体育数据分析至今没有一套可用的操作手册
这份材料里最新的进展,是贝恩公司9月29日发布的一份报告。报告估算,到2031年AI行业每年需要6万亿收入,才能撑起目前的数据中心建设投入。这个数字还没有和体育、健身与运动表现分析实际赚到的钱对上账。

贝恩公司9月29日发布了一份报告。据《The National》报道,这家波士顿咨询公司认为,到2031年AI行业每年必须创造6万亿收入,才能证明砸进数据中心的资本是合理的。
同一个72小时窗口里还有两条数据密集的新闻,都直接涉及体育和运动表现,另外还有一些厂商和开发者发的工具类帖子。没有融资轮,没有联盟合同,没有版权交易。最新的材料是基础设施经济学和隐私研究,体育数据分析的讨论目前就停在这里。
贝恩的数字,以及它没算进去的东西
贝恩预计,到2031年AI基础设施的年支出可能达到15000亿,涵盖新建设施、GPU升级、内存和网络设备。它预计新产品开发将贡献约42000亿,包括搜索、广告、自动驾驶和物理AI方面的创新。企业生产力需要1万亿到14000亿,消费服务需要2000亿到4000亿。
这些板块里没有一个属于体育。报告点名的例子是药物研发、心理健康和能源生产。贝恩全球技术业务主席、报告第一作者David Crawford在报告中说:“今天的讨论全盯着员工生产力。AI基础设施的经济账要求的是生产力收益之外数万亿的新收入。”
贝恩称,数据中心的规模和成本大约每12到16个月翻一番。《The National》引用研究机构Epoch AI的数据:Meta位于俄亥俄州的Prometheus设施2025年为600MW、估计耗资240亿,到2027年将升至最高2GW、800亿,2029年达到5GW、最高1750亿,2030年为9GW、2000亿。
这是成本端。收入端,体育目前没有位置。
同一天,隐私账单落到车主头上
同一天,东北大学的研究人员与《Consumer Reports》合作,公布了对19个品牌在美国销售的21款新车型以及30个配套手机应用的测试结果。《The Verge》报道,21辆车每一辆都通过Wi-Fi向至少一个第三方域名传输数据,超过一半的车辆联系了专做广告、追踪或分析的域名。
《Consumer Reports》点名亚马逊、谷歌、Meta、微软、Pinterest、Snap和雅虎是车主数据的主要接收方之一。同一项研究显示,HondaLink、Lincoln、MyNissan、myCadillac、myChevrolet、myBuick和myGMC这七个配套应用把车辆识别码、电话号码和精确位置发给了广告网络。受测应用中超过70%联系了至少五个独立的广告、追踪或分析域名。
“我认为结论是,有很多东西值得担心,”项目负责人、东北大学网络安全与隐私研究所前主任David Choffnes对《The Verge》说。
方法细节对做运动表现分析的人很重要。研究人员在每辆车里放了一台树莓派,接上车载Wi-Fi,再经手机热点联网。为了抓取蜂窝流量,他们搭了一个汽车大小的法拉第帐篷,屏蔽外部基站信号,迫使车辆连到受控的Wi-Fi上。
《Consumer Reports》还提到,车企对数据流向的说法存在分歧。通用汽车、本田、日产和Stellantis表示,部分接收方被禁止独立使用或出售这些数据。研究人员发现这些限制未必有效。他们把结果给本田看之后,本田要求供应商Amplitude删除已收到的全部位置数据,并停止继续发送。
没人打算公开的截图
《The Register》9月29日报道,与Glow Security相关的研究人员发现,AI模型把343家公司超过13000张企业软件项目的敏感截图传到了公开的GitHub仓库。Glow把这一发现称为PixelLeak。
Glow Security联合创始人兼CTO Omer Singer对《The Register》说,智能体想给开发者看界面改动前后的图,但在私有仓库里没法把图片附到拉取请求上。GitHub没有提供向拉取请求、issue或评论上传图片的API,于是智能体改为新建公开仓库。约三分之一的泄露来自使用开源截图工具gitshot的开发者,该工具自己的隐私声明就警告说,图片仓库默认是公开的。
Glow发现343家受影响机构,包括一家财富500强旅游公司、多家金融公司、云服务商和基础模型公司。其中一个案例是一家员工超过10万人的制造商,智能体把内部计费界面的演示发到了某位开发者的个人GitHub账号。公司安全团队直到Glow告知才知道。
这里和体育的直接联系很弱。间接联系不弱。任何通过AI智能体处理运动员生物特征、比赛追踪或球迷数据的分析业务,都会继承同一种失效方式:一个出于好意的变通做法,在没有攻击者参与的情况下把敏感材料搬到了公开视野里。
工具类帖子到底说了什么
新闻层之下,这份材料还收了厂商和开发者的内容。Polars发布了一份与BMLL Technologies的案例研究。BMLL是从剑桥分拆出来的公司,提供覆盖全球100多个交易场所的Level 3、2、1历史市场数据。BMLL的Thomas Jardine写道,在单台192核、1.5 TB内存的机器上,用pandas加载一天的美股成交数据要接近3.5分钟,用Polars只要4.3秒,大约快48倍。
BMLL还称,十年全市场美国数据端到端处理不到两分钟,两周中国股票超过1.5 TB的市场微观结构数据只需3分钟出头。这些是厂商在自家基础设施上跑的基准测试。在独立复现之前,只当它接近营销材料看。
Turbofy的网站推销一个面向编码智能体的工作空间,宣称“从想法到上线系统快60倍”,且零服务器。GitHub项目Singularity能从一个数据模型生成REST API和MCP工具目录。Datadog的工程博客讲的是把Event Platform Intake从无状态编码改成有状态编码,用Antithesis做了测试,文中给出的量级是每天超过100万亿事件。
这些都没有点名任何体育客户。记录的真实状态就是这样。
体育编辑室该注意的缺口
据9月29日的一篇报道,由Yann LeCun担任顾问的英国初创公司Worldmodeldata对《WIRED》说,它已授权获得近100万小时的电子游戏数据,用来训练世界模型。公司CEO Rhea Loucas说:“这很可能带来世界模型的GPT时刻。”英伟达的Ming-Yu Liu对《WIRED》说,他对“用游戏数据做操作任务会更保守”,因为游戏里的物理常常很古怪。
体育动作捕捉是同一类问题:成对的视觉与动作数据、边角案例、高昂的出错成本。这份材料里没有人这样推销它。贝恩描述的基础设施账单靠搜索、广告、自动驾驶和生产力来支撑,而会消耗同样算力的运动表现分析市场,一个字都没提。
这种沉默就是故事本身。6万亿的收入目标里没有体育这一行;一支车队把位置数据发给广告网络;智能体为了绕开缺失的API把内部截图公开。三件事都是同一个假设在失效:数据层会自己照顾好自己。
资料来源
9- 01AI needs $6tn in annual revenue to justify data centre boom, Bain saysEN
- 02Your car's data privacy problems are worse than you thinkEN
- 03Your Car Is Sharing Data With Big Tech Companies, Study FindsEN
- 04AI models keep posting screenshots showing sensitive data from inside tech companiesEN
- 05How BMLL Processes 1.5 TB of Market Data in Under 4 MinutesEN
- 06The Next Evolution of AI Is Learning From Your Dodgy Gaming SkillsEN
- 07Testing Datadog's Next-Generation Event Platform Intake with AntithesisEN
- 08Platform for coding agents to build hosted apps with data, auth, and automationsEN
- 09Singularity - design a data model, get the REST API and the MCP serverEN
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。
评论
0- 还没有评论——来说两句吧。