10 月这个周末，我在澳门待了几天，看 NBA 中国赛 2026。
其实，我是个「投篮机选手」。平时很少下场打球，但商场里的投篮机经常玩。NBA 也一直是在电视上看，从来没有近距离接触过赛场，更别说球星了。
所以这一趟，算是我第一次真正走近 NBA。
这次让我印象最深的，是球馆外的两件事：一块排长队的互动球场，和一场 12 小时的黑客松。
两件事都和同一个东西有关：NBA 深度赛场（NBA Inside the Game），NBA 和亚马逊云科技一起做的篮球智能平台。（亚马逊云科技是 NBA 的全球官方云服务与云 AI 合作伙伴）
🏀 先去球场投了几个球
NBA House 在威尼斯人一楼的展馆，正中间是一块叫 Digital Court 的互动球场。亚马逊云科技和 NBA 在这里做了一个深度赛场的球迷体验版。
玩法很简单：AI 先告诉你站到哪个位置投篮。你投完，它根据你的出手动作和命中情况，算出这一球的投篮难度和你的引力值，结果马上打在旁边的大屏上。
这两个词听着有点玄，我简单解释一下：
- 投篮难度（Shot Difficulty）：同样是进球，有人是空位轻松投进，有人是顶着长臂硬投。它看的是出手那一刻的姿态、位置、防守干扰，算出「一个联盟平均水平的球员，在这个情况下能投进的概率」，再反过来得出难度。
- 球员引力（Gravity）：一个球员不拿球、不出手，数据栏全是 0，但他往那一站，防守就往他那边偏。引力值量化的就是这种「站着不动也能牵动防线」的影响力。
现场排队的人非常多。什么人都有：资深球迷，硬核玩家，只是平时偶尔看看球的轻度爱好者，还有不少小朋友。
不管懂不懂球，大家都玩得很嗨。
我自己也排队玩了。说实话，自己投完球再看屏幕上的数字，比在网上看十篇科普文章都好懂。「原来这个位置算难」「原来我这样站，防守会被吸过来」，这种感觉一下就有了。
作为投篮机选手，这个玩法我上手很快。但玩下来感觉很不一样：投篮机只数你进了几个，这里还会告诉你，刚才那一球在客观环境下到底难不难。
（ps. 现场这个是为互动专门做的球迷体验版，和正式比赛里用的系统会有一些差异）
第一次近距离见到 NBA 球星
在 Digital Court 还有一个意外收获：NBA 传奇球星肖恩・马里昂（Shawn Marion）来到了现场。
马里昂外号「骇客」（The Matrix），四次入选全明星，2011 年跟着独行侠拿了总冠军。这次中国赛正好有独行侠，旁边还在办黑客松，这个外号放在这里挺应景。
⏱️ 12 小时，同一份数据
第二件事是黑客松，名字叫「Broadcast Code 12」，亚马逊云科技和 NBA 一起办的。
规则是这样的：每支队伍拿到 NBA 官方的深度赛场数据，加上授权的真实比赛画面，在珠海用 12 个小时做出作品，从早上 8 点一直写到晚上 8 点。一共有 120 位开发者，组成了 42 支队伍。
题目叫「NBA 深度赛场可视化，让 Agent 解读数据」，意思就是：让你的 Agent 当解说员，把投篮难度、引力值、防守压力这些肉眼看不到的东西，放进比赛画面里讲给观众听。
最后 8 支队伍晋级，来澳门 NBA House 做决赛路演。
评委阵容非常硬核。
亚马逊（Amazon.com）首席技术官 Werner Vogels 博士（全球云计算教父，云计算真正的技术始祖）亲自到场，和 NBA 的团队一起组成评委团，给 8 个项目逐个打分。
Werner 在点评时说：「最好的技术，是在连接人与人、解决实际问题时发挥最大价值的。」
NBA 执行副总裁、媒体和技术负责人 Ken DeGennaro 的预期也很务实：「未来，我们或许真的会借用你们在这次黑客松中提出的一些绝妙点子！」
我在台下看完了全部路演，最大的感受是：拿到的数据一模一样，做出来的东西完全不一样。
大家选的切入点和服务的人群不同：
