第864章 球员模型的潜在市场 (1/2)

质疑老板的决定？

李科从来没有这个想法！

他虽然算不上一个资深球迷，但技术团队里有好几位铁杆球迷。

通过他的解释，整个团队都明白了这套球员模型的真正用途。

那就是重新定义足球！！！

根据今年相关体育财经统计，2013年全球球探市场规模大约在8–12亿美元，国内5000–8000万，增速40%，传统球探覆盖有限，最多看1000场/年，漏了无数草根天才，一旦用启用球员模型系统，1人便可顶100个球探，可以覆盖全球500+联赛，成本直接下降90%。

即便不是所有俱乐部都相信课程表的球员模型系统，只要qpr能够通过这个系统挖掘出几个小牛，那么在英超、在欧洲一定会有俱乐部愿意尝试，无非就是支付订阅费而已。

再加上该模型可以直接应用课程表在校园领域的验证功能，在俱乐部转会期，只要你将引援球员的信息输入，系统会自动根据之前搜集到数据给出绝对公平不带情感的评价。

比如，某个赛季出场几次，进球助攻如何？跑动距离多少？有效传球以及威胁传球数量如何？攻入前场三十米区域次数多少？甚至还会自动分辨出他的左右脚触球数，在面对排名靠前队伍的数据多少，面对弱旅的比赛数据又是多少？

这不仅仅能帮助俱乐部有效的减少水货引援，教练团队还能根据对方球队的球员分析出对手的弱项，做出针对性的战术部署。

最后便是青训体系以及衍生市场。

青训体系就不用介绍了，衍生市场除了体育媒体会订阅外，还有菠菜机构订阅分析赔率，甚至一些资深彩民可能头脑一热也会订阅。

七七八八加起来，今年的潜在市场有将近30亿美元，即便只有小部分俱乐部尝试，那也是过亿美元的直接营收。

李科非常清楚，老板既然愿意砸出几十亿去收购一家英冠球队，必然有利可图。

因为当前全球没有任何一家数据公司可以提供类似的球员模型系统，就算有这方面计划的数据公司，也拿不出大量资金进行布局，毕竟这不仅仅是资金问题，而是算力问题。

但这些制约因素对于继续出海的课程表云服务来说，都不是问题。

不缺资金也不缺算力，甚至王总为了将来能更顺畅的打入欧洲，还提前收购了一家足球俱乐部。

一旦模型正式商用，作为球员模型的第一个使用者，他不敢想象qpr将来会囤积多少青年才俊。

所以自闭归自闭，还是得督促团队尽快搞定计算机视觉功能。

陈海波是在第二天找到了李科。

作为课程表cto，他对这位交大出身的技术大牛自然是非常熟悉，两人在球员模型事业部中经过了详细的交流后，大致问题也基本上摸得差不多了。

“主要是视觉无法精准分辨出球员动作？”

“嗯，如果想要商用，咱们这套系统必须要精准的捕捉到球员的动作，比如出球脚，射门还是传球？另外在面对浅色球服时，当前的采集系统容易将球员弄混，尤其是场地反光时，球员轮廓特征不明显，id追踪很容易乱”

李科指尖敲了敲桌面的测试报告，苦笑一声，解释道。

“这涉及到的技术难点有不少，我们团队试了几次优化算法，但精度都上不去”

陈海波闻言沉吟片刻，掏出圆珠笔在纸上画了个简单的算力架构图，回道。

“这两个难点，本质是特征提取不精准、追踪模型泛化能力不足，涉及的技术难点确实多”

“动作区分需要优化机器学习的特征工程，球员混淆则要提升帧间匹配精度”

“能解决吗？”

李科追问，语气里带着急切。

“可以，但需要加深机器学习能力，更关键的是堆算力”

陈海波抬眼看向他，语气笃定。

“数据中心的算力足够，我可以帮忙搭建分布式训练集群，把赛事标注数据拆分到多节点并行训练，同时优化球员轮廓特征提取算法，慢慢提升精准度，这也是目前最贴合咱们资源优势的解决方案”

“需要多久能够完成？”