江南体育AI大模型：让模型同时理解比赛、动作、语言和传感器

体育大模型不是一个会聊天的模型，而是要同时处理视频、比分、语音、姿态和穿戴数据。这个栏目讲江南体育AI大模型如何组织多模态数据、多个模型的分工，以及体育Agent的边界。

先问数据，再问模型

谈体育大模型，很容易一上来就讲参数和能力。江南体育大模型的思路正相反：先弄清要处理哪些数据。比赛视频、文字、比分、语音、人体姿态、心率、HRV、GPS、IMU、智能鞋数据，采样频率不同、形态不同、误差也不同，还会缺失。体育大模型要同时理解多少种数据是这个栏目的起点，讲的是如何把它们统一到同一条时间轴和同一批实体（球员或用户）上。

多模型协作，而不是一个模型包办

数字人体系里，大模型负责“说”，姿态模型负责“看”，还有跟踪、语音合成、语音识别、时序模型和数字人引擎。为什么不能让一个LLM包办数字人讨论谁产出结构化结果、谁只负责表达、接口如何定义，以及某一环失败时怎样降级。这也是江南体育模型区别于“通用聊天助手”的地方：它是一套协作的系统，Sports Foundation Model 只是其中提供体育知识与语境的一层。

Agent 与体育数字孪生

当用户说“把昨天动作最差的三个片段找出来，再用数字人演示正确动作”，系统需要读取训练、分析动作、定位片段、生成解释、调用数字人，数字体育Agent讨论了工具调用、权限确认和失败回退。更长远的方向是体育数字孪生，即为运动员或球迷建立随数据不断更新的数字画像，这一方向目前仍处于研究与设想阶段，文中不作已实现的承诺。

如果想先了解全局，可以读官网为什么把球迷内容、数字人和智能穿戴放进同一个AI体系。