体操被称为运动之父。柔韧、协调、灵敏、力量，几乎所有竞技项目需要的身体素质，都可以在体操中找到原型。这让体操成了AI进入竞技体育的一个极好的观察窗口：如果AI能在这里找到用武之地，其他项目也就有了参照。
体操被称为 运动之父 。柔韧、协调、灵敏、力量，几乎所有竞技项目需要的身体素质，都可以在体操中找到原型。跳水、自由式滑雪空中技巧、速度滑冰，许多项目的运动员小时候练的都是体操。
但体操也是最难被技术穿透的运动之一。运动员身上不能佩戴传感器，每一个翻腾转体都在零点几秒内完成，技术动作的好坏涉及高度、速度、角度、姿态等数十个维度的综合判断，而且没有绝对的 金标准 。一个拜尔斯式的跳马和一个中国运动员的跳马，技术路径可以完全不同，评判标准也因人而异。
这让体操成了 AI 进入竞技体育的一个极好的观察窗口：如果 AI 能在这里找到用武之地，其他项目也就有了参照。
何卫是国家体育总局体育科学研究所运动心理与生物力学研究中心主任，也是国家体操队的科研负责人。从 2016 年开始，他一直跟着体操队做科技保障工作，带团队搭建了体操训练监控大数据平台，构建了覆盖机能监控、情报信息、心理调控、技术诊断等十多个领域的科技助力体系。在他看来， AI 与体育的关系，远比外界想象的复杂，也远比外界想象的有潜力。
这是 对线 月，我们在北京专访了何卫，从体操出发，试图勾勒 AI 在竞技体育中的真实处境、当下进展和未来机遇。
中国竞技体育的训练传统，长期以来是 师傅带徒弟 。退役运动员转做教练，把自己的成功经验传授给下一代。这套体系培养了一代又一代奥运冠军，但也有一个根本性的局限：经验难以量化、难以复制、难以纠错。
科技真正进入中国竞技体育，差不多是十年前开始的。随着 科学化训练 理念在各支国家队逐步推开， 没有数据就没有训练 开始成为共识。各项目队开始组建复合型科研保障团队，系统性地采集和使用训练数据。
在体操队，这种转变的落地方式是一个大数据平台。从东京奥运周期开始，何卫带团队将运动员的训练日记、体能测试、体成分数据、比赛成绩全面数字化。教练和运动员可以通过平台查看个人状态和发展变化，横向纵向比对分析运动表现。平台二期正在推进预测模型的开发，目标是通过数据自动化分析来挖掘运动员的成功规律，并进行伤病预警。
与此同时，无标记运动捕捉技术的引入解决了体操的一个独特难题。体操运动员做动作时不适合在身上贴传感器，因为即可能影响运动员的本体感觉，也可能带来损伤风险，但训练又需要精确的技术分析。过去靠手工解析视频，一套数据出来可能两三周就过去了，训练中完全用不上。现在通过无标记动捕系统，运动员完成一个跳马动作后，几秒钟内就能获得上板时的膝关节角度、撑马时的躯干姿态、最大腾空高度、翻转速度等关键参数。何卫说这是 一项技术革新 ，年轻运动员已经会主动要求查看自己的动作和优秀运动员的差别，做实时对比分析。
这些进展是实实在在的。但何卫也坦诚地指出了当前的瓶颈：竞技体育积累的数据，和金融、交通这些行业比，量级差距大，标准化程度也不高。即便数据采集能力提升了，从 采到数据 到 用好数据 之间仍有鸿沟。动捕系统可以产出大量参数，但哪些对教练决策真正有用？每个运动员的技术特点不同，不存在通用的评判模型。
这个瓶颈并非中国独有，但国际上的情况略好一些。 NBA 、英超、 ATP 网球巡回赛，因为职业化程度高、商业驱动力强，数据分析和 AI 应用的渗透率明显高于传统的非职业化项目。何卫观察到，国外教练对科研数据的使用意愿更强，科研团队和教练团队之间形成了紧密的协作关系。苏炳添的外教兰迪 · 亨廷顿就是一个典型，他对科研数据的重视和国内多数教练的态度形成了鲜明对比。
