全球人工智能技術在體育領域的應用態勢研究專利計量分析視角

摘 要：人工智能技術展示出在體育領域應用的無限前景，其相關專利的活躍程度對衡量和促進人工智能技術在體育領域應用具有“風向標”意義。本研究運用專利計量法和BP神經網絡，對有關專利的申請年份、地域、專利權人、IPC和DMC等信息進行挖掘。研究發現，全球相關專利發展主要聚焦在博彩與游戲、智能傳輸與機械設備、教育與醫療、虛擬技術、運動與休閑設備等領域。從BP神經網絡預測來看，未來全球相關專利的發展仍將維持在可觀的數量，但并非直線式的絕對增長，質量與數量的平衡問題將成為其發展的重要點所在。為進一步促進我國人工智能在體育領域的應用，可以圍繞政策制定、人才培養、文化創設、法案頒布、應用開發、技術中心等方面進一步著力。

關鍵詞：人工智能技術；專利；體育；BP神經網絡

中圖分類號：G80-05

文獻標識碼：A

文章編號：1008－2808（2024）04－0042－13

Abstract：Artificial intelligence technology shows the infinite prospect of application in the field of sports， and the active degree of its related patents has a “wind vane” significance for measuring and promoting the application of artificial intelligence technology in the field of sports. In this study， the patent measurement method and BP neural network are used to mine the information of patent application year， region， patentee， IPC and DMC. The research found that the global patent development mainly focuses on the fields of gambling and games， intelligent transmission and mechanical equipment， education and medical care， virtual technology， sports and leisure equipment. From the perspective of BP neural network prediction， the future development of global related patents will still be maintained at a considerable number， but not a linear absolute growth， and the balance between quality and quantity will become an important point in its development. In order to further promote the application of artificial intelligence in the field of sports in China， it can be further focused on policy formulation， personnel training， cultural creation， legislation promulgation， application development， and technology centers.

Key words：Artificial intelligence technology；Patent；Sports；BP neural network

人工智能（Artificial Intelligence，AI）已經成為全球競爭的關鍵領域，并引領新一輪科技革命和產業革新。從全球范圍看，美國于2016年、2019年、2023年先后3次更新發布《國家人工智能研發戰略規劃》，對人工智能的發展作出了實時的戰略調整；2017年中國首次出臺了《新一代人工智能發展規劃》，加緊了對人工智能技術研發的步伐［1］；歐盟自2018年頒布《歐洲人工智能戰略》以來，后續推出了政策上的一套組合拳。在此背景下，體育領域關于對人工智能技術的探索持續升溫，比如Calabuig-Moreno，F 等對 Web of Science 上發表的有關體育教學中使用增強或虛擬現實技術的文章進行文獻計量分析［2］；霍波等基于Web of Science 數據庫檢索到的文獻，借助知識圖譜呈現了人工智能在體育領域所涉及到的主要應用方向和內容［3］，可以發現，當前學者對體育領域人工智能技術的分析多是基于文獻而展開。但專利同樣是一種特殊的科學文獻，且其包含了全球90%以上的技術、經濟以及法律等多方面的情報信息［4］，通過對人工智能在體育領域應用的專利進行挖掘，有利于更加充分地剖析與展望人工智能技術在體育領域的應用發展態勢。因此，本研究將以專利計量的視角對人工智能在體育領域的應用發展態勢展開剖析，從而為此領域的研究進展提供新視角，并更好地了解和促進人工智能在體育領域的應用發展。

1 數據來源與研究方法

1.1 數據來源

1.1.1 數據庫的選擇

本研究所選取數據來源于德溫特專利數據庫（Derwent Innovations Index，以下簡稱 DII），其由德溫特世界專利索引（ Derwent World Patents Index）與專利引文索引（Derwent Patents Citation Index）加以整合構成，能夠提供全球40多個專利機構收錄的專利信息，是全球最權威的專利情報和科學技術情報數據庫［5］。

1.1.2 檢索策略的確定

本研究的檢索策略依據清華大學與中國工程院聯合發布的《2020人工智能發展報告》（以下簡稱報告）中列舉的人工智能主要技術以及在IPC分類體系中的“體育”所代表的分類號來進行檢索。報告根據技術的獨立性特征，將人工智能技術分為7個人工智能關鍵技術以及13個人工智能外延技術。通過對報告的分析以及前期對人工智能技術在體育領域應用的研究總結，本研究篩選出了其中與體育領域結合緊密的機器學習、深度學習、計算機視覺、人機交互、數據庫以及物聯網技術進行重點分析。因而，在檢索過程中，本研究選取“Machine Learning”“Deep Learning”“Computer Vision”“Human–Computer Interaction”“Database”與“Internet of Things”作為除“Artificial Intelligence” 和“AI” 之外的共同主題檢索詞，檢索時間范圍為1980—2023年，檢索時間為2023年6月10日。

在此基礎上，本研究使用專利分類號對結果加以限制。根據檢索到的數據結果，導出數據選擇“純文本”格式，之后再選擇“全記錄”將專利數據導出作為研究的原始數據。由于，本研究選取的是DII專利數據庫，檢索到的原始數據均為英文文獻，需要通過人工仔細閱讀翻譯去掉與研究內容無關的專利數據，經過數據清洗最終得到9 521條符合本研究的專利數據，之后再利用python軟件對數據做出了進一步的處理留待進行可視化分析使用，最終得到研究數據（見表1）。

