vsport平台vsport平台AI技术与电竞俱乐部赛训工作结合的可能性在几年之前就被大家发现了，如今行业内将AI与赛训结合的案例明显增多。
2.以北美电竞俱乐部M80与AI竞技游戏平台Omnic.AI的战略合作为例，Omnic Forge AI教练工具将帮助M80更了解竞争对手，优化团队技战术等内容。
3.然而，AI工具与电竞行业结合也可能带来竞争壁垒和竞技生态失衡等问题。
4.为此，赛事生态管理者有必要对潜在问题提起重视，并发掘新的机会点，如赛事版权和商业变现渠道等。
5.另一方面，助推AI技术在行业内普及，能够提升整个赛事的竞赛质量和减少赛训成本投入。
在真正的“技术平权”到来之前，AI工具带来的摩擦很难避免。但“技术平权”之后，其价值会更为明显。
几天之前，北美电竞俱乐部M80迎来一桩与AI有关的战略合作，它与AI竞技游戏平台Omnic.AI完成牵手，将使用后者推出的“Omnic Forge AI教练工具”来优化俱乐部赛训，比如通过数据分析来帮助M80更了解竞争对手，优化团队技战术等内容。
实际上，AI技术与电竞俱乐部赛训工作结合的可能性在几年之前就被大家发现了。2017年的DOTA2国际邀请赛，TI1冠军队伍NaVi的老选手们就曾与Open AI上演了一场表演赛，后者将这些真人老将们轻松击败。
虽然这场“人机大战”的性质并不严肃，但彼时AI展现出的竞争力就给赛训与AI技术的结合带来了想象空间。包括TI8，Open AI又研发出了可供玩家体验的5V5对战AI。
到现在，随着AI技术愈发成熟，行业内将AI与赛训结合的案例明显增多。2018年，Team Liquid和一家欧洲软件公司SAP达成合作，后者通过针对性软件为Liquid提供数据分析支持。后来SAP也迎上了AI风口，它们后续开发的AI工具开始被Liquid使用来辅助赛训工作。
还有个很近的案例，去年11月的英特尔新质生产力技术生态大会上，“GameSkills-无畏契约AI陪练”出现在大家视野当中。据悉，该工具能够在游戏内帮助玩家进行全地图全英雄全技能的道具投掷使用训练，以此来提升训练效率。未来这一技术将会对无畏契约CN赛区的职业队伍进行测试和训练使用。
从上述案例我们不难发现，AI与电竞赛训的结合已经愈发频繁，对应AI工具的功能也在逐渐向深处探索。问题来了，AI工具究竟能为电竞赛训带来哪些具体帮助？又会与行业产生哪些“摩擦”？
今年2月13日，LGD和国际象棋特级大师丁立人达成合作时，我们曾对丁立人进行了一次采访，对话过程中我们就曾聊到AI对选手赛训的影响。当时丁立人提到，在日常训练中，他也会通过与AI对弈来分析和学习AI的下棋策略。
这是一个不那么垂直于传统电竞的案例，但现象是有共性的。Liquid的案例更具体一些，比如根据其合作方SAP介绍，Liquid所使用的AI工具云端存储着超过600万场游戏对局信息，分析的历史游戏数据达到1.6TB。
最终，这些信息经过AI处理之后会具象化到Liquid对于竞争对手的技战术分析、选手操作习惯以及优化阵容BP等环节，此外，这一工具还可以用来更全面分析新人选手的实力水平，帮助队伍挖掘人才。
上述案例已经能够在一定程度上证明AI为电竞赛训工作带来的价值，不过值得注意的是，类似Liquid和M80的案例，也让我们能够管窥AI与电竞赛训工作结合带来的一些麻烦事。
Liquid和M80的案例体现出一个细节问题——它们所使用的AI工具本质上是“商品”，且使用主体是特定俱乐部，这种性质下，AI工具带来的“技术平权”就是个伪命题，因为它必然会使俱乐部之间出现“技术落差”。
