跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

苹果体育应用几乎算不上数据产品,而这正是它的用意

苹果的体育应用几乎没有功能,没有新闻流,也没有任何让人上瘾的机制。Slate 六月的评测认为,它靠的是速度,不是数据科学。

体育新闻陈思远发布: 2026年9月27日4 分钟阅读资料来源 6
苹果体育应用几乎算不上数据产品,而这正是它的用意

体育科技市场常被当作一个数据问题来卖。近来的报道大多围绕运动表现追踪、票务分析和体育中的 AI,指向更大的数据管道和更聪明的模型。过去两年里使用最广的体育产品之一,走的却是相反的路。

Slate 在六月评测了苹果的体育应用,标题说它“几乎什么都不做”。文章描述的应用没有新闻头条,没有直播指南,也没有任何想把用户留在应用里的设计。它只有队名和队徽、战绩、比赛时间,以及进行中或已结束比赛的比分,再加一个排名页面。产品就是这些。

成本落在查询上,不在索引上

这与分析厂商描述问题的方式形成鲜明对比。数据工具公司 Cassis 在八月发布的一篇文章给出了一个简单的框架。它问的是:回答一个数据问题,人的成本落在哪里。文章把这份成本分成索引和查询两部分。索引是前期把信息组织好、以便日后能找到的工作。查询是有人真正需要答案那一刻所花的力气。文章借用了 Hrishi Olickel 的一个衣柜比喻。写时模式是把衣服直接放进衣柜,按用途分好类。读时模式是在你需要某件衣服时,去翻一堆乱放的衣服。

苹果的应用是一次极端的索引押注。得有人决定哪些联赛重要、排名怎么组织。得有人决定数据统计表怎么排版,比分多快能送到锁屏上。用户在查询时几乎不花任何成本。Slate 的评测者提到,在斯坦利杯季后赛期间,应用总是先推送匹兹堡企鹅队的动态,流媒体直播还没跟上。他不得不把自动更新关掉。

“我们做 Apple Sports,是为了给体育迷他们想要的东西:一个能极快拿到比分和数据的应用。”

Slate 文章引用的这句苹果高管的话,就是全部卖点。里面没有任何关于智能体之类的说法。评测者列出的覆盖范围包括世界杯比赛,以及 MLS、NWSL 和大约 30 个其他联赛。厄瓜多尔甲级联赛和德乙也在其中,此外还有男子和女子网球以及 LPGA 巡回赛。

智能体只是转移成本,并不会消除成本

眼下大多数体育分析的推进,都假设的是另一种取舍:接受更重的产品,换回更多东西。这个假设在整个数据工具领域正承受压力。Cassis 的文章认为,AI 智能体并不会消除让数据变得有用的人力成本。它们只是把成本重新分配,而这种重新分配很容易被忽略。文章引用的一位资深数据经理描述了每周的轮班。有一个人专门应付临时问题,长期占用一个五到六人团队约 20% 的人力。

Starburst 在九月发布了自己对智能体数据分析的分析。它从另一个方向得出了相近的结论。公司描述了一种它刻意称为“选项 0”的做法:从源系统里抽出原始数据,以文件或直连管道的方式发给智能体。Starburst 反对的理由是成本。如果智能体按处理的项目收费,把 TB 级的数据发给它可能贵得离谱。它更倾向的做法是给智能体数据库的访问凭证,让它自己写 SQL。这样,数据库引擎就去做它本来就擅长的事。

Starburst 也指出了这种做法的运维风险。文章说,智能体可能比人难伺候得多。它们在反复试错时会用大量试探性查询把数据库压垮。公司把这当作数据库行业正在积极解决的工作负载问题,而不是已经解决的问题。

小工具,小界面

同样的思路也出现在较小的开源项目里。Adaca Analytics 是一个面向 Google Analytics 4 的自托管仪表盘项目,九月发布在 GitHub 上。它跑在 Cloudflare Workers 上,每天通过 GA4 Data API 或 BigQuery 导出把汇总数据写进运营者自己拥有的 D1 数据库。实时数据仍然留在 Google 那边。仓库介绍里说,开箱即带六个仪表盘、一个四步构建器,以及预先算好的详情页,点一个数字一次往返就能返回结果。项目采用 MIT 许可证。

八月底在 Hacker News 上出现的 DataZen,在数据库工作的范围上走了类似的路。它是一个不到 15 MB 的桌面客户端,GPLv3 许可,无需账号。凭证用 AES-256-GCM 加密后存在操作系统钥匙串里,AI 请求只发给用户自己配置的服务商。九月发布的 Plainoldanalytics 是一个 Go 中间件,把仪表盘挂到已有的 HTTP 路由上,大约每秒把流量写入磁盘一次。

这些产品没有一个承诺回答 CFO 那个问题:哪些企业客户续约了。它们承诺的是,只要有人把问题定义清楚,取回答案的成本很低。Cassis 把没被算进预算的那部分说得很直白。让四个团队对“活跃客户”是什么意思达成一致,这本身就是索引工作。它不会因为现在由智能体来写 SQL 就消失。

放到体育产品上,这个类比仍然成立,只有一点不同。球迷早就对什么是比分达成了一致。那种吃掉分析预算的定义之争,在这里并不存在。这也许正是“几乎什么都不做”反而管用的原因。

评论 0

资料来源

6
  1. 01Apple Made a Sports App That Does Almost Nothing. It's IncredibleEN
  2. 02There's still no free lunch in data analyticsEN
  3. 03An Analysis of Two Architectures for Agentic Data AnalysisEN
  4. 04We rebuilt the old Google Analytics on top of GA4's dataEN
  5. 05Show HN: DataZen – a local-first client for cross-database workflowsEN
  6. 06Show HN: Plainoldanalytics: Analytics Middlware for GoEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

陈思远

陈思远

体育、汽车与旅行

陈思远负责FLASH24的体育、汽车与旅行报道,他从联赛官方数据、车队技术公报和旅行目的地统计中提取信息,重点关注规则执行与数据一致性,不放过任何一处数字矛盾。在体育报道中,他逐场核对射门、跑动和犯规数据,并比对视频助理裁判的判罚记录;在汽车与旅行板块,他同样坚持用实测油耗、里程和票价来验证每一条结论。他常与赛事数据员、车队工程师和当地向导沟通,每逢联赛关键轮次或新车发布便提前整理对比表格。业余时间他打业余篮球,也研究联赛数据与视频助理裁判的判罚逻辑,这些爱好让他更清楚数据背后的实际节奏。他坚持一条原则:未经核实的数据不写进稿子。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。