1.2 研究方法

基于檢索數據，采用專利計量法與BP神經網絡法，借助CiteSpace、VOSviewer、Matlab軟件及清華大學與中國工程院聯合推出的戰略咨詢智能支持系統（Intelligent Support System，簡稱 ISS），對國際43年間人工智能技術在體育領域的應用概況繪制可視化圖譜，并對本領域專利的未來申請趨勢進行預測分析。分析內容涵蓋：年度專利申請數、專利申請國家、重點專利權人、關鍵詞共現、突現專利技術以及BP神經網絡預測。

2 全球人工智能技術應用在體育領域的專利發展概況

2.1 申請數量的年度分析

初步發展階段（1980—1999年）：1982年以來，人工智能技術的不斷發展促進了體育領域對人工智能技術的探索，截止到1999年，體育人工智能專利技術的申請數量已達184項。在此時期，1997年IBM的計算機系統“深藍”（Deep Blue）戰勝了著名國際象棋大師卡斯帕羅夫，成為首位擊敗國際象棋世界冠軍的電腦，也成為體育人工智能領域的標記性事件。但從整體來看，人工智能技術在當時依舊不夠成熟，社會大環境對其支持度同樣有限，導致其應用在體育領域的專利數量并不多。

快速發展階段（2000—2015年）：進入21世紀以來，隨著人工智能技術要素和結構的不斷豐富，全球人工智能技術專利申請量駛入 “快車道”。 與此同時，人工智能技術在體育領域應用的相關專利申請在數量上也取得了顯而易見的增長，較初步發展階段增加3 400余項。并且，其整體的發展態勢于平穩中上漲，表明此階段的技術、經濟、文化等環境都對人工智能的發展持接納和歡迎的態度。

蓬勃發展階段（2016—2023年）：2016年以來，大數據、區塊鏈、元宇宙等眾多數字技術在數字經濟下被催生，加速了人工智能技術的升級與發展。在此背景下，人工智能與競技體育、體育產業、群眾體育等的結合愈加廣泛，關于人工智能技術應用于體育領域的專利呈現陡坡式增長，其技術子類也愈發分散化和精細化。就此而言，在新一輪技術革命的加持下，未來人工智能技術應用于體育領域的專利將持續攀升，朝向“超人工智能”的目標邁進（見圖1）。

2.2 地域分布

國家/地區擁有的專利數量從側面反映出該國家/地區的創新活力以及在該領域的技術儲備實力等。圖2展示了人工智能應用于體育領域的專利數量位于前5位的國家/地區，基本被北美洲、亞洲、歐洲的幾個大國所霸榜，而排名靠前的國家難以發現非洲國家、南美洲國家的身影，表明當前人工智能技術應用在體育領域的專利發展情況存在明顯的地域性差異。可以發現，中美兩國在此項數據中取得了斷崖式的領先，兩國的相關專利數量均已突破2 000大關，日本、韓國及世界知識組織則尾隨其后，均在1 000左右，反映出其在體育人工智能領域保持著不錯的創新活力。

為了更加深入地呈現與剖析各個國家的相關專利申請與各時間段的關聯性，本研究借助ISS繪制了申請時間—申請國家的二維分析氣泡圖。從圖3看，在與各個國家的比較中，美國專利發展的技術起步和積累最早，且在各個發展時期均處于領頭羊的位置。眾所周知，專利作為一種知識產權，其發展的技術環境和經濟、政治環境都是極為關鍵的因素。原因在于，美國一貫秉持“專利先行”的戰略，其長期以來居于世界第一經濟體的位置，且體育產業在其經濟結構中占據很大的比重。此外，美國云集了世界范圍內人工智能領域的科技攻關人才，展示出極強的資源“虹吸”能力［6］。

中國的相關專利申請起步較晚，但發展速度迅猛。2000年以來，中國相關專利申請方面取得突破，并于2015年開始呈現井噴式的發展，特別是近兩年來，中國的相關專利申請取得爆炸式增長，在全球增幅中遙遙領先，專利申請總量甚至大有趕超美國的態勢。總體來看，中國已經關注到人工智能在國際競爭中的重要性，對于人工智能等科技的資金投入度越來越大［7］。據統計，中國在全球的AI企業數量居世界第二，AI融資規模占全球60％。此外，隨著中國經濟結構的轉型，體育產業已經成為國民經濟的重要支柱，中國相繼舉辦了2008年夏季奧運會、2022年冬季奧運會等一系列的國家賽事，這也促進了相關專利申請的繁榮。

日本的相關專利申請呈現出“中間強、兩端弱”的特征，這與日本的經濟興衰有著千絲萬縷的關系。盡管，日本的相關專利申請起步和積累較早，且在前期發展中的成績斐然，甚至在2000—2007年的發展領先全球，但自2008年金融危機后，日本經濟走向持續低迷，人工智能等技術領域的發展受到阻礙，體育領域的相關專利申請較之前明顯下滑，并在2009年一度跌入谷底。近幾年，日本政府紛紛出臺《人工智能戰略2019》《人工智能戰略2021》等政策［8］，企圖通過人工智能刺激和發展新型經濟消費，以擺脫2008年經濟危機和新冠疫情帶來的影響。在此背景下，體育人工智能領域隨之也逐漸加入到改革大軍之中，相關專利申請的數量稍有增加，表現出在此領域發展的復蘇跡象。