何卫的判断是：目前中国竞技体育的训练模式中，经验仍然占八九成，数据驱动的比例还比较小。但趋势已经确立，未来数据驱动的比例至少要到 30% 到 40% 。 从经验驱动到数据驱动 ，这个转变正在发生。
数据的积累为 AI 介入竞技体育打下了基础，而大模型的出现，给这个领域带来了新的想象空间。
2022 年底 ChatGPT 发布之后，体育总局的科研立项开始明显向 AI 方向倾斜。动作识别、自动捕捉分析、体育领域的垂直大模型，都成了热门方向。 2025 年 4 月，体育总局科教司明确将 推进人工智能在体育行业应用 列为年度重点工作，牵头成立了 体育 + 人工智能 工作组，并将相关行动纳入《 十五五 体育科教发展规划》。多所高校已在建设体育 AI 的学科方向和垂直大模型，在跳水、游泳、篮球、田径、羽毛球等项目的国家队备战中开始提供服务。
何卫自己也是大模型工具的积极使用者。他说以前单纯的聊天问答已经满足不了科研需求了，现在需要的是能建知识库、做深度数据分析的功能。这代表了一线科研人员的真实态度：不是排斥，不是迷信，而是在不断探索更好的用法。
但在竞技训练的核心场景中，大模型的落地还面临根本性的挑战。何卫用了一个很好的区分来解释：鹰眼系统之所以能快速普及，是因为它解决的是 是非题 ，球过线了没有、脚踩线了没有，答案确定，不存在歧义。但训练场上教练需要的是 好坏题 ，这个动作 8 分还是 6.5 分？这个技战术在下半场体能下降时还管不管用？这类判断涉及大量主观评估和情境理解，是当前 AI 最难攻克的部分。
何卫的团队在体操上做过一个尝试。他们开发了一个跳马的动作分析系统，试图通过精准测量转体、高度、速度等参数来辅助打分。做着做着发现：穷尽不了所有情况，泛化性不足。后来开始尝试另一个方向，把大量比赛视频和对应成绩直接给到模型，让它自己去学习。这在理论上可行，但体育领域标准化的训练数据还远不够用。
体操的 好坏题 短期内很难被 AI 攻克，但在对抗类和集体类项目上，视觉模型的前景可能更近一些。何卫现在也在跟摔跤队合作。摔跤教练特别想知道对手的得分模式，通过什么技术得分、上下半场体能变化如何。如果有视觉模型能从大量比赛视频中自动提取这些信息，对教练的价值是直接的。羽毛球也是同样逻辑，每周都有公开赛，理论上可以用视觉模型自动分析对手的击球模式和得分特点。何卫的团队已经做了一些尝试。有效果，但准确度离教练的要求还有距离。 你准确到 80% 、 89% ，觉得了不得了。但教练要的是 99% 。
整体而言，视觉识别走在最前面，大语言模型更多用在知识管理和报告解读，智能体的探索刚起步。真正改变教练决策方式的 AI 产品，在国内竞技体育中还很稀缺。但方向是对的，投入在增加，空间也在打开。
另一个值得关注的交汇点来自机器人。 2026 年春晚上，宇树机器人表演了后空翻、托马斯全旋等体操动作。 3 月初，北京通用人工智能研究院和宇树等机构联合发布的 OMNIXTREME 框架，让人形机器人用一套通用策略学会数十种 极限运动 ，线% 。机器人可以学到动作外形，但很难复制运动员发力的精微感觉，研究运动中的人，始终是最复杂的事。不过反过来看，机器人公司训练运动控制模型时缺的正是高质量人体运动数据，而竞技体育多年来积累了大量这类资源。双方各取所需，两个看似不相关的领域，可能正在走向合流。
