世界杯一粒进球被吹掉,背后可能有多少 AI?

简介: 世界杯进球被吹?背后是VAR+AI的精密协作:摄像机追踪29个身体点、球内传感器锁定传球瞬间、AI自动生成越位线与3D动画,再经VAR复核、主裁终裁。AI负责“测得准”,裁判负责“判得明”——技术让判罚更透明,却未消除规则语境下的争议。

要说世界杯球赛最让球迷抓狂的画面,当属进球之后,射门的球员已经冲向角旗区庆祝,观众已经站起来欢呼,转播画面却突然切到裁判:手指耳机,等待 VAR 确认。随后的几秒钟,或者几十秒后,大屏幕打出结果:越位,进球无效。

其实 VAR 真正进入很多球迷的视野,是从 2018 年俄罗斯世界杯开始的。随后,VAR 在 2018/19 赛季正式进入足球竞赛规则,进球、点球、红牌、认错人等关键判罚,开始越来越多地通过视频助理裁判复核。

很多人虽然经常听到 VAR,但未必清楚它到底在做什么。借着这次世界杯的机会,我们可以把这个过程拆开看一看:当一粒进球被取消,裁判、视频回放、越位线,以及背后的数据系统,究竟是怎样一起工作的。

尤其是在越位判罚里,今天的足球判罚系统已经不只依赖视频裁判反复看回放。摄像机追踪、球内传感器、身体点位识别、3D 建模、AI 算法,都可能参与其中。

所以,一粒进球被吹掉,背后可能真的有不少 AI。

VAR 是什么

先来说说 VAR 是什么。VAR 的全称是 Video Assistant Referee,也就是视频助理裁判。它的核心作用,是在比赛出现重大判罚争议时,协助主裁判复核画面。

VAR 主要覆盖这几类影响比赛结果的关键场景:进球是否有效、是否点球、是否直接红牌、是否认错了犯规球员等。

所以 VAR 本身更像是一套视频复核流程。它有视频操作室,有视频助理裁判,有不同机位的回放,也有和主裁判之间的通信系统。

这套流程的重点在于:场上裁判先做出决定,VAR 再检查是否存在明显错误或严重漏判。当然,最终决定还是由主裁判给出。

说到这,可能有小伙伴发现了,其实 VAR 并不等于“AI 裁判”。一开始,它其实是为了解决“裁判看没看清”的问题。

但后来,情况开始变得复杂起来。在足球比赛里,有些判罚很难只靠人眼和普通回放快速解决。越位就是最典型的例子。

AI 如何判断越位

给四年一度的球迷做个简单科普,什么是越位呢?它很好理解,就是传球瞬间,进攻球员如果比倒数第二名防守球员更靠近球门,并参与进攻,就可能越位。

图上看着很简单,但真正判断起来,细节非常多。首先,要判断传球发生的“那一瞬间”的画面。球赛的球速如此之快,一脚直塞、一脚挑传、一次折射,都可能让画面差一帧,那导致的判球结果就会完全不同。

其次,吹越位还要判断球员身体的具体位置。越位不只看脚,也可能涉及头、肩、膝盖等可以合法触球的部位。球员快速奔跑时,身体前倾一点,肩膀、膝盖、脚尖的位置都可能影响结论。

最后,还要判断这个球员有没有参与进攻。看他有没有触球,有没有干扰门将视线,有没有影响防守球员动作。

前两件事偏“测量”,关注时间点、身体点位、空间位置;后一件事偏“理解”,看这个球员在这次进攻中到底有没有产生影响。

AI 最先进入的,正是前面这些偏测量的部分。

半自动越位技术中的 AI

FIFA 采用的半自动越位技术,英文叫 Semi-Automated Offside Technology,简称 SAOT。这套“越位辅助系统”主要是摄像机负责看人站在哪里,球内传感器负责看球什么时候被传出,AI 负责把这些数据合在一起,生成越位提醒。

