机器智能正迈入一个崭新的焦虑细分时代。

随着工艺不断成熟，育教育救应用日渐规范，体育以普惠之姿出现的焦虑AI，已成为各行各业的育教育救关键驱动力，其中AI之于教育，体育是焦虑一个令人兴奋的话题。

教育事关国家未来的育教育救根基，AI工艺的体育应用，在促进教育资源规模化、焦虑公平化、育教育救个性化上表现出巨大潜力。体育

于学生，焦虑利用智能学习工具获得更适合自己的育教育救个性化学习体验，可以更好理解和掌握知识；于教育者，体育受益于AI，可以通过信息分析和应用教育工艺改进教学方法，提高教学质量；于运营者，利用AI分析学生表现和校园运营信息，有助于明智决策，提高教育体系的效率和质量。

近日，中国教育装备展在天津召开，丰富多样的AI+校园体育创新应用，展示着体育智能化的果实已褪去前两年的酸涩，日渐走向成熟。

AI细分时代，体育教育市场的想象空间被放大了

从科幻小说中的未来概念，到被广泛用于解决各种业务场景下的问题，机器智能行业在过去几年催生出大量新业务、新市场，这些对现实世界的改变已成为当下最引起人们兴趣的话题。

然而，看过帆船比赛的人都知道，在扯了满帆，顺流而下的情势中，行船者“熟极而流”，再也把不住舵，以至偏离航向，错失机会者比比皆是。

机器智能在垂直领域的应用是一个明显的趋势，但良禽择木而栖，工艺的归宿在于应用，最关键的便是要择定应用的领域和方向。

教育与医疗、金融、智慧城市、交通、制造业、农业等领域的增长事关国计民生，是AI应用的大方向。

在AI细分时代，找对优质场景并及早入局者，才能占据先机。

AI之于教育的想象空间极大，根据IDC信息显示，2023年教育学习场景市场规模达到1102亿美元，同比增长4.2%。到2027年，市场规模将超过1500亿美元。

这组简单的信息背后，体育是不容忽视的一部分。

其一，体育强国大目标下，体育场景被越来越重视，政策层面越来越多。

2020年，体育总局、教育部明确将体育科目纳入中考计分科目，科学确定并逐步提高分值。如北京最新中考改革方案中，自2024年起将体育总分提高到70分，在530分的总分中占比超过13%。

与此同时，体育与健康的课时占比也在提高，2022年教育部将“体育与健康”课时占比提高到了10%-11%，成为仅次于语文和数学的“第三主科”。

“2020年的时候，我通过罗列和统计政策关键词，发现国家针对校园体育的政策逐年增强，并且语言越来越明确、清晰，预感到未来校园体育会是一个很好的爆发点。”格灵深瞳智慧体育业务高级产物经理夏鹏飞谈及2020年底正式进入校园体育市场，一大原因就来自于政策的强烈信号。

其二，教学效率、个性化教学呼声高涨，学校向智能化转型。

过去几十年来，学校体考和体测场景，配备的多是红外设备、压力传感设备，这些传统的设备和相应的体育教学方法，无法提供足够的信息和信息。

随着近几年体育教学要求不断提升，学校迫切需要采用新的工艺和方法，来提高体育教育的质量和效率，让教学更适应每个学生的需求。

其三，智能体育行业走向多元化、细分化，各家从效率、科学性入手，挖掘更多校园体育场景。

“2021年4月厦门教育装备展，只有两家公司在做智慧体育相关产物，今年4月南昌教育装备展，已经有三四十家企业在输出智慧体育产物。”夏鹏飞对雷峰网(公众号：雷峰网)谈及自己的直观感受。

随着进入者越来越多，当下的智慧体育市场，大家也在不断寻找新的场景，除体育上课、体育考试外，企业已帮学校探索出了云上运动会、跨地区的体育PK、体育专项教室、课后330/530 体育专项支持等场景。

