察数据，也能探讨人性
数据不排除人性，它放大人性。人工智能模型应用不仅仅可以分析球员数据（像是得分、篮板、助攻）和身体条件（身高、体重、年龄），也可以用在球员的“心理特质”来帮助预测他未来的表现。根据肖恩·法瑞尔等人在麻省理工学院斯隆管理学院体育分析峰会发表的《超越数据统计：使用心理指标预测NBA成功》，他们用机器学习模型分析1500多名大学球员、近26000份赛后采访逐字稿，从说话风格预测“谁会进NBA”、“职业生涯会打几场”、“会不会成为首发”。

在完全不考虑球员背景与大学表现的前提下，研究结果发现光靠讲话方式来预测谁会进NBA的准确度高达63%。人工智能模型发现，讲话越简单直接（较少用连接词、句子越短），常用“意识到”、“相信”、“理解”这类诚实、不具防卫性的词语，以及较常谈“当下”或“未来”而不是过去的球员，进入NBA和拥有好职业生涯的概率越高；反之，说话冗长、语言复杂的球员，常用情绪字、否定字、语气激烈的词（例如“从来不”、“一定会”），反而可能没那么容易进NBA。法瑞尔发现：清晰的观点比花哨的表达更关键。所以，虽然“一场一场拼”这种说法在记者会上听来无趣，但也许正是成功的密码。如果再辅以场上数据和身体条件，准确率会飙升到87%。

该研究还能预测哪些球员有机会在联盟中打满至少250场（准确率69%），以及在这些比赛中担任首发超过30%（准确率68%）。研究发表后，热火、湖人、太阳与骑士都主动找上法瑞尔交流。对NBA球队来说，心理特质如抗压性、拼劲和球场热情是最难以预测的，也是过往球探在风险评估的黑盒子，常常会被小样本或几次的面谈所渲染。但现在有了人工智能“黑科技”能大量分析语言文本和讲话方式作为判断心理状态的依据，可以补足传统选秀看不到的面向。

例如约翰尼·布鲁姆在奥本大学的最后一个赛季可说是势如破竹，但在全国大学体育协会锦标赛第二轮对阵克赖顿大学的比赛中，这位6英尺10英寸的全美明星球员却打出了他最糟的一场比赛之一。虽然奥本大学最终获胜，布鲁姆全场却仅拿下8分，13投4中，三分球与罚球全部落空。赛后记者会中，布鲁姆给出了身为五年级生会讲的制式回答：“这个赛季的重点是赢球，”他说。“我知道队友支持我，我也会挺他们。今天投不进，我就做其他能帮助赢球的事，得分交给其他人。”

这段回答从人来看并不深刻——这种陈词滥调的回答甚至可能连地方报纸都不会登。但对肖恩·法瑞尔来说，这段话透露了布鲁姆迈向职业舞台的可能性。“如果你专注于当下……你更可能成功打进NBA，”法瑞尔说。“但如果你总是纠结过去犯的错，那你进NBA的机会就低多了。”模型当时评估，布鲁姆能在NBA打满250场的概率略高于五成。

有趣的是，布鲁姆后来在2025年选秀第二轮第35顺位被费城76人选中，而这正是公开承认会把人工智能模型当作“另一位球探”的球队。不过他的新秀赛季并不顺遂：在NBA仅出赛55分钟、24投4中，多数时间在发展联盟的特拉华蓝衣队磨练，2026年2月底又因右膝半月板撕裂接受手术。同年7月，76人把他连同一支2027年第二轮签送到快船换取现金，只为了腾出空间签下肯塔维厄斯·考德威尔-波普。

当然，模型预测的是能否打满250场，一个赛季还言之过早。但这也提醒我们：人工智能能读出“心态”，却读不出伤病与球队阵容的变数。

预测潜力，而非只看当下表现
人工智能的真正价值在于“预测”。它不只评估现在的实力，更推估未来的可能性。这些模型经过多年球员养成数据训练，能预测一名球员两年、三年甚至五年后的样貌。球探主要靠眼力与直觉评估球员，他们会将新秀比对过去的明星球员，依照类型预测未来表现。这样的方式仍然有价值，而人工智能是以新方式处理老问题的尝试：数据专家一直试图建立可信的模型来预测NBA选秀，找出被忽略或低估的新秀。例如现在人工智能能分析出某位6英尺7英寸、臂展7英尺2英寸、底角三分命中率37%的侧翼球员，与五年前某位成功的NBA功能型球员相似度高达85%。