- 有的队伍做小白观赛陪伴，你看不懂哪里，它就在旁边给你讲哪里，像身边坐了个懂球的朋友。
- 有的队伍主攻视觉化呈现，对普通人特别友好，有一支队伍直接把高光时刻做成了「子弹时间」。
- 也有技术很强的队伍，基于深度赛场的数据往下挖，做更深的数据分析，甚至自己训练了一个私有大模型。比如「爱看球的agent」队，用团队自研的模型做音视频理解和语音解说，播报起来很有情绪。
- 还有队伍从产品角度切入。Deepdrink 队提出了一个「决策分」：同一个回合，持球人自己投的预期得分是 106，传给空位队友是 113，直接告诉你这次选择是好是坏。
作为一个普通观众，我自己最有感觉的是视觉这一块。数据再准，要是我看比赛那几秒钟反应不过来，对我来说就等于没有。画面一变，我马上就懂了，这个体验差别非常大。
所以下面重点讲讲冠军队伍，他们正好是把视觉做到最好的那一支。
🏆 冠军作品：平行世界
冠军是「摆烂总冠军」队，一支「球场 + AI」的三人跨界小队。作品叫「平行世界」。
一句话介绍：用深度赛场数据，演出这一回合没有发生的另一种可能。
听着有点抽象，我结合他们的演示视频和现场路演，一段段拆开讲。
他们先想清楚了一件事：回放放在哪
这是我觉得整个作品最聪明的地方。
他们没有一上来就堆数据，先看了直播的时间线：这一回合打完，进球，然后镜头给到观众，接着是精彩回放，再进入下一回合。
他们的东西，就插在进球后的那几秒回放里。
这个时间段的特点是：很短，而且观众刚刚看过一遍。所以他们给自己定了三条规矩：
- 演没发生的。观众刚看过一遍，再放一次原样回放没意思。他们切进虚拟球场，演「本来还能怎么打」，顺便讲清楚这次为什么能成。
- 字要少。观众的眼睛跟着持球人和空位队友走，根本读不了长句，画面上只放名字和数字。
- 不定格。讲战术不暂停画面，用慢放带过，观众始终觉得自己在看一段连贯的比赛。
这三条看着简单，但很多队伍恰恰就是倒在第二条上，后面再说。
一段 23.8 秒的回合，被拉成 46.5 秒
他们的样片用的是独行侠对火箭的一个回合，主角是克里斯蒂。
原片 23.8 秒，一帧没剪，最后成片 46.5 秒。
整段分成五幕：实况，子弹时间，虚拟球场演两次传球，回到现实，最后一投。
里面用到了三种视觉手法，每一种都对应一个数据。
手法一：引力场，攻防就是冷与热
进攻球员脚下是一团热量，光圈大小就是他这个赛季的引力值。防守球员是冷的，贴得越近，进攻球员的热量就被吸走越多。
而且这个热力场每一帧都按球员的真实站位重新计算，会跟着人一起动。
路演时他们专门解释过：深度赛场给的只是一个赛季的引力值，他们会再看球员当下站在强侧还是弱侧。站在强侧，光圈就大一些；跑到弱侧，就小下去。所以光圈一直在跟着跑位变。
引力值这个词，到这里终于有了画面。
谁在吸引防守，谁被放空，地板上的颜色直接告诉你。
手法二：虚拟球场，没走的路只演到出手前一刻
这是「平行世界」这个名字的来源。
到了做决定的那一刻，画面像碎片一样一块块翻过去，切进一个虚拟球场。球员都变成了发光的人形，然后开始演：
- 如果传给底角的弗拉格，接球、准备出手，慢放，预期命中率 35%。
- 倒带，球回到持球人手里。
- 如果传给华盛顿，接球、准备出手，预期命中率 36%。
- 回到现实。
注意，每条「没走的路」都只演到出手前一刻就停，不演投没投进。他们还特意只演两种可能。原话是：「不把一次进攻连演三遍，节奏比什么都重要。」
这一点我特别认同。
做过产品的人都知道，功能加起来容易，克制住不加才难，特别是 AI 时代。
手法三：光球分身，6 个球讲一个命中率
最后回到现实，克里斯蒂出手。这时候画面上从他手里飞出好几个发光的球，有的进了，有的弹出来。
右边写着：联盟同类出手命中率 36%，克里斯蒂本季三分 40.4%，这一投预期 29%。
他投进了。
29% 的球投进了，难度不用解说去喊，画面替他说出来了。
