2026-08-30

Serve Quality、Keepace.ai 与俱乐部数据底座：本周 AI × 体育七条进展（8/24–8/30）

本期汇总 IBM × USTA 美网观赛 AI、Keepace.ai、俱乐部数据底座、体育视频收购与两篇研究进展，帮助读者区分功能公告、合作探索、客户项目、交易整合与论文证据。

一周先看

本期覆盖 2026 年 8 月 24 日至 8 月 30 日（UTC+08:00）。本周新增信息集中在三条线上：赛事方把 AI 推到观赛界面和动作解释层，俱乐部开始整理可供员工与 Agent 调用的数据底座，研究侧则继续扩展到运动动作分析与体育基因组学。

进展	数据入口	实际动作	当前状态	已验证结果 / 待核验指标
IBM × USTA 美网 AI 功能	比赛实时数据、历史统计、球员动作追踪	Live Updates、Serve Quality、Key Moments、增强版 Match Chat	2026 美网功能公告	254 场单打、21 个身体与球拍数据点、每秒 50 次追踪；使用效果待赛事数据验证 1
Microsoft × Toronto Blue Jays	Blue Jays Azure 数据生态、球员关键数据	探索球迷体验和组织洞察，推出 Copilot Performer of the Game	多年期官方合作	合作基础和权益已公布；具体 AI 产品、使用量和业务效果待披露 2
Arkero × Bolton Wanderers	俱乐部自有数据、系统、流程和组织知识	建设 bespoke club intelligence layer，支撑员工查询和 AI 工具 / Agent	客户战略与数据架构项目	双方已共同工作三个月；收入、效率和 Agent 调用结果待披露 3
SI 收购 Magnifi	AI 视频剪辑与内容平台、生产环境视频流	把 Magnifi 的视频层并入 SI 的 FanOS 路线	收购与平台整合公告	交易金额、客户迁移和收入影响未公开 4
Keepace.ai 与 MoveBench	运动课程、运动科学资源、模型调用数据	发布运动健康垂直大模型，披露评测基准并扩展课程 Agent	产品与商业化路线披露	央广网转述 Keep：上半年上线超过 8,000 节 AI 课程，日均 Token 调用量从 3 月 84 亿升至 7 月 185 亿；效果和 B 端收入待验证 5
运动动作分析综述	2011–2025 年多数据库文献	用文献计量和内容分类梳理传感器、视觉、多模态与模型演进	论文发表于 8 月 26 日	研究分析 2,602 篇文献；结论属于研究图谱和方法综述 6
体育基因组学综述	基因组、可穿戴、多组学和生理数据	讨论 AI 用于个性化训练、恢复和伤病风险分析的路径	8 月 24 日接受，正式排版版本待发布	文章列出小样本、复现性、群体偏差、数据整合与基因隐私等边界 7

观赛与球迷体验

IBM × USTA：从“谁更可能赢”扩展到“这一分为什么重要”

IBM 和美国网球协会（USTA）在 8 月 24 日公布了 2026 年美国网球公开赛的新功能。Live Updates 把球迷选中的球员、比赛、洞察和故事集中到个性化主页，解决的是赛事信息过多时的筛选问题。1

Serve Quality 则把动作数据直接放进观赛界面。IBM 页面称，这项指标覆盖全部 254 场单打比赛，借助 IBM Bob 的肢体追踪技术，记录身体和球拍的 21 个数据点，每秒追踪 50 次，再生成接近实时的发球质量分数。页面举出的输入包括手腕弯曲，以及腿部到躯干的能量传递；输出则包括效率、准确性、一致性和抛球等维度。1

*IBM 页面展示的 Live Updates 与 Serve Quality 手机界面：前者聚合球迷关注的比赛和故事，后者给出动作数据驱动的发球质量分数。1*

功能层还增加了 Key Moments。它建立在原有的 Likelihood to Win 之上，后者根据当前与历史统计、专家意见和比赛势头计算胜率；Key Moments 进一步解释比分变化、转折点和势头转移。增强版 Match Chat 接受自然语言提问，并把实时比赛数据、分析和历史信息组合成回答，部分回答还会带上相关图片和视频。1