采访进入下半场的时候，话题转到了一个我们事先没有预料到的方向：运动心理。
何卫说了一句让我们印象深刻的话：在竞技体育中，到了比赛的时候，心理因素 能占到接近一半 。
这不是体操独有的现象。何卫举了射击的例子：中国射击队在训练中的成绩，绝对比奥运会上打出来的要好。顶尖运动员在比赛中能发挥出训练水平的 80% 就已经不错了，剩下的 20% 被压力吃掉了。 我们很多优势项目，训练水平绝对高于比赛水平。 训练本身就是冗余设计，用来对冲心理折扣。
体操尤其特殊。它是一个 自己跟自己比 的项目，不存在对手互动，也不是隔网对抗。站上赛台的那一刻，运动员面对的是相当程度的孤独。紧张、焦虑、对场上形势的判断，直接影响技术动作的成败。
这种孤独感带来的心理压力有多大？ 2021 年东京奥运会上发生的一件事，让全世界看到了答案。美国体操名将拜尔斯，被公认为历史上最伟大的体操运动员之一，在团体决赛中突然退赛。她后来公开解释说自己出现了 twisties ，一种体操运动员在空中突然丧失空间感知的现象，无法判断身体的方位和旋转角度。这不是伤病，不是体能问题，而是一种极端压力下的心理和神经反应。拜尔斯选择了退出，因为在这种状态下继续翻腾可能导致严重受伤。
何卫也感慨，这种心理波动是可以训练和调控的，但很难完全消除。国家队有专门的心理团队长期驻队，做心理知识普及、自信心训练、赛前焦虑调控，也针对个体做具体的咨询和干预。做运动心理工作最关键的是建立信任，必须长期在一起、慢慢熟悉，运动员才会真正敞开。比赛前，心理团队会给运动员准备简洁的提示卡，提醒步伐节奏、热身要做哪几个动作、不要多想。核心逻辑是让运动员在上场前聚焦一件事，排除杂念。
这些方法有效，但覆盖面有限。每位运动员的心理状态都高度个性化，心理团队人手有限，信任关系的建立也需要时间。
何卫认为，心理恰恰是 AI 最有可能率先发挥作用的领域。他的理由并不复杂：运动员的日常训练节奏紧张，和心理老师面对面交流的时间有限。如果有一个随时可用的 AI 工具，可以聊训练中的困惑，可以做正念练习，可以在睡前帮助放松，它能覆盖心理团队照顾不到的碎片化时间。何卫之前看到有人做类似 唱吧小屋 的心理服务产品，走进去和智能体对话、做冥想训练。他觉得如果把专业的运动心理学知识灌进去， 放到国家队来用，那就太好了。
2024 年 4 月国际奥委会发布的《奥林匹克 AI 议程》中，已经明确提到了 AI 在运动员心理支持方面的潜在价值。巴黎奥运会上也首次使用了 AI 监控社交媒体上针对运动员的不当言论，保护他们的心理健康。运动心理和 AI 的交叉，正在从一个边缘话题变成主流议程。
从训练数据到视觉识别，从心理陪伴到运动处方， AI 在体育领域能做的事越来越多。但一个现实的问题随之而来：这些技术的商业化路径在哪里？
我们采访过的一位体育产业分析师说过一句线; 入体育的目的是要出体育的。
这句话点到了关键。竞技训练这个细分场景本身的商业空间有限，但体育产业的整体盘子已经很大，而且还在快速扩张。据国家统计局数据， 2024 年全国体育产业总规模达到 3.84 万亿元，增加值 1.6 万亿元，占 GDP 比重提升至 1.19% 。 2025 年 9 月，国务院办公厅印发《关于释放体育消费潜力进一步推进体育产业高质量发展的意见》，明确提出到 2030 年体育产业总规模超过 7 万亿元，并强调 支持大数据、人工智能等新技术在体育领域的创新运用 。政策把科技赋能和消费升级绑在了一起。
