随着生成式人工智能技术的突破，大语言模型在国内迅速扩散应用，并深度融入不同领域。作为一项颠覆性技术，生成式人工智能的快速应用已成为驱动我国科技创新与全球数字技术产业升级的关键引擎，深刻重塑着传统的生产与生活方式[1]。当前，我国生成式人工智能用户约有2亿 5 000万人，标志着该项技术已进入大规模应用阶段[2]。我国国家互联网信息办公室等部门制定的《生成式人工智能服务管理暂行办法》中也明确鼓励生成式人工智能技术在各行业探索优化应用场景，构建应用生态体系[3]。
体育竞赛表演产业是我国体育产业的新兴核心业态，但是目前生成式人工智能在这一产业中的应用潜力还未充分释放，其赋能该业态发展的作用机制与实践路径亟待厘清。《国务院办公厅关于加快发展体育竞赛表演产业的指导意见》中明确提出，到2025年，体育竞赛表演产业总规模要达到20 000亿元[4]。面对这一目标，如何有效使用生成式人工智能克服体育竞赛表演产业发展瓶颈、拓展体育产业经济增长空间，成为当前有待解决的问题。生成式人工智能具有促进体育竞赛表演产业从“经验驱动”向“数据驱动”转型的颠覆性作用，在国际层面已有诸多将生成式人工智能融入体育赛事营销、观众互动等环节的案例，但是我国当前的相关研究主要聚焦于学校体育[5]、体育消费[6]、体育教育培训业[7]，对其应用于体育竞赛表演产业的研究较少。基于此，本研究从生成式人工智能赋能体育竞赛表演产业发展的角度，结合技术-经济范式理论和国内外典型案例，分析生成式人工智能推动体育竞赛表演产业发展的作用机制与现实困境，并提出相应的策略。此外，本研究在试图填补该领域研究空白的同时，也尝试构建生成式人工智能重塑体育竞赛表演产业业态的理论框架，为促进该产业数字化转型升级提供理论支撑与路径参考。
1 生成式人工智能和体育竞赛表演产业的内涵
1.1 生成式人工智能的内涵
人工智能是用机器模拟、实现或延伸人类的感知、思考、行为等智力与行为能力的科学技术[8]。机器学习是人工智能研究的核心领域，深度学习作为其重要分支，依托多层非线性神经网络层对数据特征进行逐级抽象，显著提升了人工智能处理复杂任务的能力[9]。近年来，随着架构、算法的关键技术创新和网络数据的增加，深度学习在文本生成、图像识别、语音处理等方面有了重要进展，使得生成式人工智能得以迅速发展[10]。从技术基础来说，算法、算力和数据是生成式人工智能输出和运算的三大支柱。其中的算法是核心要素，决定了模型的结构和生成结果；算力是支撑算法运算的硬件基础，主要确保复杂模型的训练与推理效率；而数据是训练模型生成的基础，是模型学习的知识来源。当前，主流模型按照生成方式分为自回归模型、生成式对抗模型、变分自编码模型、流模型和扩散模型，普遍采用Transformer架构作为底层支撑，并引入“自注意力”机制，使得其比传统架构能更有效地分析上下文之间的关系[11]。基于这些技术，生成式人工智能可以突破传统分析式人工智能的判别式任务范畴，具有了决策能力和自主创造新内容的能力，可以生成与训练数据相似但具有原创性的文本、音频、视频、代码等内容。
1.2 体育竞赛表演产业的内涵
《国务院办公厅关于加快发展体育竞赛表演产业的指导意见》中提出，体育竞赛表演产业是体育产业的重要组成部分，表现为体育竞赛表演组织者为满足消费者运动竞技观赏需要，向市场提供各类运动竞技表演产品而开展的一系列经济活动[4]。从市场构成来说，体育竞赛表演产业是由职业俱乐部、体育协会、职业运动员组成的体育赛事体系，向观众供给各类运动竞赛音像作品或直播，是由媒体、赛事赞助商、赛事运营方、消费者等共同参与的经济活动[12]。从产业链来说，体育竞赛表演产业链是围绕体育竞赛音像作品或直播开展的一系列体育用品和体育服务贸易活动，以媒体传播为外围层，以体育用品广告业等为衍生业态，有助于核心产业延伸产业价值[13]。从生态系统来说，体育竞赛表演产业是一个体育赛事组织、政府、媒体、赛事赞助商、消费者等多元主体聚合共享资源的系统，不同的主体能产生良好的聚合效应，可以促进体育竞赛表演产业的可持续发展[14]。