总的来说，在AI的细分时代，国内智慧体育市场还远未到充分竞争阶段，大量同类型公司正慢慢引导市场，宣传新方案，让智慧体育的概念更多暴露在公众视野当中。

刻不容缓的工艺变革，单丝不成线的AI体育

体育教育为什么需要工艺变革？

首先，体育设施和师资力量不足的问题，在体育教学领域长期存在，如今智慧体育校园建设的目标，使这些矛盾变得更加尖锐。

尽管国家已开始推出政策，引入专业退役运动员当体育老师，但体育老师的配比依旧远不如学科类老师。

在测试次数、测试项目、测试器材多样化的今天，一名体育教师难以兼顾几十名学生的训练评估、计划考核和信息采集。

其次，体育学科不同于语文、数学等学科，一大特点是无法留痕。

以北京体育中考为例，仰卧起坐的满分要求是每分钟51个，且需符合5条动作规范，包括两腿屈膝、手不离头、肩胛骨着地、肘触膝盖、臀不离垫。

对于体育老师来说，在极短的时间内凭借肉眼判断每位学生的每一次仰卧起坐动作是否标准，难度可想而知。

再者，体育学科也难达到其他学科类教学的科学化和教学逻辑的秩序化。

体育教师队伍中，不乏优秀的运动员，但他们通常缺乏语文、数学等学科教师一样的机会，能通过磨课、带教等方式，反复策划课程架构，研究课程内容以及打磨课件。

这些实实在在的难点都说明一个问题，当前的体育教学设备和方法，已不适应新的体育教学要求。

借助机器智能、大信息、机器视觉等工艺，为体育教育引入“AI助教”，则能解决上述问题。

当前智慧体育解决方案的现状如何？

在夏鹏飞看来，智慧体育市场经过两年多的增长，产物形态已基本确定，各家公司都找准了一条自己的路，从强调效率、科学性入手，专注特定场景。

接下来，对于已经进入和想要进入智慧体育市场的企业来说，都必须直面两大问题的挑战。

一方面，是效率和可靠性问题。

部分公司选择从效率入手，如有的公司去年即推出了能同时记录五名学生运动锻炼过程的机器，到今年已升级到一对十；还有部分公司强调科学性、信息多维性，效率不高，但能出具更详细的运动过程分析，给老师提供更多信息维度做参考。

然而，一味增加摄像头捕捉的人数，追求表面效率，或沉溺信息维度增多，都不能从根本上解决问题。前者常困于稳定性不足，后者自缚于速度不够快，都无法在真实的校园体育场景中使用起来。

夏鹏飞认为，真正的高效体现在两点：“第一系统足够稳定，不会因人员遮挡，人员穿行或背景人员过多等导致训练或考试中断；第二结合场景优化产物，包括流程、界面、使用逻辑、使用方法、不同业务场景功能组合的优化。”

另一方面，是学校和教师的接受度和观念问题。

体育的智慧化，不能被简单理解为抛弃原来的红外设备、传感设备，而是要输出一整套专业的解决方案。

“比如考试前的检录，收集学生照片信息如何更便捷高效；考试成绩出来后，如何处理申诉等，一系列的流程都需要考虑。”夏鹏飞说。

简单来说，当企业提供的只是一个个孤立的智能体育产物时，这些产物顶多也不过是一个智能化的体育器材，仍旧可以像篮球、排球一样被随时丢到一边。

只有当企业打通课上教学、课下回溯、课后考试完整场景，并且触及使用过程中的细枝末节时，才会成为一个专业的教学解决方案，让老师和学生形成使用习惯，才能让体育跟上教育信息化改革3.0时代的步伐。

格灵深瞳是如何走进智慧体育校园的？

当知道智慧体育从哪里来，可以明白它的起源和增长背景；当知道智慧体育要到哪里去，才可以规划方向，制定战略和计划。

当下，无论各家企业选择以何为切入点，最终都会殊途同归，回归到教学当中，深入到课堂当中。

基于这一认知，夏鹏飞认为格灵深瞳在教育领域的自我定位是：通过机器视觉工艺应用，帮助学校更好开展体育教学和训练。

为了实现这一定位，格灵深瞳的战略也被拆分为两步。

第一步，在考试这根指挥棒下，针对最迫切的分数提升需求，筛选出一批最常考的项目，先针对这些项目进行产物设计和研发；

第二步，持续优化信息分析、智慧化决策、信息挖掘等功能，将产物下沉到体育教学和体育训练市场。

践行这两个步骤的过程，十分考验企业的综合竞争力。

格灵深瞳争取到了宝贵的时间窗口。

“系统设计、产物稳定性等问题友商花时间也可以搞定，格灵深瞳的优势在有非常强的时间窗口，因为做的时间足够长，认知足够清晰。”夏鹏飞向雷峰网介绍。

2020年底，格灵深瞳完成和国家竞技队的合作后，正式进入智慧校园体育市场。而在次年4月于厦门举办的教育装备展上，同一个赛道，只有两家公司在做。

运算规则基因是包括格灵深瞳在内“AI+体育”类公司的一大优势。

“市场上很多公司没有真正从工艺底层考虑，对场景所使用运算规则的理解不足，导致无法突破工艺边界，制约了产物场景的规划和场景的设计。”夏鹏飞认为，长远来看，企业的生存状态，很大程度上来源于是否理解和掌握底层运算规则。