这里还有个细节。他们一开始做的是 100 个球，结果画面一团乱，根本看不出是在投篮。后来减到 6 个，进 2 个，弹出 4 个，命中率一眼就懂。路演时主讲人也提到了这件事：「我们觉得六个球看起来的效果是最好的。」
从 100 改到 6，这个取舍很能说明这支队伍的审美。
每个数字都标了出处
他们把画面上所有数字分成三类，用不同颜色标出来：
- 深度赛场：原始数据，比如克里斯蒂的引力值 3.9、投篮命中率 44.1%。
- 画面测得：他们自己从视频里量出来的，比如防守距离 1.1 米、1.2 米。
- 本片估算：自己推算的，比如这一投的预期命中率 29%。
做数据可视化，最怕的就是数字好看但说不清来路。他们主动把「哪些是官方数据、哪些是我们算的」分清楚，在评委面前很加分。
技术部分简单带过
技术上，他们把流程分成三步：看懂，计算，发布。
- 看懂：原片进来，AI 先当导演看一遍，读出比分，再写解说、配中文语音。
- 计算：找出每个人，对上球场线，变成坐标，读出姿势，补出慢动作，最后画出平行世界。
- 发布：处理完的视频推到网页上。
整条流水线跑在亚马逊云科技上，用亚马逊云科技的 Step Functions 服务把每一步串起来。
他们还专门做了一个「导演」Agent，要求它先查证、再下判断。路演时他们用一句话总结了分工：判断交给 Agent，计算交给流水线，把关留给人。
他们自己总结了三件最难的事：
- 深度赛场只给了一个赛季引力值，他们要把它变成每一帧都在变化的热力场。
- 子弹时间要放慢十几倍，原画面帧数不够，就让 AI 在每两帧之间补出 15 帧，画面才顺。
- 深度赛场只有整个赛季的汇总数据，他们要推到「这一投」：出手过程中，防守人一路逼近，预期命中率从 36% 掉到 29%。直到出手那一刻，才把这一投的命中率定格下来。
路演最后一页，他们只放了两句话：
篮球最迷人的，是每个回合都有另一种可能。平行世界，把这种可能演给你看。
🎨 冠军之外，还拿了最佳视觉奖
TEAM42 除了总冠军，还拿下了最佳视觉奖。
这个奖不是评委打分，是全场 120 位开发者一人一票盲投选出来的。能让一群天天写代码、看界面的同行投票认可，说明他们的视觉确实过硬。
看完 8 个项目，我最大的一个体会是：工具、审美和细节，对最终呈现的影响大到超出我的预期。
工具差距，在屏幕上一眼就能看出来
同样 12 个小时，用的模型和 Agent 工具不一样，效果差别非常明显。
用顶级模型的队伍，和用非顶级模型的队伍，出来的东西不在一个层次。选了比较小众 Agent 工具的队伍，和用全球主流模型、主流 Agent 的队伍，差距也拉得很开。
这个不只是黑客松的规律。平时用 AI 做东西也一样，工具选对了，同样的时间能多做很多事。
工具选错了，再努力也是在跟工具较劲。
字太多，是很多队伍的通病
有几支队伍的作品，其实技术思路不差，但界面上密密麻麻全是字。
路演时间很短，屏幕也就那么大，台下评委和观众根本来不及看完那么多内容。看着很费劲，信息再多也传递不出去。
看现场视频更直观：大屏吊在球场上空，评委坐在下面要仰着头看，围栏外的观众离得更远。字一多，基本就看不清了。
回头再看 TEAM42 的第二条规矩「字要少」，就知道这是想过的。他们不光作品里字少，连 PPT 也是：每页一句大标题，关键词标成橙色，下面配一个画面，几秒钟就能看懂这一页要说什么。
最后
在澳门这几天，我最大的收获是想明白了一件事：
数据算得再准，如果普通人看不懂，那它就只是一串数字。从「算出来」到「看明白」，中间还有很长一段路要走。
深度赛场把篮球里那些看不见的东西算了出来。现场的球迷体验版，让大人小孩都能亲手玩一把。黑客松则把「怎么讲给普通人听」这件事，交给了一群开发者去试。
8 支队伍给了 8 种答案。我自己最喜欢的，还是「平行世界」这种：不用懂篮球术语，看一遍画面就知道这一球有多难。
你看球的时候，最想让 AI 帮你看懂哪一部分？欢迎在评论区聊聊。