综上所述，本研究认为体育竞赛表演产业是体育产业的新兴核心组成部分，指的是以高水平运动竞赛为主要内容，以满足观众多元化体验需求为取向，通过专业化体育赛事运营体系，整合职业体育俱乐部、运动员、体育协会、媒体、赛事赞助商、政府相关部门、消费者及其他利益相关者，创新商业模式，向观众提供的观赏性体育产品与服务的一系列经济活动及相关业态的总和。
2 生成式人工智能赋能我国体育竞赛表演产业发展时的技术-经济范式业态变革
从技术-经济范式的形成条件来说，技术-经济范式下的产业业态变革依赖于关键生产要素的变化，而关键生产要素需要同时满足成本下降、供给增长与应用普及3个条件[17]。在发展数字经济背景下，数据已成为可以驱动经济增长的新型生产要素，对传统的生产函数和经济增长体系产生了重要影响。生成式人工智能可以通过强化数据要素在生产活动中的整合与赋能作用，推动体育竞赛表演领域技术-经济范式业态发生变革。一方面体现为，在互联网基础设施广泛覆盖与大数据分析、物联网技术支撑下，数据要素的边际成本逐步下降。另一方面体现为，生成式人工智能通过采集和整合体育竞赛表演产业中的原始的、分散的、孤立的数据，能扩大数据要素的供给规模。再一个方面体现为，凭借其大规模参数与泛化能力，生成式人工智能可以深度融入至体育赛事策划、体育赛事转播内容生成、体育赛事营销等业务流程，进而可以促进体育行业数据的应用。由此可以推断，生成式人工智能可以通过降低数据成本、增加数据供给、扩大数据使用范围驱动体育竞赛表演产业发生由数据驱动的技术-经济范式业态变革，充分触发数据要素的乘数效应，进而促进体育竞赛表演产业的高质量发展。
从技术-经济范式的特征来说，生成式人工智能体现出互补性、融合性、创造性等特征[18]。在体育竞赛表演产业中，上述这些特征具体有如下体现。1）智能性体现为，生成式人工智能可以基于对环境数据的实时感知与学习，自主调整内容生成策略，灵活应对体育竞赛表演的动态需求与不确定性需求，从而能提供基于数据驱动的系统性洞察结果[19]。2）互补性体现为，生成式人工智能构建的人机协同的新型生产关系，在替代高危险性重复劳动的同时，可以使从业者提高管理与生产效率，优化全要素生产率。3）融合性体现为，生成式人工智能可以横向打通体育竞赛表演产业的各个业务环节，纵向融合文化、旅游、教育培训等相关产业，形成协同效应。4）创造性强调的是，生成式人工智能不仅要成为内容生成效率提升工具，也要成为内容创新的引擎，催生新的产品形态、消费场景与商业模式，为体育行业开辟新的增值空间。基于上述特征，生成式人工智能赋能体育竞赛表演产业的技术-经济范式业态变革主要体现在以下几个方面。一是在供给端优化体育赛事音像作品或直播的生产与管理流程，实现降本增效。二是在需求端提供个性化的、参与式的人机互动体验，增强消费者的情感联结。三是在产业层面促进体育竞赛表演产业向数字化体验经济延伸，创造体育产业新的经济增长点。在生成式人工智能赋能体育竞赛表演产业的技术-经济范式业态变革过程中，生成式人工智能不仅会改变体育竞赛表演产业的行业规则与该行业主体的思维方式，也将促使该行业主体探寻新的经济发展路径，从而实现技术-经济范式业态的深层变革。
3 生成式人工智能赋能我国体育竞赛表演产业发展时的作用机制
3.1 促进体育赛事播出内容生成机制向自动化、个性化与创意化方向转变