它的工作方式可以简单理解成三步。

第一步,追踪球员。

绿茵场上方会布置多台专用摄像机,用来追踪球员身体上的多个关键点。FIFA 曾经公开介绍过,系统可以追踪每名球员最多 29 个与越位相关的身体数据点,并以较高频率计算他们在球场上的位置。所以,系统看到的并不是电视转播里一个模糊的人影,而是一组不断变化的身体坐标。

第二步,识别触球时刻。

越位判罚里,“传球瞬间”非常关键。为了解决这个问题,现代比赛用球里可以加入传感器,用来捕捉球被触碰的精确时刻。球员传球、停球、射门,都会带来球体运动状态的变化。传感器数据配合画面追踪,可以帮助系统更准确地找到那个关键时间点。

第三步,生成越位提醒。

当系统把球员身体点位、足球数据、传球瞬间结合起来,就可以判断某名进攻球员在接球时是否处在越位位置。如果条件明确,系统会向视频助理裁判发送自动越位提醒。

有细心的小伙伴可能注意上面用的关键词是“提醒”。

SAOT 可以帮裁判更快定位问题,自动画出越位线,生成 3D 动画,让观众看清楚为什么进球被吹无效。但在完整的判罚链路中,裁判仍然要确认这次越位是否成立,尤其是发生了干扰比赛、影响门将、身体对抗等复杂情况。

2026 世界杯升级的 AI 技术

到了 2026 年世界杯,这套系统还在继续升级。

FIFA 官方介绍过,2026 世界杯将使用 Advanced SAOT,也就是更进一步的半自动越位技术。它和此前系统的一个重要区别,是在清晰的位置越位场景中,信息可以直接传给场上比赛官员,让边裁更快举旗。

这会减少一种很常见的判球尴尬:进攻球员明明已经处在明显越位位置,但助理裁判按照流程延迟举旗,让进攻继续发展。球员可能继续突破、对抗、射门,增加不必要的受伤风险。Advanced SAOT 的目标,就是让这类清晰的越位更快结束。

此外,2026 世界杯还有一个有意思的事情,那就是出场球员会被 3D 扫描,用于生成更贴近真实身体尺寸的数字模型。这好像游戏建模,但它和越位判罚有关。

因为越位判罚关心的是身体部位的空间位置。不同球员的肩宽、腿长、身体比例都不一样。如果系统可以使用更准确的 3D 球员模型,就能在高速移动、身体遮挡、多人重叠的情况下,更可靠、精准地识别球员身体点位。

对观众来说,3D 建模也会让视频回放更直观。过去我们看到的越位动画,像一群简化小人站在越位线前后。现在的回放可能更接近真实球员,让人更容易看懂到底是谁、哪个身体部位越位了。

一粒进球被吹掉背后的技术链路

以一次前锋接到队友身后球并完成进球为例,判罚系统首先要完成两类数据对齐:传球时刻和球员位置。

球场上方的追踪摄像机会持续捕捉球员的身体关键点,把每名球员的位置、运动轨迹转换成空间数据;球内传感器则用于识别触球瞬间,帮助系统锁定传球发生的准确时间点。

随后,系统会把这两个数据源同步:在传球发生的那一刻,进攻球员的肩膀、脚、膝盖等可触球部位,是否比倒数第二名防守球员更靠近球门。

如果系统检测到清晰的位置越位,就会自动生成越位提醒,并给出越位线和相关画面。VAR 团队再复核触球点、身体点位和越位线是否合理,确认后将结果反馈给场上裁判。

最终,主裁确认判罚,进球被取消。转播画面里观众看到的是一条越位线、一段 3D 动画和“进球无效”的结果;背后则是一整条技术链路:摄像机追踪、球内传感器、身体点位建模、AI 计算、VAR 复核、主裁确认。

AI 和裁判的分工

前面说过,AI 擅长处理可测量的问题。

谁的位置更靠前?传球发生在哪一帧?某个身体部位有没有越过越位线?球有没有整体越过边线?这些问题可以转化成数据、坐标和几何关系。AI 可以在这些场景中提高判断速度,并降低人眼误差。

但足球判罚不全是测量题,还有些需要人工介入的判断。比如,一个越位位置的进攻球员有没有干扰门将视线?一次身体接触算正常对抗,还是犯规?手球是不是让身体不自然扩大?防守球员有没有受到进攻球员影响?

