全球大数据发展现状 与体育领域应用前瞻

北京大数据研究院副院长、首席战略官，北京航空航天大学计算机数学交叉中心高级研究员

蔡红宇

　　各位嘉宾、各位来宾，大家好！我今天的演讲主题是：全球大数据发展现状与体育领域的应用前瞻。这个演讲分三个部分，第一个部分是全球大数据现状及相关学术基础，第二部分是大数据平台的构建与应用，第三部分是大数据在体育领域的应用前瞻。

　　一、全球大数据发展现状及相关学术基础

　　讲到大数据、数据和数字化，数据挖掘大约起始在20世纪80年代。随着数据库技术的发展，数据不断地积累，常规的查询和统计是无法满足商业需求的。1998年大数据作为专用名词出现在《Science》杂志。2010年，美国信息技术顾问委员会发布了“规划数字化未来”的报告，大数据开始受到理论界的关注。社会正沿着信息化、数字化、智能化的方向发展。数字化是以数字、数据建立起和物理世界相对应的数据模型过程，换言之，数据即万物。

　　大数据的发展现状，目前是美欧领先、中国增长强劲。市场调研机构发布的报告显示，2020年全球数据要素市场规模达到2850亿元，2021年达到3000亿美元，2022年达到3200亿美元，据此测算，2025年将超过4000亿美元。这个数据市场是一个比较主要的指标。另一个指标叫做自然指数，是涉及了145种自然科学和健康科学的顶尖高质量期刊，主要包括了目前比较先进的学科。在自然指数方面，中美领先，群雄并起。2023年的数据，中国的自然指数已经到了23171.84，美国大约是20292.72，中国在2023年的自然指数实际上已经略微超过了美国。下面第二梯队，比如说德国也好，英国也好，德国是4000多，英国是3000多，日本不到3000，法国是2000多，再往后的国家基本上是1000多。中美是领先了第二梯队4、5倍，甚至6倍，基本上是这么一个差距。

　　国内外与数据相关的政策法规。像中国陆续出台了《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》，国务院也发布了《“十四五”数字经济发展规划》，大约在2022年12月2日，中共中央、国务院发布《关于构建数字基础制度更好发挥数据要素作用的意见》，这就是我们通常讲的“数据20条”，是在数据方面很基础的一个法规。比较大的规划有《数字中国建设整体布局的规划》。美国发布法案比我们略微早一点，比如说《数字隐私和数据保护法案》，相当于我们的《中华人民共和国个人信息保护法》，美国还发布了《联邦数据战略与2020年行动计划》《开放政府数据法案》，我国的开放数据法案我相信很快会展开。

　　大数据是物理世界到数字世界的映射，是通过获取、存储、分析从大容量数据中挖掘价值的全新技术，大数据作为一种新的生产要素已被人们普遍认可。数据科学是一种学科，是利用科学方法、流程、算法和系统从数据中提取价值的跨学科领域，或者叫跨领域学科也可以。

　　数学实际上是研究现实世界中数量关系和空间形式的，简单地说是研究数和形的科学。这是当代数学大师吴文俊给的一个概念，吴文俊是我们国家人工智能最早的先行者，他在数学方面的名气也很大，基本上跟华罗庚、钱学森齐名的。古希腊有一个学者，叫毕达哥拉斯，曾提出了“万物即数”。

　　因此大数据、数据科学与数学三者间的关系如下：大数据是数据科学的研究对象，数据科学是一门以数学和计算机为主的交叉学科；算法是大数据分析和处理的核心，算法的优劣取决于数学。大数据的字面含义是指海量的数据，它的特点是“4V”：容量大（Volume）、多样性（Variety）、价值高（Value）和速度快（Velocity）。

　　数学是数据科学的重要基础，所有的计算和算法都离不开数学的方法与理论，例如微积分、线性代数、概率统计、数论等等。

　　二、大数据平台的构建与尖端应用

　　讲到应用肯定要讲成功的应用。北京大学人工智能学院的院长给过一个公式：y=a1×1+a2×2+…+an×n

　　其中最重要的因素是时代地域，这个说明什么呢？我们身处于划时代的时代。这个时代非常重要，以前经历过信息化时代、电气化时代，现在实际上是叫数据化时代、数字化时代或者叫人工智能时代。这个时代不敢说是百年未有之大变局，但最起码是三五十年大变局的时代。我们身处的时代具备了最重要的成功要素，包括基因、数据支持等。下面我介绍比较新的概念，叫做AI for Science，这是我们研究院的院长提出来的，他认为人工智能与基础科学深度融合是大数据和AI应用的“新曙光”。传统的科研团队基本是各自为战，一个导师带若干个博士，下面可能还有硕士，是一个小作坊的模式，师傅带着徒弟干着一件事。比如说搞材料的，像这样一个团队带着科研小组，一般会有一个材料方面的研究员，还会有一个搞计算的，从第一性到力场模型、到分子动力学计算等有不同的链条。这样的成本或者代价是比较高的，小组中要有五六个高级的人，才能把现在比较前端的研究做出一个成果。这种模式效率低下。我举两个例子。爱迪生有一个团队，早年做灯丝，他试验了上千种甚至上万种材料，什么竹纤维、棉纤维，直到后面用的钨丝，要以现在的眼光来看，一个一个地试效率是非常低的。还有一个国内的例子是屠呦呦发现青蒿素，她大概从20世纪50年代一直干到八九十年代，几十年几十人的团队，国家也投入不少钱，他们把所有的材料、各种中草药都试了一遍。当前的科学界的科研团队存在大量的高投入，产出相对少甚至没有产出的现象。所以AI for Science的意义，我会更加详细地介绍。