当前，体育赛事的内容生成呈现海量化特征，涉及文字、图片、视频、解说音频等多种形式，但是传统的生成模式高度依赖专业化人力，存在低效率、高成本、个性化不足的问题，而生成式人工智能通过多模态生成能力可以促进体育赛事的内容生成机制更自动化、个性化与具有创意，具体做如下阐释。1）自动生成内容。生成式人工智能可基于体育赛事数据自动生成文字报告、精彩画面视频、新闻文本等内容，可以提高视频制作效率。例如，使用生成式人工智能分析美国网球公开赛的实时比分、历史数据、选手表现等数据，可以自动生成赛后摘要、比赛预览和多语种解说，能提高相关内容输出效率[20]。2）个性化供给内容。生成式人工智能可以突破“千人一面”的内容供给模式，能生成精准化的、个性化的体育赛事内容。例如，通过深度挖掘用户的需求，生成式人工智能可以将球队偏好、球星关注点、球队战术等数据转化为内容生成参数，为用户动态生成专属体育赛事集锦、战术深度分析报告等内容。此外，该技术还可以满足视障、听障等特殊人群对体育赛事内容呈现形式和重点的多样化需求。3）创意化内容生成。一方面，体育赛事营销者凭借生成式人工智能可以提高表达能力，通过人机协同能将抽象的创意灵感转化为具象的体育赛事视觉营销方案、叙事文本或不同主体互动内容，既可以丰富体育赛事内容的呈现方式，也可以增加体育赛事内容的艺术表现维度与情感表达深度，使体育赛事内容更生动。另一方面，生成式人工智能可以降低体育赛事专业化内容生成的技术门槛，简化体育赛事短视频、虚拟运动员形象设计等内容生成的技术流程，使普通用户可以参与体育赛事内容创意实践，带动观众、体育赛事社群等更广泛的人群成为人工智能技术赋能的创意者，推动体育赛事内容生成机制向创意化方向深化演进[21]。
3.2 促进体验增强机制实现场景沉浸化、需求匹配精准化与交互方式智能化
球迷参与体育赛事的传统方式属于单向接收信息，球迷与球员的互动深度与广度通常受限于空间阻隔与连接方式的单一性。而生成式人工智能通过体育赛事虚拟场景的沉浸化、需求匹配的精准化和互动交互方式的智能化，可以促进球迷从被动观看向深度沉浸与主动互动转变，能改变体育赛事观赛体验方式，具体体现在以下几个方面。1）体育赛事虚拟场景沉浸化。生成式人工智能与三维感知等技术的融合，能构建将人、物体、场景虚实融合的沉浸式观赛场域，可以有效突破空间局限，成为驱动元宇宙体育赛事、虚拟体育赛事等新兴业态发展的关键数字技术创新的引擎。例如，北京工人体育场元宇宙中心平台整合生成式人工智能、5G网络等数字技术，推出“数字足球”“工体元宇宙直播”“国安之巅”等系列产品[22]。这些生成式人工智能技术的应用可以将现实世界场景精准复刻至虚拟世界，用户通过增强现实眼镜即可在元宇宙足球赛中体验罚点球，或在“工体元宇宙直播间”进行沉浸式全景观赛，从而增强深度临场体验感。2）精准化匹配需求。生成式人工智能依托自然语言处理能力与内容理解能力，可以深度分析用户对体育赛事的兴趣偏好等数据，对体育赛事信息与用户进行智能化适配，向用户进行推送，使用户可以便捷地获取个性化的、即时满足的体育赛事信息，同时还可以提高信息获取效率。具体而言，该技术可以依据体育赛事观众的知识水平与关注点自动关联推送相关背景知识、体育赛事历史战绩对比等信息，能满足用户对体育赛事内容广度与深度的差异化需求，促进每位观众获得专属的观赛体验。3）交互方式智能化。生成式人工智能具有的人机对话能力、多模态内容生成能力以及对复杂输入的响应能力，可以将观众与体育赛事的交互方式从传统的单向接收信息转变为与人工智能技术创造的智能体进行深度对话、内容共创等高阶参与行为，形成多模态智能交互方式。较为典型的案例是美巡赛。该赛事主办方开发了原型虚拟助手，球迷可以通过语音或文字进行个性化提问，诸如查询球员历史战绩、球洞战术特征等信息，该虚拟助手便可以即时通过对话生成精准响应内容[23]。
3.3 驱动运营优化机制向决策模式重构与韧性治理转向
体育赛事运营涵盖赛事组织、票务、营销、风险预测等多个环节，涉及多元利益主体。从传统的运营模式而言，不同部门的协作往往依赖冗长的决策链，难以适应紧凑赛程对时效性的要求，防控风险的能力不足。而生成式人工智能可以为体育赛事治理主体提供智能决策辅助，并且可以增强其韧性治理能力，提高体育赛事的运营效率和安全风险防控水平。
