這可能是新版《點石成金》。
除了雙眉緊蹙、緊盯賽場的球隊教練，這兩年 NHL 冰球聯盟賽的看臺上又多一位了「暗中觀察」的人工智慧教練。
當教練呵斥某位運動員的射門失誤時，AI 正用每秒 10 次的頻率追蹤該球員的資料指標，挖掘到他同時有著極高的助攻次數。
就像當年，資金拮据的奧克蘭運動家棒球隊運用賽伯計量學（Sabermetrics）創造了奇蹟——其經理人比利 · 比恩綜合上壘率衡量球員上壘的能力（OBP）、每一次打擊可貢獻的壘包數即長打率（SLG），來判篩選擁有攻擊力和特項技能的棒球員，最終幫球隊在 2002 年贏得 103 場比賽，創下了低投入高收益的記錄。
這個故事使大資料分析受到極大關注，也一度啟用了賽事市場的應用，比如一些精明的體育管理層開始僱傭大量統計學家，並使用資料模型來管理球隊的薪資。
如今，從改變球員價值評估到最佳化球隊成員結構，利用自動化賽事規則分析進而精準調整參賽策略，賽事模擬訓練等……AI 已經開始幫助冰球、籃球等體育競技領域實現在全域性量化分析下做決定，賽事直播的營銷推廣和引流變得可控，在機器學習加持下的賽事遊戲也越來越真實。
由此，體育科技的發展空間被逐年放大。根據 WinterGreen Research 的一份報告，2014 年體育科技市場的規模僅為 1.25 億美元，而到 2021 年將達到 47 億美元。ESPN 的資料專家約翰·霍林在 2012 年時就曾表示，職業籃球聯盟裡至少有 2/3 的球隊已經在資料分析技術上進行投資。根據《紐約時報》在 2016 年報導，NBA 金州勇士隊平均每場比賽都有 30.2 個三分球嘗試，資料證明投三分球帶來更高的得分率，而這也是目前球隊側重的打法。
不過，在三年前 Alex Martynov 決定創辦 ICEBERG 時，資料分析在冰球等其他領域幾乎沒有開始應用。這家融合計算機視覺的人工智慧分析公司，選擇從冰球比賽切入，
「要知道冰球也是一項非常複雜的運動，運動員可以快速滑行，經常碰撞，每分鐘更換一次，而且球非常小。技術上來講，冰球是最難實時追蹤的運動，因此降級開拓其它運動領域很容易。」Martynov 告訴我們。
AI 冰球教練來了
冰球運動速度快、變化非常複雜，球員站位和活動背後的資料很難捕捉，尤其是透過人來記錄更是難上加難。
ICEBERG 要先透過計算機視覺技術解決資料收集的問題。
每場比賽開始前，ICEBERG 會在冰場周圍安裝三臺 FLIR 熱像儀用作紀錄。這樣做是因為廣播饋送的直播通常會裁掉一半以上的場景。雖然 FLIR 錄製的影片分辨較低，甚至不如 iPhone 錄製的現場畫面，卻可以為人工智慧演算法提供所需要的恆定全景圖。
神經網路會識別影片資料上冰面的所有移動實體，分別是按球衣顏色分成兩組 12 名球員、冰上裁判和一個直徑 7.62 釐米、速度高達 160 公里/小時的冰球。透過在 10,000 個數字變體的資料集上訓練，ICEBERG 的計算機視覺演算法還可以根據球衣號碼識別每個球員。
當然，神經網路也有搞砸的時候，例如，模型曾經無法識別哈薩克白色球衣上的金色數字。Martynov 告訴我們，「還有一支瑞士球隊曾經穿著印著黑色數字的黑色的球衣。」
錄入的資料被分為球隊、球員、門將等三個統計維度，而 ICEBERG 的演算法一共追蹤 500 種不同的指標。系統會將每位球員的座標與冰球的座標進行匹配，記錄每個人的傳球率、身體阻截次數、斷球次數、丟球次數、助攻次數以及進球總數。
