NBA 的下一场技术革命，不止在球场，更在看球的方式里。 为什么有些球员得分不多，却能改变整场比赛？为什么有些球员没有多少「炸裂」的数据，使用率却是队内最高？都是一次成功防守，为什么有些球员的更受教练认可？如今，新的 AI 工具正在回答这些问题。 这其中， NBA 与亚马逊云科技共同推出的「 NBA 深度赛场（ NBA Inside the Game ）」实现了用 AI 参与比赛分析， 球迷会看到投篮、抢断、助攻和得分背后的难易度，还有那些藏在比赛过程里、却可能真正决定胜负的细节。 从看见比赛，到看懂比赛，技术正在改变球迷理解篮球的方式。这场合作背后，是 NBA 对观赛体验的重新探索，也是云计算与 AI 技术深入体育核心场景的一次重要实践。 在一个回合里，一名球员或许什么数据都没得到，但可能是场上最有价值的人。 10 月 11 日， NBA 中国赛（ Game 2 ） 的直播中，在赛前球队的入场环节期间， 两队核心球员上赛季的 NBA 深度赛场（ NBA Inside the Game ）高阶数据在大屏上一一呈现 ，谁的投篮难度最高、谁光靠球员引力就能撕裂防线等数据，引起了弹幕与评论区众多球迷的讨论。 篮球的魅力很直观，球进了就有得分，突破和传导球就容易制造机会，快攻扣篮能够瞬间点燃全场 …… 篮球易懂，但真正看懂篮球，远比看清楚球的运行轨迹复杂得多。 篮球场上的十名球员，始终处于连续移动和相互博弈之中。挡拆、换防、协防、无球跑位接连发生，进攻与防守可能在一瞬间完成转换， 一个动作的价值，往往取决于它与其他九名球员的相对位置，以及接下来几秒钟内整场比赛的变化。 比如在中国赛第一场，火箭队在一个进攻回合里，由杜兰特传球给申京，后者内线得手，但进攻的发起者却是范弗利特，而他的数据则是 0 ，他用一次掩护、一次转移球，不仅吸引了防守，更是梳理了进攻空间，让队友用更简单、高效的方式完成进攻。 这正是篮球对数据分析提出的特殊挑战。 传统技术统计擅长记录已经发生的结果，却很难完整描述的「比赛过程」，球员的移动、投篮姿态、防守人的反应以及不同球员之间的空间关系，既相互关联，又持续变化。 对于 AI 来说，采集海量数据已经不易，更难的是从连续且复杂的运动中识别出有意义的动作，并判断这些动作为什么重要，「比赛影响力」的判断与讨论，也是最令球迷们津津乐道的话题之一。 的确，篮球 真正迷人的部分，往往是那些肉眼看得到、却不容易说清楚的细节，很多「球员表现」并非看数据，而是依赖于对比赛的影响力，这一点教练有判断，球员也有直觉，但球迷未必能看懂。 2025 年 10 月， NBA 与亚马逊云科技宣布达成多年合作， 由亚马逊云科技提供技术支持，双方共同推出「 NBA 深度赛场」，这是一个全新的篮球智能平台，也是一个实时高阶数据分析平台 ，将把数十亿个数据点转化为精彩的独到见解与互动体验，目的是革新篮球数据分析与直播观赛体验。 简而言之，「NBA深度赛场」的意义，就是尝试把这些过去依赖教练经验和球员直觉的内容，转化为可以量化的洞察，呈现在球迷与观众面前。 真正影响比赛的大量细节，一般都在传统数据统计不到的地方。「NBA深度赛场」的数据分析，不只是展现现场比赛的「发生了什么」，也开始解释「为什么会发生」。 自 2025-26 赛季起， NBA 与亚马逊云科技开始将球员追踪系统采集的数据与机器学习模型结合，将每名球员 29 个身体关键点、每秒 60 帧的运动数据进一步转化为实时洞察，推出了 Shot Difficulty （投篮难度）、 Defensive Pressure （防守压力）、 Gravity （引力值）、 Leverage （胜率影响力）等指标。 从技术层面看，「NBA深度赛场」并不是简单地给传统数据统计增加几个新栏目，而是拟定了全新的核心指标，从不同角度解释比赛细节。 分开来看。 Shot Difficulty （投篮难度）是通过预期命中率（ xFG% ）衡量一次出手的难度。 空位投篮与面对严密防守的强投，即使最终都得分，背后的难度也不相同。 同样的两分，背后可能是截然不同的技术含量，投篮难度试图剥开命中率的表象，衡量球员究竟是在完成一道送分题，还是在防守封锁中解出一道高难度方程。 Defensive Pressure Score （防守压力）关注的，则是防守对进攻的限制。 一次成功防守未必以抢断或盖帽结束，但迫使对手改变突破路线、放弃原本的出手机会，同样具有价值，这项指标试图将这些不容易被传统数据记录的防守影响量化。 换言之，当对手被迫偏离战术、改变出手甚至放弃突破，防守者的价值便早已发生，只是传统数据未必留下了痕迹。 Gravity （牵引力）衡量进攻球员吸引防守注意力的能力。 篮球场上的空间从来不是凭空出现的，一个足够有威胁的球员，能够让