这组功能的证据状态很清楚：功能范围、数据入口和赛事覆盖范围已经由官方公告给出，约 12 亿赛事数据点属于 IBM 页面中的官方口径。球迷是否更常使用这些功能、动作解释是否能被普通观众理解、Match Chat 的回答错误如何回退，仍需要赛事期间的使用和质量数据。

Microsoft × Blue Jays：先把 Azure 数据底座变成合作入口

微软在 8 月 25 日宣布成为多伦多蓝鸟队（Toronto Blue Jays）的官方合作伙伴。微软页面称，球队的数据生态运行在 Microsoft Azure 上，双方将探索用云和 AI 改善球迷体验，并帮助棒球队与业务运营团队发现组织洞察。2

目前已经公布的可见权益包括 Microsoft Copilot Performer of the Game：这项社交媒体内容会突出一名蓝鸟队球员的关键数据。公告同时把新的 AI 体验写成探索方向，合作页面给出的部署证据主要是官方合作、Azure 基础和营销内容。球迷端产品的上线时间、数据调用方式、模型责任边界和效果指标，属于后续需要核验的部分。

俱乐部数据与内部工作流

Arkero × Bolton：Agent 之前，先整理俱乐部自己的知识

Bolton Wanderers 在 8 月 28 日宣布与 Arkero Technologies 建立战略合作。俱乐部称，双方已经共同工作三个月，完成 AI 战略、转型路线图和支持 AI 系统运行的现代数据架构设计。3

项目中心是一个围绕 Bolton 自有数据、系统、流程和组织知识建设的 club intelligence layer。这个层的实际作用，是让员工在组织范围内查询更完整的内部数据，并为后续的 AI 工具和 Agent 提供基础。俱乐部把支持者互动、收入机会和运营效率列为目标场景，当前公开材料把这些写成预期用途，页面尚未给出收入增量、行政工时变化、回答准确率或 Agent 实际调用量。3

这个案例适合放在“部署状态”而不是“模型效果”一栏。Bolton 已经进入客户战略与数据架构共建阶段，组织知识也开始按可调用方式整理；真正决定项目价值的指标，还要看哪些部门接入、哪些工作流允许 Agent 执行，以及人工审批和数据权限如何设置。

内容平台与交易

SI 收购 Magnifi：视频能力被纳入 FanOS

SportsPro 在 8 月 27 日报道，Marathon Edge Partners 支持的 SI 收购 Magnifi。Magnifi 是面向美洲、EMEA 和亚太地区体育组织的 AI 视频剪辑与内容平台；SI 表示，收购将加快 FanOS 路线，补充技术、交付和市场团队，并扩大区域覆盖。4

SI CTO 对这笔交易的解释集中在实时体育视频的时间窗口：进球、得分或赛点发生后，内容需要在回放结束前进入分发链路。按页面披露，Magnifi 的平台已经在生产环境处理过这类视频量，收购后将作为 FanOS Media 的视频层。4

本周能确认的是交易主体、产品能力和整合方向。收购金额、客户数量变化、剪辑延迟、播放量和收入贡献，公开页面均未给出；这些数字不能从“加快几个季度”的公司表述中推算出来。

运动健康与研究边界

Keep：模型、课程 Agent 和调用量同时进入披露

央广网 8 月 24 日报道 Keep 截至 2026 年 6 月 30 日的中期业绩，并披露公司 AI 进展。需要把两个时间点分开：本周新增的是业绩披露和 AI 路线说明，业务数字覆盖的是 2026 年上半年；Keepace.ai 在 4 月发布，8 月完成国家及北京市大模型备案。5

Keep 同期披露运动健康大模型评测基准 MoveBench。央广网转述 Keep 的口径称，Keepace.ai 在其中两个任务上的得分高于所有参测模型，综合得分与业界顶尖通用大模型持平。这个结果属于公司在自有评测框架上的披露，读者还需要知道任务定义、参测模型、数据集和外部复现结果，才能判断它对真实训练场景的意义。5