首先，生成式人工智能可以为体育赛事治理主体提供智能决策辅助。不同于以往主要依赖于历史数据与经验规则的决策模式，生成式人工智能可以在整合数据的基础上进行模拟推演和预测分析，能提高有关体育赛事运营的决策效率。例如，世界一级方程式锦标赛（F1赛事）中应用的生成式人工智能工具可以对实时赛况数据进行分析，不仅能为赛事转播团队提供内容建议，还能预测关键事件的发生，转播团队基于此可提前决策和调度拍摄资源，从原先的“事后补救”转变为“主动预防”[24]。
其次，生成式人工智能可以提高体育赛事治理主体的韧性治理能力。韧性治理指的是某个系统在遇到突发事件或安全风险冲击时，能有效应对不确定性、快速恢复并适应变化的能力[25]。生成式人工智能便可以从以下3个方面提高体育赛事运营主体对赛事的韧性治理能力。其一，可以对内外部信息进行自动分析与推理，迅速定位问题根源，并提出解决方案。其二，通过自然语言交互功能可以使非专业人员也能获得专业化指导，提高问题解决效率。其三，可以实时响应与精准配置信息资源，确保体育赛事关键业务流程在压力条件下平稳推进。以世界一级方程式锦标赛（F1赛事）使用的生成式人工智能为例来分析，该赛事使用了根本原因分析（RCA）助手，通过自然语言描述问题，人工智能系统即可自动分析原因、推荐解决方案并分派至相应团队，使得供给端到需求端的问题解决时间减少了86%，提高了体育赛事治理主体在技术设备故障突发情况下的应对能力[26]。
3.4 促进商业模式创新机制向开发数字化资产、精准供给服务与产业深度融合转变
生成式人工智能在体育竞赛表演产业中的应用创造出了新的价值增长点，主要体现在数字化资产的开发、精准服务供给和产业深度融合3个方面。
一是促进了数字化资产的开发。生成式人工智能可以自动化、规模化地生成稀缺性的体育赛事数字化资产，主要是以体育赛事标志、明星运动员、运动表现瞬间等体育赛事核心要素为基础，生成独特的数字化收藏品、虚拟运动装备、沉浸式虚拟空间等数字化资产。这些数字化资产有的不仅具有收藏价值，而且还能嵌入虚拟观赛、球迷互动、游戏化体验等场景中，有利于体育赛事数字化资产的流通与增值。此外，还可以进一步挖掘体育赛事IP，构建可交易、可授权并支持跨平台分发的衍生内容库，拓宽体育赛事IP的变现渠道。
二是可以实现精准服务供给。生成式人工智能的创造性、智能性等技术-经济范式特征，可以使其具有促进体育赛事服务实现定制化和精准化、增强用户黏性与服务溢价的能力。在体育赛事营销方面，能根据对用户观赛场景等信息的分析，实现广告、门票等营销信息的精准推送，诸如动态生成观赛门票套餐，并进行定向推送。
三是能促进业态深度融合。通过使用生成式人工智能，可以突破体育赛事信息服务的传统边界，整合体育赛事、旅游、餐饮等方面的信息资源，延伸消费链，促进体育赛事形成规模经济效应与产业协同效应。例如，2025年宁海马拉松赛举办方基于人工智能技术开发的智能体——“宣推官”，集成了赛事助理、旅游向导、健康管家等功能，可以为参赛者提供如路线规划等全场景咨询，还能结合实时天气与用户体征数据生成个性化备赛方案、特色餐饮、住宿、交通路线、文旅地标等推荐内容，从而有利于促进体育产业与旅游产业的融合[27]。
4 生成式人工智能赋能我国体育竞赛表演产业发展时的现实挑战
4.1 生成式人工智能幻觉和算法偏见与体育竞赛公平性和真实性的适配冲突
