随着人工智能技术不断向垂直行业深入，一群来自上海科学技术职业学院的年轻学生，正在尝试把AI带进一个过去高度依赖人工经验的场景——电竞训练与比赛复盘。
在传统电竞训练中，一场比赛结束后，教练和选手往往需要反复拖动比赛录像，在几十分钟的视频中寻找真正影响局势变化的关键片段，再结合选手操作、团队协同和资源变化进行分析。如何从大量比赛画面中更快定位有价值的信息，成为团队最初关注的问题。
围绕这一痛点，由上海科学技术职业学院赵益良与他组成的研发团队开始研发“战策矩阵——电竞AI复盘分析平台”。
与单纯记录比赛数据不同，团队希望利用计算机视觉、视频理解和人工智能分析技术，让系统从比赛视频中识别关键画面、提取有效信息，并进一步为复盘人员提供结构化的分析依据。
“我们一开始想解决的其实不是一个特别宏大的问题。”团队成员表示，“就是希望一场几十分钟的比赛，不需要教练从头到尾反复看很多遍，而是能够更快找到真正值得讨论的那几秒钟。”
为了实现这一目标，团队围绕视频帧识别、事件候选筛选、画面信息提取、上下文关联等环节进行了持续测试。面对游戏场景中不断变化的角色、界面、装备和战斗信息，团队需要一次次调整识别规则和数据处理方案。
目前，项目已在MOBA类训练场景形成较为稳定的验证基础，并正在开展战术FPS场景的专项测试与适配验证。未来，团队还计划进一步探索移动MOBA等不同竞技场景，使系统具备更强的跨品类分析能力。
相比普通软件开发，电竞视频分析面临的信息密度更高。一场比赛中既包含角色状态、地图信息和资源变化，也包含大量瞬时操作和团队行为。如何避免AI“看到了画面，却没有真正理解比赛”，成为研发过程中必须持续解决的问题。这也是赵益良与他的团队看到的真正难点。
因此，团队在产品设计中保留了人工复核机制，希望AI承担的是“筛选证据、整理信息、辅助判断”的角色，而不是完全取代教练的专业决策。
从最初的技术构想到不断迭代的产品原型，团队也在实践中逐渐认识到，AI真正进入行业，并不只是接入一个大模型那么简单。
“模型只是其中一环。”团队创始人“赵益良”说，“真正困难的是让视觉识别、视频处理、知识信息和最终输出形成一条能够稳定运行的链路。”
在指导教师的指导下，团队还围绕产品应用、技术验证和商业落地等方向不断完善项目，希望未来能够面向
职业电竞俱乐部、高校校队、青训及电竞教育等场景，为训练复盘提供更加高效的数据与分析工具。
从课堂中的技术学习，到真实行业问题中的不断试验，这群年轻人正在用自己的方式寻找人工智能与电竞产业结合的新可能。
|
