职业自行车手每天产生多少数据？心率、功率、踏频、风阻、营养摄入、睡眠质量——这些碎片散落在不同设备里，没人能看清全貌。直到一家丹麦公司说：我们来试试。

一场在伦敦的发布会

打开网易新闻 查看精彩图片

2026年5月，Netcompany在伦敦正式发布与英力士车队（INEOS Cycling）的五年合作。丹麦科技巨头不仅是车队冠名赞助商，还带来了首次进入体育领域的PULSE人工智能平台。

Netcompany首席执行官安德烈·罗加切夫斯基（André Rogaczewski）和英力士车队赛事总监杰兰特·托马斯（Geraint Thomas）共同出席。托马斯今年刚退役，职业生涯拿下两枚奥运金牌和2018年环法总冠军，现在他的新工作是弄清楚AI能帮车队赢多少。

罗加切夫斯基用了一个词形容现状："数据暴雪"（blizzard of data）。

「在自行车运动中，你有太多数据，」他在发布会上对我说，「关于车手个人、车队、所有装备的数据，关于比赛本身的数据——整合和捕捉所有这些数据的能力将非常重要。」

这不是夸张。现代公路自行车赛持续数小时，车手佩戴的功率计每秒记录数次输出，GPS追踪位置变化，心率带监控生理负荷，赛后还要叠加气象数据、路面坡度、对手战术。问题在于：这些数据彼此孤立，教练组需要花大量时间手动整理，等看出规律时，下一场比赛已经开始了。

为什么体育界落后了？

PULSE平台此前已在企业环境部署，包括英国税务海关总署（HMRC）、希思罗机场、慕尼黑机场和TSS。体育领域是首次尝试。

这让我好奇：既然F1车队早就用数据预测轮胎磨损和燃油策略，为什么对数据极度依赖的自行车运动反而慢了一步？

罗加切夫斯基笑了：「答案很简单——技术太新了。」

「比如机场场景，是AI预测，是整个数据能力在处理所有内部数据，技术上直到三四年前才成为可能。」他补充道，「我们开发第一版时，花了大量时间与哥本哈根机场共建基础模型——这东西以前根本不存在。」

托马斯认同这种"前沿探索"的兴奋感。

「这就是令人兴奋的地方，真正走在曲线前面、站在前线推进的潜力，」他说，「可能性是无穷的，现在就像发现阶段，从我们这边来说，是在理解它最终能做什么——因为你不知道你不知道什么。」

这句话值得拆解。托马斯描述的是一种典型的技术导入期困境：你知道工具很强，但强在哪里、怎么用，需要边试边学。车队目前的策略是每场赛事后复盘，逐步摸清PULSE的边界。

数据不是越多越好

两人反复强调：这仍是进行中的工作，且他们刻意避免让车手和工作人员被不必要的数据淹没。

这个克制很重要。体育科技领域有个经典陷阱——"分析瘫痪"（analysis paralysis）。数据越多，决策越慢，教练组陷入无休止的交叉验证，反而错过直觉判断的窗口期。罗加切夫斯基和托马斯显然意识到了这个风险。

但具体PULSE如何工作，原文未披露技术细节。从企业用例推断，它可能整合了预测建模和实时数据流处理——机场场景用于预测客流和航班延误，自行车场景则可能用于预测车手状态崩溃点或最优战术时机。

英力士车队的选择具有信号意义。作为世巡赛车队中预算最充裕的队伍之一，他们本可以继续沿用传统数据分析流程，却选择在2026年押注一个未经验证的体育AI平台。这暗示了两个判断：第一，现有工具确实触及瓶颈；第二，先发优势在数据密集型竞技中可能决定胜负。

托马斯的角色转换也耐人寻味。从执行者变为决策者，从被分析对象变为分析工具的建设者，他需要回答的问题变了：不是"我今天状态如何"，而是"我们如何定义状态，并让机器学会识别它"。

一个待解的问题

五年合作周期在职业体育赞助中不算短，但AI系统的真正成熟可能需要更久。英力士和Netcompany的实验，本质是在测试一个假设：当数据整合的技术障碍被移除后，自行车运动的竞争逻辑会不会改变？

如果PULSE能提前30分钟预测某位车手即将"爆缸"，车队战术会如何调整？如果它能实时比对历史数据指出"这个坡段去年冠军在此发力"，车手敢不敢跟？这些问题的答案，或许就藏在托马斯的"发现阶段"里。

但这里有个张力：自行车运动的核心魅力之一，是不可预测性——天气突变、机械故障、临场爆发的意志力。数据能压缩多少不确定性，而不至于杀死这项运动的戏剧性？英力士说他们在避免"数据过载"，但这个边界在哪里，没人知道。

罗加切夫斯基说这东西"以前根本不存在"。现在它存在了，然后呢？