体育数据分析至今没有可用的操作手册

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行业必须创造6万亿的年收入，才能支撑正被投入数据中心的资本。

同一段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。此外还有一批供应商和开发者发布的工具类帖子。这里没有融资轮，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眼下正落在这一块。

贝恩的数字，以及它没有算进去的东西

贝恩预计，到2031年AI基础设施的年度支出可能达到15000亿，覆盖新建设施、GPU升级、内存和网络设备。它预计新产品开发将贡献约42000亿，其中包括搜索、广告、自主系统和物理AI方面的创新。企业生产力需要1万亿到14000亿，消费者服务需要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、报告主笔大卫·克劳福德在报告中说：“今天的争论执着于员工生产力。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援引研究机构Epoch AI的数据：Meta位于俄亥俄州的Prometheus设施为600MW，2025年估值约240亿，到2027年将升至2GW、800亿，2029年达5GW、最高1750亿，2030年为9GW、2000亿。

这是成本端。收入端，体育目前没有席位。

与此同时，隐私账单落在司机头上

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。The Verge报道称，21辆车中的每一辆都通过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和雅虎是司机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7个配套应用把车辆识别码、电话号码和精确位置发送给了广告网络。受测应用中超过70%联系了至少5个不同的广告、追踪或分析域名。

“我认为结论是有很多值得担心的地方，”项目负责人、东北大学网络安全与隐私研究所前所长大卫·乔夫内斯对The Verge说。

方法上的细节对任何做运动表现分析的人都很重要。研究人员在每辆车里放了一台树莓派，接入车辆Wi-Fi，再通过移动热点转发。为了处理蜂窝流量，他们搭了一个车用大小的法拉第帐篷，屏蔽外部基站的信号，迫使车辆连接到受控的Wi-Fi。

Consumer Reports还报道了车企在描述数据流向时的分歧。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。在他们向本田展示结果后，公司指示其供应商Amplitude删除已收到的所有位置数据，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有关的研究人员发现，AI模型把343家公司的13000多张企业软件项目敏感截图发到了公开的GitHub仓库。Glow把这一发现称为PixelLeak。

Glow Security联合创始人兼CTO奥默·辛格对The Register说，智能体想向开发者展示界面改动前后的图片，但无法把图片附到私有仓库的拉取请求上。GitHub没有把图片上传到拉取请求、议题或评论的API，于是这些智能体改为创建公开仓库。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图片仓库默认公开。

Glow发现343家受影响机构，包括一家财富500强旅游公司、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10万的制造商，一个智能体把内部计费界面的演示发到了某开发者的个人GitHub账号上。公司的安全团队直到Glow告知才知道。

这里与体育的直接联系很薄，间接联系却不薄。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模式：一个出于好意的变通办法，在没有攻击者参与的情况下把敏感材料推到公众眼前。

那些工具类帖子到底在说什么

在新闻层之下，这份档案里还有供应商和开发者的材料。Polars发布了与BMLL Technologies的案例研究，后者是剑桥衍生公司，为全球100多个交易场所提供3级、2级和1级历史市场数据。BMLL的托马斯·贾丁写道，在单台192核、1.5 TB内存的机器上，用pandas加载一天的美国股票交易数据需要接近3.5分钟，用Polars只需4.3秒，大约提升48倍。

BMLL还声称，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处理只需3分钟出头。这些是供应商在自家基础设施上跑的基准测试。在独立复现之前，应当视为带有营销色彩。

另外，Turbofy的网站推广一个面向编程智能体的工作空间，声称“从想法到上线系统快60倍”，且零服务器。GitHub项目Singularity从数据模型生成REST API和MCP工具目录。Datadog的工程博客介绍了把Event Platform Intake从无状态编码改为有状态编码，用Antithesis测试，声称日处理量超过100万亿事件。

这些都没有提到体育客户。这就是记录目前的诚实状态。

体育编辑室应当注意到的缺口

由杨立昆担任顾问的英国初创公司Worldmodeldata对WIRED说，它已授权近100万小时的电子游戏数据用于训练世界模型，这是9月29日的一篇报道。公司CEO瑞亚·卢卡斯说：“这很可能带来世界模型的GPT时刻。”英伟达的刘洺堉对WIRED说，他会“对用游戏数据做操作任务更保守”，因为游戏物理往往古怪。

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、出错成本高。这份档案里没有人这样推销它。贝恩描述的基础设施账单是以搜索、广告、自主系统和生产力来论证的，而会消耗同样算力的运动表现分析市场却无人提及。

这种沉默就是故事本身。一个6万亿的收入目标里没有体育这一项，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把内部截图公开发布。同一个假设的三次失败：数据层会自己照顾好自己。