这些问题需要结合动作、意图、位置、比赛语境和规则解释。哪怕有再多机位和数据,最终仍然需要裁判判断。

所以,世界杯里的 AI 更像是裁判系统里的“高精度测量工具”和“快速提醒工具”。它可以把一些原本依赖人眼反复拉线的环节自动化,把一部分争议变得更清楚。

但它没有接管整场比赛。

AI 能解决判罚争议吗?

很难。

VAR、半自动越位、球内传感器和 3D 建模,能让关键判罚有更多证据,也能减少一部分肉眼误差。但足球比赛里,很多判断依然离不开规则语境。

过去,争议常常围绕“裁判有没有看见”;现在,争议可能转向“触球时刻准不准”“身体点位有没有误差”“这个球员算不算干扰比赛”。

所以,AI 进入足球判罚后,争议不会彻底消失,只是讨论对象变了。

下一次看到进球被吹掉,屏幕上出现越位线和 3D 动画时,可以多看一眼。那几秒钟等待背后,可能是摄像机、传感器、AI 系统、VAR 团队和主裁判一起完成的一次复杂判断。

也许,AI 在悄悄地改变我们理解一粒进球的方式。

相关文章
|
5天前
|
缓存 测试技术 API
Qwen 3.7 Plus 与 Max 实测:性价比与多模态能力差异解析(2026)
2026 年 6 月 1 日,阿里悄无声息地发布了 Qwen 3.7 Plus,距 Qwen 3.7 Max 上线刚好 11 天。同样的 1M 上下文,同样的 35 小时自治上限。但价格才是头条:Plus 是 0.40/M输入,Max是 2.50/M——便宜约 6 倍——并且还能看图、看视频。Vision Arena 上 Plus 已经排到 #16。所以这周真正值得讨论的问题不是”要不要为视觉能力买单”,而是”Max 凭什么用 6 倍价格换来 2 个百分点的 benchmark 领先”。
|
6天前
|
JavaScript 定位技术 API
CodeGraph 爆火:编程 Agent 需要的不是更多上下文,而是一张提前画好的代码地图
CodeGraph 是一款爆火的本地代码智能工具,通过 tree-sitter 解析 AST 构建结构化知识图谱(存于 SQLite),为编程 Agent 提前生成“代码地图”。它显著降低 Agent 在中大型项目中的探索成本——实测工具调用减少71%、Token 降57%、速度提升46%,支持19+语言及主流框架路由识别,完全离线、无需 API Key。
683 5
CodeGraph 爆火:编程 Agent 需要的不是更多上下文,而是一张提前画好的代码地图
|
6天前
|
人工智能 自然语言处理 文字识别
阿里云百炼Qwen3.7-Max简介:能力、优势、支持订阅计划参考
Qwen3.7-Max是阿里云百炼面向智能体时代推出的新一代旗舰模型,对标GPT-5.5、Claude Opus 4.7等闭源旗舰。该模型支持百万级token上下文窗口,具备顶级推理能力、多模态搜索与视觉理解增强、流式输出低延迟响应等核心优势,覆盖编程、办公、长周期自主执行等复杂场景。同时支持OpenAI接口兼容,便于系统快速迁移。用户可通过Token Plan团队或节省计划等订阅方式灵活调用,适合企业级高要求场景使用。
8699 37
阿里云百炼Qwen3.7-Max简介:能力、优势、支持订阅计划参考
|
6天前
|
人工智能 运维 JavaScript
阿里云Qoder CN(原通义灵码)全解析 产品形态、版本划分与技术适配说明