從絕對數量來看，韓國的相關專利數量雖與中美兩國差距較大，但卻與日本基本持平，在當前世界版圖中占據了一席之地。在發展軌跡上，韓國與中國類似，但其起步要早于中國，后期的發展速速則低于中國。通過圖3可以看出，韓國在2015年后，相關專利申請激增，這與韓國政府近期開設規模化的AI研究機構，鼓勵企業加大對AI的投入等相關舉措有關。

世界知識產權組織（World Intellectual Property Organization，WIPO）是致力于利用知識產權（專利、版權、商標等）作為激勵創新與創造手段的聯合國機構，總部設在瑞士日內瓦，在美國紐約聯合國大廈設有聯絡處，這一定程度上為WIPO吸收美國等世界其他各國的先進文化與知識產權提供了便利。由圖3可以看出，WIPO的專利發展起步頗早，并且發展的連續性最好，發展的態勢也處于既穩定又連貫的增長狀態。不可否認，WIPO在經濟實力等方面較世界大國相比處于劣勢，其后期的發展逐漸被某些國際大國所趕超，但其作為全球性的專業化組織，能夠保證其在專利申請上的穩定性。

2.3 專利權人分布

對某一技術領域內主要的專利權人分析，有助于了解該領域的核心研發團隊，可為后續研究者開展合作與交流提供方便，進而推動技術的進一步發展［9］。從表2看，關于前12名重點專利權人的分布，美國占據了4名，中國2名，日本3名，韓國1名，這與圖2中國家相關的專利申請數量呈正相關，顯現出一致性。

一般而言，國內諸多領域的重點專利申請人以高校和科研機構為主。相反，騰訊和網易作為國內互聯網科技方面的兩大企業巨頭，成為了人工智能技術應用于體育領域的重點專利權人。并且，其所申請的數量值較大，分別達到了330項和117項，遠超國外IBM、索尼等著名企業。同時，這也映證出中國的專利制度相對寬松，各企業、組織在進行專利申請時遇到的阻礙更小，在國外布局方面并不注重，而國外專利制度的相關條例更多是為搶占國外市場份額，對國內技術的發展采取限制的做法［10］。具體來看，騰訊和網易所涉及的業務范疇相當廣泛，涵蓋了社交、娛樂、資訊、平臺等多個領域，尤其是在電子游戲領域占據了國內的巨大市場份額。電子競技游戲與體育之間緊密相連，由于其擁有廣闊的青少年市場，促使眾多公司瞄準于此。梳理發現，騰訊和網易的相關專利申請除了集中在電子游戲領域商業應用層面的技術保護外，同樣關涉到人工智能技術在體育領域應用的關鍵技術（芯片、平臺框架等）。特別是騰訊體育的推出，誕生了LPL直轉播技術、VR健身游戲等新成果，而這都源于新一輪人工智能浪潮的興起。

國際游戲科技、百利娛樂、微軟和 IBM 是表2中擁有人工智能技術在體育領域應用相關專利的4名美國專利權人。國際游戲科技和百利娛樂的主營業務是體育博彩的技術支持和開發，為體育博彩運營商提供平臺技術、高性能硬件等。隨著美國體育博彩合法化的推進，運用人工智能算法（神經網絡）分析與預測體育競賽數據，確定盤口賠率大小、規劃體育彩票發售等已成為常態；微軟從確定人工智能的發展戰略始于2016年，其申請的人工智能技術在體育領域應用的相關專利主要涉及電子游戲、人體動作識別、運動信息推送等。2023年火爆全球的ChatGpt即是微軟OpenAI的重要成果之一，其已廣泛應用于體育賽事傳播與寫作等方面；專利霸主IBM連續29年保持著企業獲得美國專利最多的記錄［11］，其擁有人工智能技術在體育領域應用相關專利56項，主要包涵智能化平臺系統以及物聯網技術等，并與網球、高爾夫、F1等賽事建立了穩定的合作關系。其中，IBM在2023年美國高爾夫球大師賽引入的“人工智能（AI）生成的語音評論”和“逐洞球員預測”兩大功能，為觀眾帶來了更為真實和豐富的體驗。值得注意的是，IBM在此榜單的成績并非最佳，或許與其奉行的專利策略“保障行動自由”有關，即IBM選擇放棄大量無用專利，以便節省成本，或者通過淘汰與變賣、轉讓失去持有價值的專利來獲取更大利益［12］，實現了專利生存上的“社會達爾文主義”。