这类比对也越来越细致。顾问公司关键数据在2026年斯隆大会发表《球探任何人：适用于任何联赛的概率球员原型》，不再把球员硬塞进单一位置，而是将每位球员视为几种极端原型的概率组合，例如一名中锋可能是六成“护框者”加四成“空间型长人”。更重要的是，这套框架只需要逐球记录与数据统计这类普遍可得的数据，连没有高阶追踪系统的欧洲或小型联赛球员，也能放进同一套标准跨联盟比较。

一名出场时间有限的青少年球员，可能在公开选秀预测中排名靠后，但人工智能根据他的决策反应速度、补防封盖反应，以及比赛动能稳定性，可能将他评为未来防守贡献的前10%。相信数据而非声量的球队，或许能抢先选中下一位攻防兼备的明星球员。

但完美的模型并不实际。选秀预测受限于大学与国际赛事的数据不足、新秀年龄差异，以及所面对的比赛风格与竞争强度落差等因素，即便人工智能能给予深度分析，也无法非常准确。“这就是为什么说选秀是赌一把，”分析师法卡斯说。“你可以试着调整球员年龄、赛程强度、节奏与比赛风格，但最后可能搞出一个脱离现实、无法真正使用的模型。”法瑞尔的语言模型也有盲点：它只能处理英文，等于忽略了相当比例的国际球员。
也因此，纵然人工智能趋势不可逆，但球探依旧有其必要性。

人工智能只是辅助
时任费城76人篮球事务总裁达里尔·莫雷（已于2026年5月离职）曾在2025年斯隆大会上表示，球队在评估球员时会咨询人工智能，训练模型的素材来自球探笔记与球员追踪数据的大型语言模型。“我们的确会把模型当成拍板决策的一部分，”莫雷说道，“我们几乎把它当作另一位球探。”

NBA早在15年前就开始在球馆安装高价硬件，收集球员追踪数据。人工智能只是让这些资料更有意义的工具。“他们会试着用人工智能从多年累积的球探报告中，提取潜藏的信息，”法瑞尔论文的共同作者迪恩·奥利弗表示。他曾在华盛顿奇才、萨克拉门托国王、丹佛掘金与西雅图超音速担任分析顾问。“也许能从球探脑袋里找到关键线索，来做出更准确的预测。”

人工智能的诞生和应用并非要取代传统球探，而是让他们的视野更聚焦、偏误更少、眼光更精准，辅助球探更专精在擅长的领域。通过人工智能协助，球探可以分析出手时间、防守者位置、球员对掩护的反应等细节，相比之下，传统数据简直像幼儿园数学。“我其实认为人工智能与我们拥有的数据能培养出更优秀的球探，”本奇说。“他们不用再花时间处理繁琐的小事，而能专注于深入研究。”举例来说，过去若球探想观察一名新秀在大学时的挡拆执行表现，必须一场场看视频、逐个挑出相关片段。如今，有了人工智能，只需一键即可筛选出所有挡拆画面，并自动剪辑出完整片段。

但人工智能也带来新的隐忧。奥利弗提醒，人工智能擅长在既有资料之间“内插”，却不擅长跳脱框架思考；当各队用的数据与工具越来越像，判断也可能越来越同质。本奇也坦言，这是一场零和游戏，其他球队同样在用追踪数据，魔术必须持续寻找下一个优势。球员工会则表示，球队使用这些工具时，他们最在意的是数据保护与球员安全。更重要的是，人工智能让机会更公平。有些球员没有飞天遁地的天赋和运动条件，或是缺乏转播曝光的资源去留下精彩片段，如许多默默在海外联赛拼命的蓝领、拥有球场阅读能力的生涩侧翼、不曾错过防守轮转的替补长人。

这些球员看似平凡，但在人工智能这座精细又广阔的探照灯下，就有机会被挖掘和注意。五年后，他们可能成为明星；十年后，他们可能成为人工智能模型的模板。下一位爆红星，不需要头条——只需要一组看见未来的算法。