在AI辅助开发与智能办公工具持续普及的当下,阿里云旗下原通义灵码正式更名为Qoder CN,同时延伸出QoderWork CN、Qoder CN CLI、Qoder CN Mobile等多款配套产品,形成覆盖代码开发、日常办公、终端交互、移动端使用的完整工具矩阵。Qoder CN核心定位为AI智能编码助手,深度适配主流代码编辑器、集成开发环境以及终端场景;QoderWork CN则偏向桌面端综合办公辅助,二者面向不同使用场景,划分了多个版本档位,搭配差异化资源配额、功能权限与计费规则,同时兼容多款主流大模型。
686 5
|
6天前
|
存储 安全 Java
AgentScope Java 2.0:打造分布式、企业级智能体底座
AgentScope 2.0 面向分布式部署、稳定运行、权限安全等企业级需求全面升级,打造支持多租户隔离与长期稳定运行的企业级智能体底座。
|
6天前
|
数据采集 人工智能 前端开发
让 Coding Agent 从黑盒到透明:阿里云 Agent 观测审计数据采集实践
AI Agent 规模化落地带来执行黑盒、行为难追溯、成本难度量三大难题。阿里云基于 OTel 标准,面向 Coding Agent、个人通用助理和框架型 Agent,推出 LoongSuite Pilot、插件及探针等无侵入采集方案,让 Agent 实现可看见、可分析、可审计、可治理。
740 149
|
6天前
|
人工智能 运维 自然语言处理
阿里云百炼Qwen3.7-Max模型详解:综合能力、核心优势与订阅计划参考指南
2026年,大模型技术持续向通用化、高性能、场景化方向迭代,阿里云百炼作为一站式大模型服务平台,持续推出迭代升级的模型产品,Qwen3.7-Max便是当前主力旗舰级大模型之一。该模型依托深度优化的底层架构与大规模训练数据,在文本理解、逻辑推理、多模态交互、代码生成、长文本处理等多个维度实现能力升级,同时搭配灵活的订阅计划体系,能够适配个人开发者、中小企业、大型企业、政企机构等不同类型用户的使用需求。
577 2
|
6天前
|
JSON 缓存 安全
通过 CC Switch 本地路由让 Codex CLI 接入 DeepSeek 等第三方模型
CC Switch 通过本地路由(`127.0.0.1:15721`)实现协议转换:将 Codex 的 Responses API 请求自动映射为 DeepSeek 等厂商的 Chat Completions 接口,兼容流式响应与工具调用,无需修改 Codex 源码,安全隔离 API Key。(239字)
1733 3
通过 CC Switch 本地路由让 Codex CLI 接入 DeepSeek 等第三方模型
|
6天前
|
人工智能 缓存 自然语言处理
阿里Qwen3.7-Max评测:Agent能力显著提升,耗时与调用成本大幅下降
阿里云百炼推出面向智能体的旗舰大模型Qwen3.7-Max,具备长周期自主执行能力,显著提升编程、办公自动化等复杂任务处理水平;支持MCP集成与多框架兼容,并以限时5折+100万Tokens免费试用大幅降低使用门槛,助力企业高效落地AI应用。在阿里云百炼平台快速体验:https://t.aliyun.com/U/fPVHqY
1968 10
|
6天前
|
人工智能 运维 API
2026年阿里云百炼通义千问Qwen3.7-plus深度介绍 功能特性、使用优势及618大促订阅方案指南
大模型技术的普及,让AI能力逐步融入个人办公、内容创作、代码编写、企业运营、教育培训等各类场景。不同定位的模型对应不同使用需求,旗舰级模型性能强劲但使用成本偏高,轻量化模型价格低廉却难以胜任复杂任务,而介于两者之间的中端主力模型,凭借均衡的能力、亲民的定价、广泛的场景适配性,成为绝大多数个人用户、小型团队、中小企业的首选。
789 1