日本的科樂美數碼娛樂（Konami）一貫致力于生活和運動用品、計算機接口、圖像處理等的專利布局，這也是Konami熱衷的人工智能技術優勢領域，

其申請的人工智能技術在體育領域應用相關專利主要涉及電子游戲的數據庫平臺、游戲角色操控等。近期，Konami公布了一項基于AR的舞蹈游戲專利，其具備了對全身運動姿態的捕捉功能，能夠更為精細指導游戲者學習舞蹈動作，加深玩家的沉浸感；三共株式會社是一家專門生產彈珠機的公司，其申請的相關專利大多與彈珠機相關。譬如人機彈球游戲等，實現了由真實的“我”與電腦操控的NPC角色進行對戰；作為全球知名的自動化控制、電子設備及健康醫療設備等領域的研發企業，歐姆龍其申請的相關專利均融合了“數據與機器”的理念，主要涉及體育類機器自動化產品、智能機器人以及對人體身體成分的分析和血壓監測等。譬如乒乓球機器人FORPHEUS便是基于歐姆龍核心技術“Sensing amp; Control（傳感與控制）＋Think”制造而成的典型案例。

NHN 是目前韓國最大的互聯網服務公司，也是唯一一家人工智能技術在體育領域應用相關專利申請數量進入前十位的韓國IT公司。NHN 的兩大業務支柱為搜索引擎以及網絡游戲網站，此外，該公司還提供面向企業和個人客戶的云計算服務。NHN 申請的相關專利主要涉及游戲中的人工智能控制方法、用戶需求分析等。

從全球范圍看，國內相關專利的主要專利權人多為跨國IT公司，尤其是以電子游戲為主營業務的公司，說明電子游戲已經成為人工智能技術等人類前沿科技的最大試驗場和最直接的應用載體，并且重點專利權人的分布表現出顯著的地域性色彩，美國、中國、日本等國家相關技術的發展將直接主導和引領此領域的專利分布結構。從國內來看，相關的專利權人既包括公司企業又包括一些高等院校，未來有關高校與企業的聯合效應將發揮重要影響。

3 全球人工智能技術在體育領域應用的專利布局

3.1 人工智能技術在體育領域應用的IPC分布

國際專利分類（IPC）是目前國際通用的專利分類方法，通過IPC分析，可以發現該領域專利的技術構成及當前主要創新機構關注的技術焦點。通常來說，公開專利申請數量較多的 IPC，申請人在該技術分支中創新相對較為活躍，公開專利申請數量比較少的IPC，則該申請人在該技術分支中創新活力相對較弱。

表3列舉了全球人工智能技術在體育領域應用相關專利的前10項IPC分布，從IPC分布可以了解人工智能技術在體育領域專利申請中的具體應用情況，也能夠反映全球人工智能技術在體育領域的技術能力累積。表3顯示，全球人工智能技術在體育領域的IPC分布主要集中在A63F13/00（視頻游戲，即使用二維或多維電子顯示器的游戲）、A63B71/00（在A63B-01/00至A63B-69/00組中不包含的游戲或運動設備）、A63F9/00（在其他類目中不包含的游戲）三方面，均在1 400項以上。其中，A63F13/00的申請量高達4 521項，表明當前相關專利開發的重點和熱點主要以游戲類為主，這與上述對全球重點專利權人研發重點的分析保持一致。另外，A63B24/00、G06F17/00、A63B69/00的申請量也較為可觀，從結構上來看，此類IPC多以某類具體性的運動訓練設備或器械為主。

圖4展示了人工智能技術在體育領域相關專利的“申請時間-IPC”分布，從整體來看，除“在A63B 1/00至A63B 69/00組中不包含的游戲或運動設備（起跑用品入A63K 3/02）”“在A63B 1/00至 A63B 23/00各組中訓練器械用的電氣或電子控制器”外，其它IPC分類的增長態勢處于持續攀升狀態。可以發現，前兩者更多屬于波浪式非線性發展的樣態，曾分別有過發展的小高峰，但近年來的發展勢頭有所減緩。究其原因，可能是由于該技術領域已相對成熟，技術開發潛力不高或者技術研發的時間周期長，迭代更新的難度大等原因所導致。但并不意味此類領域的發展或將停滯不前，相反，隨著人工智能技術的縱深發展，新技術的應用可能會為這些沉寂的領域帶來巨大的發展空間，企業要給予這些技術領域足夠的重視，規劃好未來的發展戰略。

顯而易見，早期人工智能技術在體育領域的專利主要涉及A63F-09/00（在其他類目中不包含的游戲）、A63B-69/00（特殊運動用的訓練用品或器械）等技術領域。所謂的其他類目是指：人工智能是一項不斷改進和演變的技術，每一次將其應用于體育領域都基于其發展中的創新，又由于IPC分類自身在持續不斷地更新和完善，難免會出現詳細分類未分而新專利已經出現的情況，所以這些專利技術往往被劃分為

“其他類目所不包含的”這一類目。對于A63F-13/00（視頻游戲，即使用二維或多維電子顯示器的游戲）而言，其從萌芽以來迅速崛起，幾乎成為各個時間段中的佼佼者，始終處于領頭羊的位置。特別是在2016年后，其發展態勢有增無減，隨著虛擬現實、增強現實等技術與人工智能的交叉使用，蘋果、Meta、騰訊競相展開對可穿戴設備、頭顯設備類游戲的布局與開發。此外，基于體育領域的廣闊性與人工智能技術功能的多元性，其同樣實現了對某些體育特殊領域和人群的賦能。“專門適用于特定經營部門的系統或方法，例如公用事業或旅游”展示了人工智能技術對體育旅游、群眾體育的獨特作用，“特殊運動用的訓練用品或器械（跳傘人員訓練入B64D 23/00）”的分布則表明人工智能技術在助力殘疾人體育發展、殘疾人運動康復方面同樣具有顯著的應用前景。