与电竞行业相伴的游戏行业，在AI技术的应用上步子迈得更快，所以大家都认为“技术平权”的时代会很快到来。但事实是，我们目前仍然无法预测游戏行业何时会进入技术平权时代，因为从不同厂商对AI技术的应用就能发现，真正高精尖，能够对游戏产品产生革命性影响的工具背后都有庞大的资源投入，它们也并不公开存在于市面上。这意味着纵然AI已然门槛够低，但游戏厂商之间不同的资源实力仍然会影响到自身与AI技术的接轨程度。
比如前段时间腾讯发布年度财报时披露，其在AI领域2024年研发投入高达706.9亿元，7年累计投入达3912亿元。并不是所有发力AI领域的企业或品牌都拥有如此财力。
回到电竞行业，道理亦是如此。如果一些AI工具的使用并不以整个赛事、整个联盟或者整个生态为单位，比如类似无畏契约那样未来可能直接让整个CN联赛统一投入使用AI训练工具，而是仅处于俱乐部自发状态，那么在笔者看来这些工具更易加厚不同队伍之间的竞争壁垒，竞技生态更容易失衡。
传统体育圈有一个部分相似的案例，也就是曾在国际泳坛出现的“鲨鱼皮”泳衣，这一装备由于打破了选手之间的竞赛平衡最终被禁。而不同的一点是，非统一性的AI工具使用并不容易监管，因其并不需要在赛场使用。
从研发此类AI工具的厂商角度来看，打破竞技平衡的现象自然是他们喜闻乐见的。这会迫使更多的电竞俱乐部为保证竞争力而加入采买或者与之合作的行列。但是对于赛事方来说，竞争失衡带来的阵痛无法忽视，甚至可能会引起整个生态在某一周期内进入“恶性竞争”状态。
这种阵痛如何解决？从监管难点，以及行业对新技术的支持角度来看，电竞将此类AI工具拒之门外并不现实，因此，在使用新技术、新工具上让整个生态保持统一节奏就显得尤为关键。
还是那句话，AI工具是需要训练投喂的。从各类AI赛训工具来看，它们所使用的样本数据大多来自职业赛事，且职业赛事的数据也更有指导意义与分析价值。那么问题来了，市面上的AI工具在依靠现有职业赛事数据进行养成时，是否拥有这些素材的版权？
目前由于此类工具尚未在行业内大范围使用，所以此问题尚未显现出来，但如果任其野蛮生长，它未来出现版权争议是必然的。
游戏行业已经有类似的案例。当AI技术在游戏制作研发领域迅速普及，AI养成对游戏演员们的版权侵犯被放上了台面。从去年7月开始，美国演员公会（SAG-AFTRA）的配音演员、动捕演员们就开始集体罢工，声讨一些游戏公司使用他们过去为游戏产品提供的表演素材训练AI，这不仅侵犯了大家的版权，还导致大批演员失业。
类似的情况未来可能也会出现在电竞行业当中，AI赛训工具一方面数据版权所属并不明确，再考虑到上文提到的此类工具与竞技生态的磨合阵痛，各类赛事的生态管理者有必要对潜在问题提起重视，并发掘新的机会点。
赛事版权当然是机会点之一。目前，行业内赛事内容的商业变现手段相对单一，大多集中在赛事转播的媒体版权售卖上。但随着越来越多第三方AI赛训工具出现并大规模使用职业赛事数据，并最终以商业用途输出，赛事版权方便有必要对自身赛事资源进行更加严格的管理，或者将之视为新的商业变现渠道。毕竟这些AI赛训工具的更新迭代以及价值释放均十分依赖职业赛场数据。
而且，借着版权梳理与各类AI研发机构展开合作，将此类工具的使用规范化、统一化，顺势解决有可能出现的竞争生态失衡问题，也是两全其美之举。
此外，助推AI技术在行业内普及，带来的利好也十分明显，赛事生态各方实现“技术平权”时，此类工具一方面能够更科学且有针对性地提升队伍与选手赛训水平，最终提升整个赛事的竞赛质量，另一方面，也能够减少赛训成本投入。而且新的商业模式开发出来之后，没准儿俱乐部也能分一杯羹。
目前看来，电竞行业还未走到产生AI争议的阶段，但行业之外的“前车之鉴”不少，与其在未来反受其扰，不如提前规划，趋利避害，在大规模拥抱AI时，能从容地将它的价值通通挖出来。