生成式人工智能的算法偏见与幻觉问题会影响体育竞赛利益主体（运动员、俱乐部等）对人工智能技术的感知有用性，同时也会影响其在体育赛事内容生成、体育赛事营销策略优化等方面的关键机制。感知有用性作为评估人工智能技术被接受的核心维度，会影响用户对其提高工作效率效果的预判。在这一前提下，生成式人工智能技术的局限性与其在体育赛事的应用需求之间存在一定的适配冲突。一是算法偏见对体育赛事公平性的放大效应。算法偏见指的是生成式人工智能算法造成的不公平、不合理结果，主要来源于算法设计者的认知偏见、训练数据的偏见、模型学习产生的偏见[28]。体育竞赛以公平为根本原则，而生成式人工智能应用系统如果在应用场景中输出带有偏见的结论或决策建议，可能导致系统性不公平。以体育人工智能裁判系统为例，算法偏见可能直接被转化为裁判决策，从而导致判罚不公正[29]。这就会影响该项技术在体育赛事中的进一步应用。二是人工智能幻觉对体育赛事真实性的歪曲风险。人工智能幻觉指的是人工智能应用系统会生成答非所问、自相矛盾或与既定的知识不符且极具迷惑性的错误信息，这种现象通常会在智能体试图回答其未曾学习过或缺乏足够数据支撑的问题时发生[30]。生成式人工智能应用于体育竞赛时，人工智能幻觉具体体现为在体育赛事营销、智能体解说、运动员伤病评估等应用场景中捏造事实，如智能体解说虚构进球瞬间。而当体育竞赛利益主体在使用该技术获取的信息不准确时，便会影响其对该项技术有用性的感知，进而削弱对该项技术的采纳意愿。
4.2 生成式人工智能的数据敏感性和算力不足影响其在体育竞赛表演产业可持续应用
生成式人工智能在体育竞赛表演产业中的技术扩散还存在着来自竞技体育行业数据特殊性及数字化基础设施的适配瓶颈，具体体现为数据敏感性和算力不足。
1）竞技体育行业数据敏感性对人工智能技术在体育竞赛表演产业应用的制约。从隐私角度可将体育赛事数据分为2类：一类是既非源于竞技体育领域，又与竞技体育自治无关的数据，敏感性较低，可公开流通；另一类是包含竞技体育领域的数据和产生于竞技体育赛事的数据，敏感性较高，难以共享和共用[31]。后者直接关联运动员个人与体育竞赛训练机构的利益，对隐私数据的保护要求极高。生成式人工智能在模型训练与推理过程中存在数据挖掘与反向推理风险，如果不加以严格管控，可能导致专有数据泄露或被恶意利用。当前，竞技体育行业在数据分级保护、合规使用机制等方面的建设不够，难以充分保障竞技体育领域专有数据的安全，进而抬高了生成式人工智能的应用门槛，也增加了竞技体育领域应用生成式人工智能的治理成本。
2）算力不足限制了生成式人工智能的应用规模。生成式人工智能的应用需要足够的算力资源，但当前我国很多地区算力资源短缺，成为制约其在这些地区规模化应用的重要因素[32]。从模型训练层面来说，训练生成式人工智能大语言模型需要海量的数据与充足的算力支撑。当算力不足时，大语言模型训练时长就会大幅延长，无法及时更新以适应体育赛事的变化，而且受算力局限，大语言模型又难以处理超大规模数据，无法精准模拟体育赛事场景。在实际应用时，算力不足还会影响生成式人工智能生成内容的实时性，诸如生成式人工智能在体育赛事直播时可以为观众提供实时精彩回放、个性化视角切换等服务，但是当算力达到瓶颈时，输出的视频画面便会产生卡顿和延迟，从而导致观众的观赛体验不佳。此外，体育竞赛表演产业中诸多中小型体育赛事、中小型企业无力承担高额算力成本，无法通过生成式人工智能提高体育赛事转播或直播质量，从而不利于生成式人工智能的应用。
4.3 人工智能与体育的交叉专业复合型人才短缺与培养体系的滞后制约体育赛事高质量转播或直播
从生成式人工智能行业整体来说，相关研究报告显示，基于大语言模型的生成式人工智能技术快速发展，大语言模型研发等方面人才供不应求[33]。但是从我国通过生成式人工智能赋能体育竞赛表演产业发展而言，当前与国外差距较大，说明我国高校对“人工智能+”体育专业的复合型人才的培养还有些滞后，并且主要体现在以下2个方面。