3.2 人工智能技術在體育領域應用的DMC分布

德溫特手工代碼（Derwent Manual Code，DMC）是德溫特索引專家針對每個專利所給的一個手工號碼， 用來指明發明的新技術屬于哪種分類以及它的應用［13］。相較于IPC分類體系，DMC更能反映專利的具體特征，因此，為了進一步展現人工智能技術在體育領域應用的專利分布特征，本文繼續從 DMC角度出發對相關專利進行了研究。

運用CiteSpace軟件繪制人工智能技術在體育領域應用相關專利的DMC共現網絡（見圖5）并列出了前15項DMC分布（見表4）。繪制DMC共現網絡的年份（Year）選擇1982—2021，時間切片（Years Per Slice）設置為7，節點（Node Types）設置為類別（Category），閾值設置為Top5%，選擇尋徑網絡算法（Pathfinder），得到1980—2023年人工智能技術在體育領域應用相關專利的DMC共現網絡（見圖5）。在DMC共現網絡中，專利技術類別出現頻率越高，中心性越強，越能說明該技術類別受到更廣泛的研究關注。由表4和圖 5可知，這些高頻率、高中心性的技術類別大多屬于T01（數字計算機）和P36（體育，游戲，玩具）、P85（教育、密碼學、廣告）、P31（診斷、手術），而且這些技術類別構成了整個DMC共現網絡的骨架，將此骨架與Vosviewer的聚類圖結合分析，最終串聯起來并形成了4個聚類（見圖6）。

聚類1以博彩與游戲為中心，博彩方面涉及的技術主要包括軟件產品、服務器、預測、監測等，電子游戲主要技術包括娛樂系統、個人數字助理、游戲等。隨著體育博彩業在美國等地區的合法化，其激發了群眾關注體育和參與體育的熱情，并展示出了巨大創收潛力，職業體育聯盟與體育博彩業的關系越發緊密［14］。人工智能技術在體育博彩領域主要涉及賠率的預測以及比賽數據的實時分析，借助相關的軟件產品和服務器來對體育博彩進行服務支持。以美國為例，著名體育媒體ESPN與IBM推出的夢幻足球app通過使用人工智能技術幫助玩家做決策來促成公平交易，此外，IBM的人工智能系統Watson還被用于預測聯賽排名；近年來，全球電子游戲產業規模不斷擴大，其內容和形式也在不斷演化。在深度學習、人機交互等人工智能技術的支持下，當前的電子游戲在自動生成游戲關卡，制作游戲NPC、游戲文本等方面擁有了新優勢。例如《Dota 2》借助人工智能的引擎技術，能夠生成有關比賽的分析和相關情節，強化觀看體驗。

聚類2以運動與休閑設備為主，主要技術包括性能檢測、信息采集、機器人、健身器材、物聯網、計時、計數、運動場館等。運動與休閑設備是聯結運動參與者和人工智能技術的重要媒介，在競技體育領域，近年來涌現了大量智能化體育器材和智能化體育場館，對運動參與者的人體機能檢測和信息采集也朝著多維度、多模態、遠程檢測與采集和分析的方向發展［15］。在娛樂休閑方面，一些攜帶人工智能技術的魚竿、運動手套、運動鞋、運動球桿等裝置陸續被推出，展示了人工智能的強大潛力。同時，體育人工智能技術已經涉及機器人領域，例如運動場館與競賽中的機器人能夠通過人臉識別（賽前人員信息監測）、計算機視覺（運動員的運動技術分析等）等技術實現對比賽的管理與監測，此外智能私教、體育數字人也都展現出廣闊的發展前景。

聚類3以智能機械與數據傳輸為主，主要技術包括神經網絡、動作捕捉、醫療信息系統、治療計劃系統、在線教育技術等。在運動醫學領域，人工智能技術近年來取得的突破卓有成效，借助機械假臂（包括不限于胳膊、腿、微結構肌肉等），結合腦機接口技術，幫助特殊人群恢復和增強了運動能力與本體感覺［16］。此外，機器人和其他智能設備輔助更多的特殊障礙人群在運動醫學手術中更加精準、安全地完成手術與術后康復訓練。對于體育大數據而言，其在醫學領域能夠針對運動損傷，快速分析和診斷運動數據，為運動參與者制定合適的運動處方［17］。在體育教育領域，動作捕捉、智慧跑道、智慧球場、教育數字人等技術的出現，能夠幫助學生和教師更合理地制定教學方案、完成數據采集、監測學生安全、輔導學生個性化學習，更好地完成體育考試、體育課后服務、體育訓練等。

聚類4以虛擬技術為主題，主要技術包括體育虛擬環境創設、體育虛擬資產、虛擬成像、虛擬體育數字人等［18］。隨著人工智能技術的規模化和成熟化，其實現了虛擬現實、機器學習、計算機視覺、自然語言處理等多種核心技術的高度融合，從而使其打造的虛擬世界愈發真實。以虛擬體育數字人為例，世界杯期間劉建宏的數字孿生人實現了在表情、語言、形象、聲音上的高度擬真，開創了數字分身解說的新形式。

