ai人工智能
凌晨一点半，球看完了，人没睡着。刷手机刷到一条推送，说某家俱乐部又签了家科技公司，要用ai人工智能给球员做伤病预测。我盯着屏幕看了两秒，第一反应不是\"牛\"，是\"又来了\"。
\n\n这话可能有点酸，但我确实是这个反应。从2023年那波大模型热开始，我大概每个月都能看到三五条类似的新闻。体育圈尤其多，什么AI战术分析、AI解说、AI挑外援，标题一个比一个唬人，点进去一看，多数就是拿现成的数据套了个壳。
\n\n铺垫够了，说正事。
\n\n我真正被震到的，不是那些新闻
\n\n是今年年初我自己上手用的一次。
\n\n那会儿我在写一篇长文，需要查一个球员过去五个赛季的关键传球数据。按老办法，我得一个个网站翻，再手动往表格里录，快的话一个下午，慢的话一天就没了。那天我鬼使神差，把需求丢给了一个模型。前后大概二十分钟，它给我拉了一张表，还顺手标了几处异常值。我又花了半小时核对，改了两处小错。
\n\n原来一整天的工作量，压到了不到一小时。
\n\n我坐在那儿，心情挺复杂的。不是害怕失业——我一个写字的，AI真要能写得比我好，我认。我是突然意识到，过去那么多年我花了多少时间在\"搬砖\"上。查数据、做表格、改格式，这些事占了我写作时间的六七成，而它们本质上不需要任何判断力。
\n\n所以我现在特别不爱听一种说法，说ai人工智能会\"取代\"谁。取代这个词太重了，也太戏剧化了。它更像一台推土机，先把路上那些不需要动脑的活儿铲平。剩下那些真正需要判断、需要拍板、需要你说\"这个数据不对\"的部分，还是你的。
\n\n但这事有个副作用，很多人没提
\n\n铲平之后，门槛是低了，可竞争也变了。以前你能靠信息差吃饭——我知道的数据源你不知道，我整理得快你整理得慢。现在这层优势基本被抹平了。剩下拼什么？是你看到数据之后，能不能问出一个好问题。
\n\n扯远了，说回体育。
\n\n我有个朋友在做青训内容，他去年开始用AI做比赛视频的自动标注。以前一场球要两个助理反复拉片，现在模型先跑一遍，人再校对。他跟我说过一句话我觉得挺到位：以前是人在干机器的活，现在是机器干完，人干人该干的活。
\n\n有个网友在我上条
