AI 进入训练场，运动员数据不是普通生产资料

01训练场正在变成一套持续运行的数据系统

NFL 与 AWS 共同开发的 Digital Athlete，把训练、练习和比赛视频与运动数据组合起来，运行数百万次比赛及特定场景模拟。全部 32 家俱乐部都能在团队门户中看到本队每日训练量、伤病风险，以及联盟平均值和历史基准。

这套系统还被用于规则设计。NFL 在研究 Dynamic Kickoff 时模拟了 1 万个赛季，希望在增加回攻的同时降低伤病。MLS 的路径更像一座联盟级测试场。2026 年创新实验室选中的 Orreco，把 AI、计算机视觉和生物标志物结合，用于优化表现、预测伤病和加快恢复。技术验证不再只发生在某一家俱乐部，而是可能经过联盟测试后快速扩展。

采集规模同样在增长。FIFPRO 的报告指出，2022 年世界杯的比赛追踪可采集每名球员身体上多达 29 个数据点，一场比赛由此形成数百万个数据点。这说明 AI 的价值并不止于给某位球员打一个“风险分”。当数据从单人监测扩展到全联盟样本，它可以改变训练计划、装备标准和比赛规则。

但同一套完整性也带来权力集中。球员的位置、速度、碰撞、伤病和恢复信息一旦被拼接，得到的不是一张运动成绩表，而是一份持续更新的身体档案。数据越能预测风险，就越可能被用来预测价值；越能保护职业生涯，也越可能影响职业机会。

02“为了安全”不能替代真实同意

体育组织采集数据时，最有说服力的理由往往是保护运动员。但“目的正当”与“过程正当”并不是一回事。传统的一次性同意已经不够。球员需要知道采集什么、谁能看、保存多久、是否会用于模型训练，以及退出后能否删除。

MLB 与球员工会的劳资协议提供了一套更具体的边界：可穿戴设备涵盖场内、场外乃至离开球场后的健康与表现数据；使用原则上完全自愿；俱乐部必须提前书面说明技术及访问人员；球员可以索取副本和要求删除；未经同意，不得对数据进行商业利用。这些条款的意义在于，它们没有把“保护隐私”停留在口号里，而是变成可执行的访问名单、用途限制和删除机制。

不同联盟并没有统一答案。NBA G League 在 2025—26 赛季的新劳资协议中明确，联盟或球队可以要求球员在比赛、训练及其他活动中使用获批设备，同时受相应使用规则限制。

这形成了一条真实的制度光谱：一端强调完全自愿，另一端允许在集体协商后强制使用。关键不在于条款看上去更严格或更宽松，而在于球员是否参与规则制定，数据用途是否清楚，以及拒绝或退出是否会带来隐性惩罚。值得追问的是：当教练说某项监测“对上场有帮助”，一个处于竞争位置的球员，是否真的拥有自由拒绝的空间？

03风险评分一旦影响用人，就必须能够被质疑

伤病预测不是医学诊断，也不是确定答案。训练负荷、睡眠、既往伤病、比赛位置和环境因素之间存在复杂关系；不同球队、项目、性别和年龄的样本，也可能产生不同偏差。如果模型把一名球员标记为“高风险”，球队可能减少其训练，也可能降低其出场优先级。前一种使用保护身体，后一种使用则可能影响奖金、续约和市场价值。两者之间的界线，需要由制度划定，不能交给软件默认设置。

FIFPRO 把球员数据分为个人、表现、比赛技术、追踪、健康与生物识别五类。其调查显示，80% 的职业球员希望能够访问自己的数据，以改善场上表现；同时，球员也担心数据如何被采集和使用。

FIFPRO 提出的权利包括知情、访问、撤回、限制处理、数据可携带、更正、投诉与删除。它传递出一个清晰信号：即使数据由俱乐部设备采集，运动员也不能因此失去对自身信息的基本控制。

IOC 关于体育 AI 伦理的研究也把人类监督、解释、问责和运动员福祉列为核心问题。对体育组织而言，至少要保留三道人工关口：模型结论不得直接等同于医学诊断；影响上场和合同的决定应说明依据；球员应有机会更正数据并要求复核。真正负责任的体育 AI，不只给出答案，还要留下谁作出决定、依据是什么，以及球员如何提出异议。

04数据的商业边界，要在合作开始前写清楚

体育科技合作常从一个容易沟通的目标开始：减少伤病、提高表现、延长职业生涯。困难通常出现在第二阶段——数据能否跨球队共享，能否用于新模型，供应商更换后如何迁移，商业合作方能否获得衍生洞察。

FIFPRO 强调，球员不仅应获得透明的数据使用信息，也应参与个人数据的商业使用。这里的“参与”至少包含两层：对用途再次授权，以及在数据产生独立商业价值时讨论利益分配。对联盟、俱乐部和技术伙伴而言，合同至少需要回答五个问题：谁控制数据；谁能访问；用途变化何时需要再次同意；模型结论能否进入选人和合同决策；合作结束后原始数据与衍生模型如何处理。

这也改变了品牌和 Agency 参与体育科技合作的方式。技术赞助不能只交付一个设备、一块屏幕或一场发布活动，还要说明数据流向、权限和退出机制。否则，“创新”越成功，后续争议的范围反而越大。另一个思考点是：如果运动员的数据帮助训练出一套能够向全行业销售的模型，运动员是否只应得到安全收益，还是也应参与商业价值分配？

技术合作越接近运动员的身体，合同就越不能只讨论功能、价格和曝光。

05身体首先属于运动员

AI 正在让训练变得更精细，也让运动员身体第一次以近乎连续的方式进入组织决策。拒绝采集并不是答案。缺少数据，同样可能让伤病预防停留在经验判断。但体育组织不能因为目标是安全，就默认拥有无限的数据权利。更成熟的路径，是把数据治理写进劳资协议、赛事规则和技术合同：采集有目的，访问有边界，决定可解释，错误可申诉，退出能删除，商业使用需重新授权。

体育 AI 值得追求的进步，不是看得见运动员的一切，而是在看得更清楚之后，仍然承认身体首先属于运动员自己。