　　大数据平台给传统行业的赋能，一个是金融大数据平台，主要围绕证券数据、保险数据，对中国金融领域的研究，这方面拥有多项国际国内领先的核心技术和科技成果。数据来源有央行的数据，也有企业的外部数据，包括车辆信息、乘用车信息。为什么举这个例子？这其实跟体育是相近的，体育的覆盖面也非常大，包括政府的数据、企业的数据、个人的数据、装备的数据，大致的流程和阶段非常近似的。

　　另外给出了一个数据是物流大数据，通过海量的物流数据，覆盖物流的几个主要环节，运输、仓储、搬运、流通、加工，其中最重要的就是做到有效的车货匹配。它和体育方面和运动员和比赛的过程也比较相像，从这些平台里边，我们体育行业也可以得到很多借鉴。为什么这么说运动员和参与的运动也是一个匹配的过程？在不同的年龄段是在不同的运动阶段，不同年龄段可能会从事不同的运动。比如他15岁以下的时候适合做体操，也许到了15岁到20岁之间，拿体操的金牌可能有一定的困难了，因为人也长个了，体重也增加了，他可能更适合做自由滑雪等等。

　　三、大数据在体育领域的应用前瞻

　　大数据在体育领域的应用，小标题叫数据融合。前一节讲到“万物即数”，任何一个事物、世间所有的东西都可以用数来表达。它的原文讲的是有理数表达，就是“万物即数”。我们现在对一个比较完美的人的形容，是拥有有趣的灵魂和强健的体魄。我稍微修改了一下，你要先拥有强健的体魄，才能承载有趣的灵魂。

　　这说明在体育领域，包含了健康的成分，它占了十分重要的地位和比重，由此产生的数据和数据融合，怎么强调和重视也不过分。因为你没有强健的体魄，有灵魂也没有用。接下来，我提出来一个稍微新的概念。就是AI for Sport，这也是借鉴AI for Science这个概念。在大数据应用中，体育和科研有非常大的相似度，从前面讲的内容引下来，尤其是竞技体育和科研成果的首发。科研成果全球各国大家都在做，因为数学的相似性原理，可能同一个专题，各地很多的团队都在做，成果首发只有一个，谁先发出来就是谁的，第二个发出来的从学术地位和科研价值来说都没有那么高。体育也一样，金牌只有一块，体育可能比科研还稍微好一点，后面还有银牌、铜牌，科研界则没有铜牌一说。AI for Sport是把人工和体育融合，借鉴了AI for Science的成功模式。我们在体育的研究，无论是个人也好，团队也好，体育产业也好，都要用AI来优化提升它。大数据和AI也是数字化在体育领域的应用，应用的成功决定性因素大概有四个方面。第一是理念上的更新，我们理念现在提升了，不能就事论事，否则看不到体育背后的东西。“万物即数”“数据×”“数据的新质生产力”，这些概念的出现就说明我们理念已经提升了。第二是战略的提升。比如国际上有奥林匹克AI议程，中国肯定也不会在这个议程之外。我们的“十四五”规划、“数据二十条”，从政策和战略上作出了保障。第三是模式上的改变，打破了传统的师傅带徒弟和小作坊模式。不是说这个模式不好，主要是从全局上看，师傅带徒弟这个模式投入大、效率低。通过创新，我们会在模式上做一些改变。第四是技术上的丰富，大数据、人工智能、可穿戴设备、运动生物学、运动医学……技术方面我们今天讲一天都讲不完，这些方面会有一些新的提升。

　　大数据平台的体育应用场景构想。传统的经验性运动训练，是冠军选手退役后用自身经验培养下一代冠军选手。这是信息化以前的比较传统的，目前的科学化运动训练，科研团队可以用监测数据保障运动训练过程，包括训练量和训练强度的调整。相当处于信息化的阶段，我们未来的构想是在未来大数据平台支持下进行智能训练，在众多选手、大量数据的基础上，形成共性或个性化训练模型、智能化指导方案，有助于进一步提高训练的自主性、科学性和有效性。

　　大数据技术的创新应用，有助于形成体育领域的新质生产力，其作用不仅体现在运动训练方面，在全民健身、体育产业、体育文化包括竞技体育等七八个方向上，每个方面都有可替代的前景。

　　最后，体育发展应该有如下趋势：全民健身会从个人向全民的方向提升，竞技体育将来会是市场+举国体制，青少年体育是从娃娃到成才，体育产业是从粗放到优质，体育科教是从模糊到精准，体育文化从普通到繁荣，体育外交从中国走向世界，体育法治从不太完善发展到健全。谢谢大家！

　　（以上内容根据嘉宾发言速记整理）