在虛擬環境的創設方面，元宇宙中的交互技術、AR/VR技術能夠搭建出平行于現實世界的數字孿生世界［19］，并且在此世界中擁有相應的數字文明和虛擬資產。在虛擬游戲方面，任天堂 Switch 推出的“健身環大冒險”體感游戲，依據其設計原理和虛擬成像的模式設置，可以對人體進行諸如抗阻力、拉力及保持平衡力的訓練，一度成為居家健身的新寵兒。虛擬健身等體驗系統可以通過VR技術輔助使健身者足不出戶地參與多種健身活動，塑造一個更新穎的“體育新世界”，打造智慧健身元宇宙。

3.3 人工智能技術在體育領域應用的前沿熱點分布

突現詞（Burst term）功能配合DMC共現網絡更有利于人們分析技術熱點及熱點的演變，因此，本研究在圖 5人工智能技術在體育領域熱點專利技術的DMC共現網絡的基礎上，借助CiteSpace可視化分析軟件的Burstness功能生成了2012—2023年人工智能技術在體育領域的高突現度技術類別，并列出了其中突現度排名前十位的技術類別（見表5），軟件設置的年份（Year）選擇2012—2023，時間切片（Years Per Slice）設置為1，其他設置同上。

從表5中可以發現，T01-J05B4P （數據應用程序）的 Burst 值最大，達到了122.38，該技術類別突現的時間跨度為2012到2016年，說明利用人工智能技術對體育領域的數據開發相關程序進行應用管理是近年來研究的熱點。若以2016年為分界點，可以發現，W01-C01P2、W01-C01D3C、T01-N01B1、W01-C01G8等與競技體育相關的領域發展更為充分，體育博彩、體育便攜式設備、體育智能通訊等領域都陸續與人工智能技術展開了合作，說明競技體育作為體育的尖端，引領和掌握著體育領域的最先進技術與成果。T01-N01A2D（社會媒體/虛擬社區）在前期的發展較好，說明人工智能技術在體育領域的應用研發前期依據集中在娛樂游戲領域，但由于游戲迭代升級迅速的特征，后期此領域的發展可能在各時間段有著新的需求和發展方向，轉換的名稱也較為頻繁，諸如W04-X01、T05-H05E、T01-J08A3都反映出人工智能技術在運動游戲和娛樂領域的發展變化。

隨著人工智能技術的成熟和子類技術的分化，全球將人工智能技術轉向了與人類更加貼近的教育、醫療等領域，學校體育、體醫融合等時代的新詞匯也頻繁涌現。人工智能技術在此類領域的發展并非一蹴而就，而是一個持續演變和積累的過程，T01-N01D3（遠距離數據傳輸）、W04-X01C（體育電教裝置）、T01-J30A（教育輔助工具）、T01-N01B3（在線教育）集中體現了人工智能技術在體育教學領域的發展，隨著全球教育數字化的轉型，體育教育技術的發展也在不斷拓寬和加強，相關技術在學生體質檢測、體育中高考、體育教師職業發展等方面愈發智能化、智慧化。T01-J06A1（醫療信息系統）是人工智能技術在體育領域開墾的新領域，研發人員應關注到人工智能技術在輔助特殊人群康復方面具有顯著效能，例如虛擬現實游戲對于抑郁癥的積極作用［20］，腦機接口、智能假肢、智能式便捷機器人對殘障人群運動能力的恢復與增強等，太極拳對特殊人群的康復同樣被證實有正向反饋性。

4 基于BP神經網絡對全球人工智能技術在體育領域應用的討論

從主觀層面看，全球人工智能在體育領域應用專利必然處于攀升階段。但為了更加科學、客觀地對其作出預測與分析，本研究結合所獲取數據來源的特殊性，采用BP神經網絡完成非線性結構模型預測。在非線性預測中，BP神經網絡通常將單極性Sigmoid函數設為激活函數，以此完成模型結構確定和參數設置［21］。在遵循BP神經網絡內部原理及運算的基礎上，本研究繪制了圖7、圖8所示的訓練擬合效果圖。一是從數據訓練的梯度和步長看，其整體趨于遞減且誤差控制在穩定的區間；二是從擬合值R值的輸出來看，全球相關專利訓練擬合值及測試數據、全部數據的擬合值均高于0.94，分別達到0.99329、0.98471、0.98706，這表明此次模擬擬合的效果好，構建的訓練模型適用于對2004—2027年此時期的全球相關專利申請數量進行預測。

同時，在全球人工智能技術極速發展的背景下，全球范圍內的各種經濟、政治、文化等因素均會對其發展產生相應的影響。特別是人工智能技術具有更新迭代快的屬性，導致彼此相隔時間久遠的發展階段表征在預測上不具備所必須的參考意義，綜上，本研究對1999年前的全球相關專利申請數據予以舍棄。

此外，BP神經網絡確定預測模型首要對某時間段的數據進行數據訓練（本研究選擇為所獲數據的前5年數據），因而，本研究最終截取了2004—2027年間的預測數據，所運行得到的數據如表6所示。