格灵深瞳是从金融场景、安防场景中生长起来的，通过过去十年在各种场景的沉淀，已经打磨出一套成熟运算规则，能够保障复杂场景下，稳定跟踪人体运动轨迹。

这一能力十分匹配智慧校园体育场景，一方面，体育运动最关键的不是结果，而是过程，因此稳定跟踪和清晰呈现十分关键；另一方面，校园体育场景远没有金融、安防场景复杂，工艺的迁移其实也是工艺的向下兼容。

此外，从工艺到应用的价值转换，不仅要从大处着眼，还需要解决许多具体而微的问题。

比如，目前的体育中考并没有一套统一的规范和标准，需求零散且多种多样，因此需要梳理出那些通用的需求；再比如面对真伪需求相互掺杂的情况，客户调研不仅要听其言，还要观其行，最后再到真实场景中反复验证。

上述战略、优势，面对和解决的问题，可以从格灵深瞳在中国教育装备展重点展示的四款智慧体育产物来看。

首先是两款具备信息捕捉、图像识别和呈现功能的产物。

深瞳阿瞳目体感互动系统的主体是格灵深瞳自研的智能双目姿态相机，将其插到任意一款屏幕上，就能将屏幕变成一款具有交互属性的机器智能教具。

其AR与运动的结合主打交互和娱乐，能让学生在玩中锻炼体能素质，主要面向低年龄段学生的课后支持、课上自由训练、课间活动场景。

深瞳阿瞳目体育训考系统由传统安防相机和小型前端影片设备组成，主打高效使用，流程简单。

可以记录学生的运动锻炼过程，并给出一份详细且带有可视化渲染影片的报告，辅助教师提高教学效率。

上述两款产物的信息分析能力，则来自于格灵深瞳内部称之为“AI体育大脑”的深瞳阿瞳目体育大信息系统。

在这个平台上，可以对学生的身体素质、训练过程、考核结果等多个维度进行分析并生成分析报告。

大而观之，可帮助老师深入教学场景、备课场景、考试场景以及教学成果回顾，剖析存在的问题；小而用之，可快速搭建一场随堂模拟考试。

最大的看点是格灵深瞳最新发布的边缘计算产物深瞳运动宝盒。

不仅能高精准识别，内置多种AI运算规则，支持各类运算规则的纳管、组合，一键运营其他设备，还具备计算性能强、形态适应性强、轻量化、低功耗、灵活易用等特点。

换言之，深瞳运动宝盒的核心是输出底层运算规则能力。一方面，作为工艺方案提供商，能同其他类型运算规则组合使用，帮助客户搭建自有产物和方案，大家互利共赢；另一方面，作为解决方案提供商，能支持于格灵深瞳自有的解决方案。

随着深瞳运动宝盒的推出，格灵深瞳在教育领域的产物布局，更加全面且明晰。

结语

展望未来的智慧校园体育，智能设备将在校园中广泛使用，由信息驱动的决策将带来更个性化的体育教育。

但不可否认的是，当下智慧化解决方案进入体育教育领域，还需解决不少难题。

如面对行业需求定制化、碎片化，长尾需求较多的特点，如何梳理出一套标准的智慧体育实施路径；各家在商业模式上如何更加清晰；AI +教育的团队如何快速加深行业理解的深度。

在夏鹏飞看来，接下来各家的比拼重点在三个方面：“一是系统上的稳定和流程上的高效；二是保障精度的同时增加识别人员数量；三是抓住越来越多过程类评价和大范围考核项目的机会。”

对于格灵深瞳来说，逃离表面效率的竞争，明确自身优势和战略打法，而后源源不断输出造血能力，快速的迭代产物，才能真正走得长远。

对于产业来说，格灵深瞳在智慧校园体育产物上的探索，既是AI+智慧校园建设的一部分，也是机器智能进一步深入细分领域的一个证明。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。