一般而言，60 分鐘的比賽會產生大約 100 萬個資料點。其中不乏非常細微的觀察，例如某個門將的防守盲點。總體來說冰球的進球率是 7-9%，ICEBERG 的演算法可以幫助教練發現潛在的預期進球（xG），後者引數設定通常是球員的射門位置、方式，以及進攻方式，而每一場別賽的分析都會一張 xG 的熱圖。
通常來說，主辦方對拍攝冰球比賽進行分析使用沒有任何限制，不過去年國際冰球聯合會禁止了 ICEBERG 在世界錦標賽上拍攝捷克隊比賽，表示影片版權屬於主辦方 IIHF 所有，此外冬季奧運會的拍攝許可也是 Martynov 正在洽談的事項之一。
有時人工智慧會發現與比賽分數迥然不同的結果。在一場加拿大對戰瑞士的比賽，AI 發現後者比前者多滑行了 1.7 公里，在大部分時段裡離球更近 5-10 公分，有著更長的控球時間，並且有更高的預期進球率。按資料分析預測，瑞士隊的勝率高達 70%，然而加拿大對卻以 3-0 的全勝的姿態摘得比賽冠軍。
這是為什麼？
Martynov 解釋說：「比賽大概有 40％ 是隨機運氣，而另外 60％ 則不然。我們的工作是預測 『非運氣』 的那一部分。真的有客戶會在資料顯示獲勝的情況下連續輸掉五次比賽，教練會很焦急地打電話給我們的分析師，我通常會告訴他們，『淡定，這只是機率的問題。你們大可繼續現在的打法，遲早會連贏五場比賽的。』」
三年打下 5-7% 的職業冰球市場佔有率
冰球不再是單純的體能和技巧上的角逐，而是資料智慧驅動的策略對抗。這是 ICEBERG 在行業開啟局面的機會。
起初，24 歲的 Martynov 是從他從事風投行業的父親那兒爭取到了 25000 美元的啟動資金，用這一小筆錢他召集自己在多倫多和莫斯科的程式設計師朋友，開發了平臺的測試版本。
按 Martynov 的說法，公司在平臺上線後幾個月內就已經實現收支平衡，三年時間佔據全球職業冰球隊 5-7％的市場份額，還在去年入選了加拿大最有前景的人工智慧初創公司之一。現在，公司已擁有大約 20 家球隊客戶，遍佈了包括 NHL 的紐約島人隊在內的全球多個冰球聯盟。
公司擁有明確的訂閱收費模式，從每場比賽 400 美元到 800 美元不等。這意味著如果一支球隊在一個賽季中連續打 60 場比賽，他需要支付 ICEBERG 30,000 美元。每場比賽之後，客戶都會受到會收到一份成績報告，並可以透過線上門戶查詢自己的表現。
同時，公司也會把分析師分配給每個球隊客戶，隨時準備解答他們的問題。
對 Martynov 來說，簽單是一個說服教練、經理以及俱樂部的漫長過程。譬如，中歐的教練對使用新技術非常謹慎。Martynov 與奧地利的薩爾茨堡紅牛隊談了四個月。
「教練很困惑地問我，『為什麼我需要這個？』」Martynov 回憶道：「我告訴他們分析平臺不是要取代教練或經理人，而是給球隊一個戰略優勢。」
也有另一個極端，瑞典的韋克舍湖隊和 Färjestad BK 隊只用了五分鐘就決定和 ICEBERG 簽約。對於兩隊的教練來說，使用資料分析帶來的競爭優勢不容忽視。
不過，在 Martynov 看來，冰球市場並不大，幾乎僅相當於足球市場 2% 的份額，公司仍然需要快速向其他領域擴充，「公司的發展速度不如我預想的那麼快，我想在這之後進入足球市場。」
很明顯，ICEBERG 這個指代進球得分和射中次數等統計資訊背後海量資料的名字，也暗含了其野心不是佔領某一兩個細分領域那麼簡單。