表6從真實值、預測值、絕對與相對誤差4個方面清晰地呈現了2004—2027年間對于相關專利的預測，在預測誤差方面，除2004年和2005年外，其他年份的預測誤差遠低于10％，結合圖8的訓練擬合數值與圖9的數據軌跡的吻合性（幾乎完全重合），能夠確定本次預測結果的科學性、精準性。同時，可以發現，從2004—2027年的預測誤差大致呈遞減態勢，并且自2016年后，預測誤差幾乎在1％以下，接近于零，一是表明隨著數據累積量的增加，訓練模型的成熟度更突出；二則證實鄰近年份之間的社會環境大致相似，在沒有突發意外干擾的情況下，訓練模型對于鄰近年份的預測誤差出入極小。2004年、2005年實則已經進入人工智能發展的平穩期，其相對誤差較大原因在于，一是由于年代久遠，且當時的數據量小導致訓練模型對此預測的差異較大，二是由于2000年以前人工智能技術發展處于低谷期，訓練模型依此時期的數據所導致的預測慣性所致。

在對現有數據預測的基礎上，本研究對2022—2027年的相關專利量同樣作出了預測。如表6所示，未來幾年的預測值分別為1 060、1 198、1 356、1 128、1 231、1 189，數量絕對值均在1 000以上，表明隨著人工智能技術進入縱深發展期，人工智能領域大舉進入體育的各個領域，未來其在體育領域應用專利的態勢將持續保持在非常高的熱度。在2024年后，全球相關專利技術的發展速度稍有下降，表明彼時其發展或許將邁入提質增效的新階段，其發展將面臨瓶頸期。日后全球此領域的發展將注重質量與數量的同向同行，體育各領域對人工智能技術的應用將會更強調實用性。此外，可以發現，2022—2027年間的部分數據（真實值、預測值、絕對誤差、相對誤差）存在殘缺或處于尚未飽和階段，原因在于按照國際慣例，專利申請滿18個月方即行公布［22］。

綜上，通過真實、客觀的數字演算，發現未來全球人工智能應用于體育領域的專利數量發展仍然維持在相當可觀的絕對量。但同時發現，其發展態勢并非理想預測中直線式的絕對上漲，在2024年后預計出現小幅下滑的趨勢，這表明隨著人工智能技術的逐步成熟和飽和，人工智能技術在體育各個領域的研發將進入深水期，各國家未來會更為注重專利的質量和效益問題。

5 全球人工智能技術在體育領域應用的啟示

5.1 構筑“全方位”人才高地，賦能專利創新技術支撐

人工智能是一項融合多學科、多領域人才資源的創新技術，其在體育領域的應用是綜合性問題。對于有關的技術性、倫理性、經濟性難點需要體育專家、人工智能專家、人文社科類專家等的協同發力。高等體育院校應充分利用院校人才優勢、體育資源條件，通過設置體育人工智能相關學科、開展相關課程，培養適應新時代體育專業所需的智慧體育人才，推進國家、社會、高校三位一體的創新與輸出。例如，北京體育大學、首都體育學院先后建立與人工智能的有關專業和研究方向。此外，有關企業要統籌人才智慧，加速企業迭代升級。通過加大技術研發，為高新人才提供優質保障，吸引全球的頂尖人才，打造復合型的體育人工智能團隊。

5.2 出臺“全面化”法律條案，規避人工智能倫理風險

人工智能在體育領域的應用同樣伴隨著倫理性、隱私性的問題，特別是隨著人工智能在體育領域的全面滲透，有關的法律法規和道德倫理機制的建設亟需加強。特別是專利作為知識產權的重要形式，更容易觸及法律層面的問題，國內體育人工智能領域的發展需要積極借鑒域外經驗，出臺配套法律法規予以規范［24］。例如，英美相繼發布《促進創新的人工智能監管方法》《人工智能權利法案藍圖》等強調了AI使用的公平性、安全性及問責治理等內容，加強了對人工智能治理的法律保障。

5.3 規劃“全局性”發展戰略，打造立體多元應用體系

全民健身智慧化、體育場館智能化、學校體育數字化、數字體育經濟等高頻詞對國內體育人工智能發展提出了現實需求。我國互聯網用戶數量為世界之最，海量用戶數據為我國人工智能技術在體育領域應用發展提供了源源不斷的信息資源，相關科研機構要充分利用好國內數據優勢以促進智能體育發展，著眼于“全局性”戰略思維。關注人工智能在學校體育、競技體育、全民健身、體育旅游、體育設施等眾多領域的專利開發，滿足數字時代下人們的新需求，特別是與民生相關的場景，要注重專利的應用性和實用性問題。例如，當前學校體育領域研發的智慧跑道、群眾體育領域備受推崇的虛擬健身方式等。

5.4 構建“全輻射”技術中心，促進專利布局協調有序

通過分析發現，重點專利權人及重點專利申請國等都表現出明顯的地域性色彩，其分布集中在經濟體量和科技創新領先的大國，并且在重點企業等的輻射下，以上各國各區域的體育人工智能技術能夠得到同步的改進和長足的發展。以美國為例，在硅谷等的示范中心的帶動下，美國各州人工智能專利呈現特色化的發展趨勢，實現了人工智能專利的差異化布局［25］。未來我國可以通過區域技術中心的拉動作用，引導各地企業根據本地區的地域特色、優勢項目針對性地發展相關專利技術，同時，需要做好對區域間技術鴻溝過大的規避工作，減小創新技術差距。