1）人工智能领域缺乏体育竞赛表演产业方面的人才[34]。当前，人工智能领域与体育竞赛表演产业的融合主要是通过向体育竞赛表演产业供给人工智能技术服务，依赖通用人工智能技术人才单向供给。而体育竞赛表演产业具有高度专业化、场景化的特征，需要大量既懂体育竞赛表演产业又懂人工智能的专业化复合型人才，但是这方面的人才培养相对滞后，不利于促进体育竞赛表演产业与人工智能领域的融合发展。
2）人工智能与体育的交叉专业复合型人才培养体系在人才培养响应速度、与人工智能领域适配性和实践应用对接上还有不足。其一体现为交叉学科建设较为滞后且融合深度不够。尽管有的高校开设了智能体育工程专业[35]，但是专业性体育院校整体上对交叉学科的建设起步晚、覆盖面窄、深度不够，并且现有课程体系多数侧重基础理论，缺乏将人工智能算法原理、数据处理技术与体育赛事具体场景进行深度融合的课程。同时，课程内容还未涉及体育赛事转播或直播的人工智能应用场景和人工智能关键技术，导致教学内容与体育竞赛表演产业所涉人工智能技术的需求脱节。其二体现为师资与实践教学平台相对缺乏。当前，同时掌握体育竞赛专业知识和人工智能关键技术的高水平师资较为缺乏。实践教学平台多数缺乏模拟真实体育赛事复杂场景的设备与数据资源，导致大学生实践能力与体育竞赛表演产业实际需求有差距。其三体现为培养目标与产业需求脱节。目前，我国有的高校设置的体育交叉专业的培养目标与体育竞赛表演产业数字化转型的人才需求不相适应，体育交叉专业毕业生的知识结构与技能结构同人工智能领域人才需求无法充分匹配。其四体现为产-学-研协同育人机制不健全。高校、科研院所与体育赛事经营方之间尚未建立常态化的育人机制。体育竞赛表演产业对人工智能的实际需求、关键技术攻关难题、可及性数据还没有体现在教学和科研方面，科研成果也未能快速转化为体育竞赛表演产业数字化转型解决方案，产-学-研未实现充分协同与互动。
4.4 对人工智能技术的过度依赖和对其效能过度追求会对体育竞赛表演产业产生负面效应
体育竞赛表演是一种体验经济，而生成式人工智能在体育竞赛表演产业的应用正在重构体育赛事转播或直播的人机协同模式，在此过程中也暴露出了过度追求工具性作用对该产业市场主体主观能动性的消极影响，体现为从业者对人工智能技术的过度依赖和对人工智能技术效能的过度追求，以下从2个方面展开论述。
1）决策过度依赖人工智能技术。人工智能虽然可以辅助人类进行判断，但是却存在着人类因过度依赖生成式人工智能而使自身的专业判断力和应变能力下降的风险。诸如教练员过度依赖人工智能进行战术分析可能会影响自身临场判断力、赛事组织者依赖算法优化流程则会降低自身应对突发事件的能力，这种“技术代理”现象本质上是用人工智能代替人类专业判断。此外，由于生成式人工智能有技术局限性，有些生成的内容存在事实性偏差，对其过度依赖还会导致决策失误。
2）过度追求人工智能的技术效能。这方面的风险主要体现在将生成式人工智能预设为一种普适性解决方案，盲目地将其与较高效率等同，而忽视应用人工智能时对时间、空间、情境、主体等方面的要求，会对体育赛事强调的体验经济产生负面影响。典型的案例是，美国职业篮球联赛某俱乐部球队为解决观众在球馆大厅导航困难的问题，在主场布置了基于生成式人工智能形成的“导航信息亭”，但是该球队的球迷对此的体验不佳。最终该俱乐部将人工智能技术应用转向了集成式数字导航系统。
5 生成式人工智能在体育竞赛表演产业应用时的治理路径
5.1 生成式人工智能应用于体育竞赛表演产业时的算法纠偏与幻觉抑制
针对生成式人工智能应用于体育竞赛表演产业存在的算法偏见和幻觉问题，应从技术、行业、政策3个层面协同解决。