产品入口已经从模型延伸到课程和教练流程。报道提到，Keep 运动课程 Agent 覆盖健身房器械、瑜伽和跑步等品类，上半年上线超过 8,000 节 AI 课程；Keep 还计划推进定制课程、练中指导、练后复盘、AI 会员和 B 端服务。App 日均 Token 调用量从 3 月的 84 亿升至 7 月的 185 亿，这个数字反映调用规模变化，尚不能直接换算成活跃用户、留存率或训练效果。上述数字均来自央广网对 Keep 披露的转述。5

运动动作分析：研究热点从传感器走向视觉与多模态

MDPI《Applied Sciences》页面显示，Wenjun Hu、Hongfei Zhang、Bin Liang、Mingzhu Wu 和 Jakub Kortas 的综述发表于 2026 年 8 月 26 日，题目是《Artificial Intelligence in Sports Motion Analysis (2011–2025)》。研究把 2011 至 2025 年的运动动作分析文献放在同一时间轴上，用文献计量和定量内容分析观察数据模态、AI 方法与任务类型的变化。6

文章分析了 2,602 篇文献，并把领域演进分为三个阶段：2011 至 2015 年以可穿戴设备和传统机器学习为主，2016 至 2019 年转向以视觉建模为中心的深度学习扩展，2020 至 2025 年则出现 Transformer、多模态融合、实时监测和面向应用的体育分析。作者还把任务分为活动识别、表现分析、康复和其他方向。6

这篇论文提供的是研究地图。2,602 篇文献的数量、主题聚类和方法阶段说明研究领域如何变化，研究本身没有给出某一支球队或某一名运动员的现场收益。采购动作分析系统时，仍需另行核对传感器入口、视频条件、外部验证和伤病场景中的误报成本。

体育基因组学：接受日期属于进展，部署状态仍在论文一侧

Frontiers 页面显示，Anil Patani、Bhakti Patel、Ramesh Pandit、Snehal Bagatharia 和 Ashish Patel 的综述《Artificial intelligence and sports genomics: Advancing precision sports science and athletic performance》于 2026 年 8 月 24 日接受；页面同时写明正式排版版本将于之后发布。这个时间状态适合记录为“论文接受”，与正式发表、产品上线和运动队部署分开。7

文章讨论把基因组、可穿戴、多组学、生理和生物力学数据交给机器学习、深度学习、预测分析与系统生物学方法处理，应用方向包括个性化训练、营养基因组学、基于生物标志物的恢复和伤病风险分析。作者提到 ACTN3、ACE、PPARGC1A 以及胶原相关基因等遗传变异，并将多基因风险评分和多组学分析列为潜在路径。7

论文同时把小样本、复现性有限、群体偏差、数据整合困难、基因隐私、数据安全和歧视风险列为关键约束。于是，这条研究进展的可行动信息是数据治理与验证要求，而不是一套已经证明能预测运动员伤病或自动安排训练的系统。正式版本发布后，研究者还需要查看完整方法、纳入文献和数据边界。

这周留下的三个判断

观赛 AI 正在增加解释层。 IBM × USTA 把入口个性化、发球动作质量、比赛转折解释和自然语言问答放到同一套观赛体验里；微软 × Blue Jays 则先从 Azure 数据基础、球迷权益和组织洞察的合作框架切入。共同点是数据入口已经具体化，使用率、回答质量和球迷行为变化仍需赛事运营数据证明。
俱乐部 AI 的第一项工程是整理自己的数据与知识。 Bolton × Arkero 把数据、系统、流程和组织知识建成 club intelligence layer；SI × Magnifi 则把生产环境视频能力并入 FanOS。前者面向内部决策与 Agent，后者面向内容生产与分发，两者都已经说清楚要接入哪一层，业务收益数字仍在后续验证阶段。
研究进展越靠近训练与伤病，验证边界越需要前置。 运动动作分析综述给出 2,602 篇文献的长期方法图谱，体育基因组学综述在 8 月 24 日获得接受；两篇材料分别对应研究地图和潜在方法，无法替代跨人群数据、现场测试、人工复核以及隐私治理。