6 結 語

全球人工智能技術在體育領域的應用越發廣泛，各國對此也愈發重視。隨著未來人工智能技術與體育的深度融合發展，將不斷誕生和產出更加豐富多元的專利成果體系。在此背景下，我國應該建立健全的人才培養體系，培養具備人工智能、體育科學和法律知識的交叉型人才；制定相關法律法規和政策支持，明確體育人工智能專利的知識產權保護、技術標準和倫理規范等方面的要求；建設體育人工智能應用示范中心，并開展相關的示范項目和推廣活動，促進技術成果的轉化；成立體育人工智能技術研發與創新中心，集聚優秀科研團隊和技術人才；從而搭建起一條從人才到法律、應用、技術中心的立體化體系，以促進我國體育人工智能專利技術的國際化發展，使人工智能技術為我國體育的發展不斷增磚添瓦。

參考文獻：

［1］ 臧維，張延法，徐磊.我國人工智能政策文本量化研究政策現狀與前沿趨勢［J/OL］.科技進步與對策：1-10［2023-06-30］.

［2］ CALABUIG-MORENO， F， GONZALEZ-SERRANO， MH， et al. The Emergence of Technology in Physical Education： A General Bibliometric Analysis with a Focus on Virtual and Augmented Reality［J］. Sustainability，2020，12（7）：2728-2761.

［3］ 霍波，李彥鋒，高騰，等.體育人工智能領域關鍵技術的研究現狀和發展方向［J］.首都體育學院學報，2023，35（3）：233-256.

［4］ 萬宇，張元梁.國際體育器材專利技術競爭情報研究［J］.西安體育學院學報，2018，35（5）：521-531.

［5］ 欒春娟.專利計量與專利戰略［M］.大連：大連理工大學出版社，2012：85.

［6］ 孫璇.美國人工智能發展策略與大國科技競爭格局［J］.中國科技論壇，2022，314（6）：172-178.

［7］ 林子涵. 中國在人工智能領域展現創新活力［N］. 人民日報海外版，2023-05-29（010）.

［8］ 陳祥.日本人工智能戰略論析［J/OL］.大連理工大學學報（社會科學版）：1-10［2023-06-30］.

［9］ 王友發，羅建強，周獻中.基于專利地圖的人工智能研究總體格局、技術熱點與未來趨勢［J］.中國科技論壇，2019（10）：80-89，127.

［10］ 王華，張潤哲，陽維.數字經濟對中國知識產權制度的挑戰與對策研究［J］.科技管理研究，2022，42（11）：145-151.

［11］ 環球網科技.丟掉29年的專利霸主地位 IBM表態：不再追求數量 更關注創新［EB/OL］. https：//baijiahao.baidu.com/s？id=1754443710783316951amp;wfr=spideramp;for=pc.

［12］ 專利方舟.IBM專利戰略專利在手，天下我有［EB/OL］. https：//baijiahao.baidu.com/s？id=1625867615851548368amp;wfr=spideramp;for=pc.

［13］ 車堯，李雪夢，璐羽.社會網絡視角下戰略性新興產業的專利情報研究［J］.情報科學，2015，33（7）：138-144.

［14］ 徐偉康.國外對賽事組織者的賽事數據權益的法律保護及其啟示基于美國、澳大利亞和歐洲國家的案例分析［J］.首都體育學院學報，2022，34（2）：214-222，232.

［15］ 蘇宴鋒，趙生輝，李文浩，等.人工智能提升運動表現的前沿進展、困境反思與優化策略［J］.上海體育學院學報，2023，47（2）：104-118.

［16］ 郭江浩，胡惕.邁向“元宇宙體育教學”：概念特征、功能透視與場景應用［J］.現代教育技術，2023，33（3）：27-35.

［17］ BUNN JA， NAVALTA JW， FOUNTAINE CJ， et al. Current state of commercial wearable technology in physical activity monitoring 2015-2017［J］. Int J Exerc Sci，2018，11（7）：503-515.

［18］ 張惠彬，張麒.NFT融入體育產業：應用場景、風險評估及規范路徑［J］.西安體育學院學報，2022，39（5）：541-549.

［19］ 程志理，易劍東，路云亭，等.“元宇宙與體育的未來”筆談［J］.上海體育學院學報，2022，46（5）：1-18.

［20］ 盧曉鵬，譚長青，周宇.從人工智能到元宇宙：運動防治抑郁的新方向［J］.醫學與哲學，2022，43（12）：53-57.

［21］ 周博軍，王旺，黃俊達，等.基于BP神經網絡對中國體育彩票銷售金額的預測［J］.體育教育學刊，2022，38（2）：46-50.

［22］ 尹新天.中國專利法詳解［M］.北京：知識產權出版社，2012：26.

［23］ 王潤華.ChatGPT與專利間的距離：美國人工智能專利保護的理論動態［J］.上海師范大學學報（哲學社會科學版），2023，52（3）：95-107.

［24］ 姚葉，張容.美國人工智能專利現狀分析及其對中國的啟示以《人工智能發明：追蹤美國人工智能專利擴散報告》為基礎［J］.創新科技，2021，21（6）：74-83.