1）在技术层面，通过数据治理和算法优化解决生成式人工智能的算法偏见和幻觉问题。一方面，要建设高质量的体育赛事数据库，同时构建多元化数据采集网络，在保护数据产生主体的隐私的前提下，加大对弱势群体的数据采集力度，避免因数据涉及面不够而使数学模型的运算精度不足。另一方面，要进一步优化算法。对于算法偏见，在数学模型优化和数学模型重构时运用特定的算法和正则化，在数学模型重构后通过调整输出结果减少算法偏见；对于人工智能幻觉，可以增加视觉模型分辨率或使用多任务处理视觉编码器提高人工智能视觉感知力，或者通过辅助监督（如预测编码）优化视觉和语言对齐，再或者通过对比解码或引导解码增加人工智能运算过程中对视觉内容的关注度，这些都是幻觉抑制的重要技术手段[36]。
2）在行业层面，研发者在开发适配体育竞赛表演产业的生成式人工智能时，要注重人机交互的价值对齐。一是通过价值敏感性设计，在技术开发初期将体育竞赛表演产业从业者的职业道德准则具象化，并嵌入模型，结合利益相关者分析、职业道德量化指标及动态仿真测试，从源头预防系统性算法偏见。二是构建道德规范智能体，赋予大模型理解与判断道德规范的能力，使其能在复杂情境中判断多元价值观冲突，并通过干预增强自主算法进行技术伦理判断的稳定性。三是加强全生命周期算法审查，通过代码审查、用户模拟试验及多方协作机制，持续监测并修正算法中的隐性偏向，确保人工智能使用价值与体育竞赛表演产业价值的动态适配[37]。
3）在政策层面，增强算法透明性与构建多元治理主体问责框架，确保应用于体育竞赛表演产业的人工智能系统的安全可控。体育竞赛表演产业市场主体应严格遵守《关于加强互联网信息服务算法综合治理的指导意见》《互联网信息服务算法推荐管理规定》等法律与法规，政府网信部门、政府市场监管部门、地方县级以上人民政府等多级监管主体应加强全方位、多层次协同监管，完善对算法的内外部双重监管制度[38]。
5.2 生成式人工智能应用于体育竞赛表演产业时的数据安全治理与算力资源建设
针对数据敏感性与算力资源约束对人工智能可持续应用于体育竞赛表演产业面临的挑战，可以从数据治理与算力优化两方面确保生成式人工智能应用于体育竞赛表演产业的安全性与经济性。
1）竞技体育数据对生成式人工智能技术开发具有重要意义。数据过少影响模型训练，数据不加以规制又易泄露隐私，影响体育竞赛表演产业主体利益。因此，对竞技体育数据要以流通与规制的动态平衡为原则，通过“分类、分级+”场景化构建分层治理体系。首先，将竞技体育数据划分为隐私数据、专业数据、公开数据3类，基于专业性和敏感性差异对模型采取差异化训练策略，如隐私数据强制匿名、公开数据促进共享。其次，依托场景化治理制定动态规则，如在竞技体育场景允许有限敏感数据流通，但限制结合辅助数据，以降低识别风险，并通过数据协议保障运动员的知情权与数据商业应用产生的利益，避免形式化授权。再其次，构建公法与私法协同治理的综合框架，在私法层面以契约自由促进建立竞技体育数据有偿共享和授权机制，在公法层面通过“数据20条”等政府文件制定竞技体育数据匿名化处理标准，并对竞技体育数据交易行为加强监管，同时使用差分隐私算法等计算机技术促进竞技体育数据开发兼顾效用与安全。最后，通过市场激励、行业自律和动态分级机制，在释放竞技体育数据红利的同时，保护隐私数据与促进体育竞赛公平，形成法定强制和约定自治的治理模式[31]。
5.3 生成式人工智能应用于体育竞赛表演产业背景下的复合型专业人才培养
针对人工智能与体育交叉融合专业的复合型人才短缺及培养滞后对体育赛事高质量转播或直播形成的制约，需要通过学科建设与产教融合实现人才培养与产业需求的精准对接。
1）在学科建设方面。一是在加强体育学与人工智能等先进数字技术深度融合的同时，进一步探索“体育+”生成式人工智能新兴交叉学科方向，通过设立跨学科研究中心、组建复合型专业师资团队、构建协同创新平台等措施，促进此方向的体育专业人才知识体系重构。二是重点在专业性体育院校和理工科院校开设“体育+”人工智能交叉学科专业，增设人工智能赛事内容生成、虚拟数字人主持、人工智能驱动的赛事观众体验优化、生成式人工智能伦理审查与治理等课程，在提高体育专业大学生的人工智能技术水平的同时，进一步提高其在算法偏见防范、数据隐私保护、虚拟内容实景化等方面的专业素养，最终培养出既懂体育赛事又掌握人工智能关键技术的复合型体育专业人才。
