Marquee 拿下 400 万美元，vivenu 把 AI 助手接上票务：本周 AI × 体育五条动态（7/27–8/2）

本期覆盖 2026 年 7 月 27 日至 8 月 2 日公开的 AI 体育进展。最具体的新增动作集中在组织内部：Marquee 把现有足球数据接到球探和招募决策，vivenu 把票务第一方数据接给营销与销售助手，Kambi 则披露 AI 已进入世界杯期间的实时定价和交易。运动科学研究仍在追踪训练、表现、疲劳与伤病风险，但研究数量的增长不等于干预效果已经被证明。

7 月 30 日，Tel Aviv 初创公司 Marquee 宣布完成 400 万美元种子轮，AnD Ventures 领投，Axel Springer SE、Welltech Ventures、Apex Capital、97212 Ventures 和 JCP 参与。Sports Business Journal 报道称，公司今年早些时候还完成 250 万美元 pre-seed，本轮后累计融资 650 万美元；新资金用于研发、招聘 AI、工程和数据科学人才，并在美国和英国设立办公室。1

Marquee 的产品不采集新的可穿戴信号，而是把俱乐部已有的比赛和业务数据放在九个自研 AI 模型之上，提供可以用自然语言追问的洞察。公司新闻稿把输出写成筛选名单、360 度球探报告、战术拆解和市场分析；官方口径称已有 20 多家职业俱乐部和联合会部署，覆盖英超、意甲和 MLS，并计划在 2026 年下半年拓展篮球和美式橄榄球。7

这里需要把三个数字分开：400 万美元是本轮融资，650 万美元是累计融资，20 多家是公司披露的客户数。它们都说明产品已经进入商业化阶段，却不能回答模型找人的准确率、推荐是否改变了签约结果，或俱乐部是否真的减少了人工检索时间。Marquee 把 AI 放在「已有数据如何变成下一步决定」的位置上，公开证据目前仍停在融资、功能描述和客户口径。

同样在 7 月 30 日，票务平台 vivenu 发布一套 AI 功能，核心产品 AI Assistant 已向全部 vivenu 客户开放。用户可以用自然语言查询销售、收入和客户行为数据，让系统生成报告、建立客户分群、创建营销活动，并生成供人工审核的文案和主题行。官方公告还把它描述为票务平台里的 Agent，可以基于第一方实时数据给出预售设置等建议。2

vivenu 的边界写得比很多泛化的 AI 助手更清楚：它依赖平台内的第一方数据和专有票务知识库，支持 API-first 工作流和 MCP server 对接外部工具，安全说明则列出 SOC 2 Type II、PCI-DSS、GDPR 与 ISO 27001。当前公告没有披露使用率、节省工时或营销转化，不能把「已向客户开放」写成「客户已经获得收益」。2

它与 Marquee 的共同点很明确：都没有先做一个脱离业务系统的聊天机器人，而是把 AI 绑定到已有数据和已有动作。区别在于 Marquee 处理球探和招募判断，vivenu 处理销售和营销执行。对采购方而言，真正要问的是模型能读哪些字段、能否触发写操作、哪些动作必须人工批准，以及当票务数据缺失时系统会不会明确拒答。

7 月 28 日，体育博彩技术供应商 Kambi 发布文章回顾 2026 年世界杯期间的 AI 交易系统。文章称，该系统对全部 104 场比赛进行实时定价和交易，决赛单场处理超过 100 万种独特投注组合；世界杯期间客户下注超过 1 亿笔，Kambi 的 turnkey sportsbook 处理成交额超过 10 亿欧元。相比 2022 年世界杯，公司称平均单场成交额提高约 20%，live bet builder 占 live bets 的比例从 3% 上升到 22%。这些数字都是 Kambi 的运营披露，统计期是整届世界杯，不是本期这一周。3

Kambi 还称，赛事期间系统保持 100% uptime，operator trading margin 为 18%，目前已有超过 90% 的 sportsbook turnover 计划由其专有 AI 交易平台管理。这里最值得关注的不是模型能否猜中比分，而是它能否持续给市场定价、减少 live betting 的延迟和暂停时间。3

但文章没有交代哪些风险限额、暂停和异常情况仍由人工决定，也没有给出独立审计或与未使用该系统的客户对照。因此，Kambi 的数据可以证明 AI 已进入高频交易工作流，不能单独证明模型带来了多少增量利润。对联赛、博彩运营商和监管方，下一步要看的字段是人工 override 规则、模型失效时的回退机制和不同体育项目的表现差异。

8 月 1 日在线发表的论文《Analysis of knowledge structures in AI research within sports science using topic modeling: Focusing on SCI journals (2016–2026)》，由 Jisuk Chang 和 Minsoo Jeon 撰写。作者从 Web of Science 选取 2016—2026 年的 2737 篇 SCI 论文，使用 Python 3.10.9 和 LDA 主题模型，按 2016—2019、2020—2022、2023—2026 三个阶段分析研究主题。4

论文发现，training 和 performance 在整个区间都保持主导地位，并将知识结构归纳为四个方向：可穿戴设备动作识别、疲劳监测、伤病风险分析和康复系统开发。作者据此认为，体育 AI 研究正在从简单数据记录转向实时监测和更精细的伤病预防系统。4

这项研究能回答「研究者在研究什么」，不能回答「某个模型能否减少伤病」。它没有替代训练实验、临床验证或跨队伍的前瞻性评估。把文献主题的集中度写成产品效果，是体育 AI 报道里最容易发生的跳步；本周没有找到新的公开实测结果来填补这个空白。

本周没有出现一份能同时统一定义、基准年和预测区间的新行业统计。现有公开页面给出的数字差异很大：Market Data Forecast 页面列出 2025 年全球 AI 体育市场 36 亿美元、2026 年 53.9 亿美元、2034 年 376.6 亿美元，给出的 2026—2034 年复合增长率为 27.50%。5

Precedence Research 页面则显示，它在 2026 年 6 月 9 日更新的报告把 2025 年市场规模写为 108.2 亿美元，预测 2035 年达到 701.6 亿美元，2026—2035 年复合增长率为 20.56%。6

两组数字不能拿来计算一个「行业平均值」。它们可能覆盖不同的技术、软件、硬件和服务边界，页面也没有提供足够一致的统计定义。对研究或投资判断，正确的用法是保留报告机构、基准年、预测年和 CAGR，先确认口径，再与公司收入、客户数或融资额分开使用。

第一，AI 体育的新增价值正在从「生成一个分析结果」转向「把已有数据接到下一步动作」。Marquee 面向球探和招募，vivenu 面向销售和营销，Kambi 面向实时定价；三者的数据入口不同，但都把产品做成工作流中的决策层。

第二，公开证据仍然是「部署口径」多于「效果口径」。vivenu 明确写了产品已向全部客户开放，Kambi 给出世界杯期间的运营数字，Marquee 披露了客户数；但准确率、成本变化、人工复核比例和跨客户结果仍缺少独立验证。研究论文也提醒我们，研究主题变热不等于伤病率下降。

第三，接下来评估 AI 体育项目，最值得追问的不是模型参数，而是四个可核验字段：数据来自哪里，系统能做什么动作，谁可以撤回或批准，结果相对原有流程改善了多少。没有这四个字段，融资和合作公告只能证明项目获得了继续运行的条件，不能证明它已经改变了体育业务。

下周应继续追踪 Marquee 是否公开更多篮球平台信息，vivenu 的夏季新增功能是否披露真实使用数据，Kambi 是否解释人工风控边界，以及运动科学产品能否给出比文献主题更接近实测的训练或伤病结果。