在这个大盘子里， AI 除了服务竞技体育的几千名顶尖运动员之外，还有一个更广阔的机会：把竞技体育的专业积累转化为大众可用的产品和服务。竞技体育提供的是一个极端的技术验证场景。如果 AI 能在奥运冠军面临的那种极端压力下证明自己，向大众市场延伸就有了最强的背书。这个逻辑在心理领域尤其成立：如果一套 AI 系统能帮助运动员在几秒钟内、全世界注视下稳定心态，那它用来帮高考生在考前调整状态、帮职场人克服公开发言的紧张，只会更加得心应手。
这种从竞技到大众的延伸，何卫及其同事就在探索。体科所和地方合作发布了一个体质健康领域的大模型产品，做的是国民体质监测的智能化。参加几项标准测试后，系统评估心肺耐力、力量水平等状态，推荐运动处方，还带标准动作的视频库。他坦言目前分析精度还有提升空间，但 至少已经开始了这个尝试 。
大众健康的需求是真实而巨大的。何卫之前和青少年体育部门合作，针对驼背、高低肩、骨盆前倾后倾等身体姿态问题，做了一套评估加矫正的课程体系，拍了标准化的动作视频。当时想配上 AI 动作识别功能让孩子在家也能得到指导，但开发成本太高暂时搁置了。放到今天，随着视觉模型能力的快速提升和成本下降，这个方向正变得越来越可行。
肩痛、膝盖不适、颈椎问题、脊柱侧弯，这些 不是病但很难受 的亚健康状态，困扰着数以亿计的久坐人群和青少年。体科所在这个领域有长期的专业积累，从功能性评估到康复训练都有体系化的知识。如果和 AI 的个性化评估和交互能力结合起来，可能诞生一个覆盖面极广的产品。据艾瑞咨询预测， 2025 年中国智能运动健身行业市场规模可达 820 亿元，而整个智慧体育市场仍处于早期阶段，空间远未触顶。
从竞技体操的技术诊断，到运动心理的 AI 陪伴，再到大众的运动处方，这条从塔尖到塔基的路径，就是体育 AI 出圈 的逻辑。
采访接近尾声时，我们问了何卫一个问题：如果 AI 全面介入体育，有什么是它做不到的？或者说，什么是人类所独有的？
体操是一个 难美性项目 ，这是业内的术语。比赛成绩由两部分构成：难度分和完成分。难度分相对客观，你识别到了动作，就知道它是 0.1 还是 0.5 ， AI 完全可以胜任。日本富士通已经做出了这样的评分辅助系统。
但完成分不一样。完成分里除了扣除技术错误之外，还包含艺术表现力：音乐的配合、舞蹈的编排、动作之间的衔接与流畅度。这是一个 非常主观的分数 。如果把评分完全交给 AI ，这个维度就消失了。何卫说，那样的线; 你就不需要编排，不需要音乐、舞蹈，就玩动作就好了 ，体操会失去它之所以存在的那部分价值。
这可能是整个 AI+ 体育 话题中最耐人寻味的一层。在所有那些关于数据、模型、效率的讨论之后，何卫最终把我们带回了一个最古老的命题：体育的核心不是精确，是人。是人在极限状态下展现出的力量、勇气、美感，以及那些无法被量化的东西。
AI 可以帮运动员跑得更快、跳得更高、在关键时刻多一分从容。但让观众屏住呼吸的那一刻 —— 不是数据，是一个人在赛台上呈现出的、独属于他的美。
AI 发展越来越快，社会中存在一种广泛的焦虑：当 AI 无限进化之后，人类的角色在哪里？从 AI 体育这个细分场景里，我们得到了一个具体而明确的答案。控制论之父诺伯特 · 维纳在 1950 年写过一本书，书名叫《人有人的用处》。七十多年后，这个判断在体操馆里、在赛台上、在运动员起跳的那一瞬间，依然成立。
体操项目的柔美与力量，解析自由操、高低杠等动作的技术难点，分享运动员的编排创意与赛场高光，展现 “力与美” 的极致融合。