2）在产教融合方面。构建将政府、产业实体、高校、科研院所融为一体的人才培养模式。其中：政府引导创建“人工智能+”体育专业的复合型人才培养平台；高校完善“人工智能+”体育专业的复合型人才学历教育体系，与行业协会、企业共建实验室与实训基地，通过双向导师制、项目制教学、产业课题攻关等方式，实现体育人工智能技术研发、“人工智能+”体育专业的复合型人才培养与体育竞赛表演产业新业态的衔接，并且要定期评估“人工智能+”体育专业的复合型人才培养与产业需求的匹配度，优化“人工智能+”体育专业的复合型人才培养方案，最终形成以产业需求为导向、以体育竞赛表演产业创新实践为纽带、以人工智能为支撑的“人工智能+”体育专业的复合型人才培养体系，为体育竞赛表演产业数字化转型与体育赛事高质量转播或直播增添人才动能。
5.4 生成式人工智能应用于体育竞赛表演业的人机协同机制创新
针对过度依赖人工智能技术和过度追求人工智能技术效能对体育竞赛表演产业产生的负面效应，需要促进体育竞赛表演产业的人工智能技术从业者对生成式人工智能技术的深化认识以及创新人机协同机制。
1）深化体育竞赛表演产业从业者对生成式人工智能技术的认识，提高其人机协同素养。尽管生成式人工智能技术可以显著提高信息获取效率，并且可以扩大体育赛事内容生成规模，但是人类在信息接收端的人机协同素养提高却体现出明显的滞后性。因此，在人工智能技术应用于体育竞赛表演产业的背景下，必须要确保体育竞赛表演产业从业者通过培训等方式对生成式人工智能形成清晰而全面的认识。首先，可以通过定期开设培训课程、行业交流会等方式，剖析大语言模型的核心技术原理（如人工智能如何通过大数据学习生成内容、为什么会产生错误信息），促进从业者理解人工智能的优势、劣势以及输出结果的局限性，使其对人工智能的本质形成多维度认知，避免陷入“技术万能论”的认知陷阱。其次，根据人工智能生成内容的特征，加强体育竞赛表演产业从业者对人工智能生成内容的甄别思维训练，提高其对深度伪造内容、数据污染风险的预防能力。最后，要充分认识生成式人工智能的局限性。例如，生成式人工智能会受训练数据和算法的制约，其在生成内容的创新性、智能体情感表达等维度都具有局限性。
2）进一步明确生成式人工智能在体育竞赛表演产业应用的功能定位，合理划定人工智能与人类工作的边界。在体育竞赛表演产业的各类工作场景中，人类应始终处于主导和监督的位置，使人工智能发挥辅助和赋能的作用。在体育赛事转播或直播时，可以构建人类对人工智能生成结果甄别机制，将标准化筛选工作交由人工智能完成的同时，设置人类复核流程，既可以提高工作效率，也可以使结果具有可控性。例如，在体育赛事营销时，生成式人工智能可以基于历史数据生成多个方案，最终方案的选择则由人类评估和决策。再例如，在解说体育赛事时，可以使用生成式人工智能完成初稿与整理信息，人类解说员则侧重于情感渲染与表达优化。总之，人机协同的核心主旨不在于以人工智能替代人类工作，而在于通过流程分工实现人类与人工智能的优势互补。
6 结束语
当前，生成式人工智能正处于快速发展阶段，并逐步应用于体育竞赛表演产业的多个业态。本研究试图分析生成式人工智能赋能体育竞赛表演产业发展的内涵以及生成式人工智能赋能体育竞赛表演产业发展时的技术-经济范式业态的变革，结合国内外多个典型案例，分析生成式人工智能赋能体育竞赛表演产业发展的作用机制，并针对生成式人工智能在体育竞赛表演产业应用时面临的现实挑战，从算法纠偏与幻觉抑制、数据安全治理与算力资源建设、“人工智能+”体育专业的复合型人才培养和人机协同机制创新方面提出对策，以期为通过生成式人工智能促进体育竞赛表演产业高质量发展提供理论参考。
