网球四大满贯之一的美国公开赛已于 2026 年 8 月 23 日开赛。本届赛事的官方网站与官方应用新增了把发球质量量化为分数的指标，以及挑出比赛走势转折点的功能。IBM 与美国网球协会（USTA）在 8 月 24 日公布了这批更新，仅发球分析一项，整个赛事期间就会产生约 12 亿个数据点。
身体与球拍上的 21 个采样点，每秒追踪 50 次
最受关注的是名为 Serve Quality 的新指标，它用分数说明一记发球究竟好在哪里，覆盖单打全部 254 场比赛。系统通过肢体追踪技术，在球员身体与球拍上设定 21 个数据点，以每秒 50 次的频率采集，细到能记录手腕的翻转，以及双腿产生的力量经由躯干传递的过程。
采集到的数值按效率、准确性、稳定性和抛球 4 个维度整理。来自球场的连续数据流由 IBM Confluent 负责调度，评分结果几乎实时呈现在观众的屏幕上。发球快并不等于发球好，这个长期停留在感觉层面的判断，第一次有了共同的尺度。
从谁占优，到为什么会这样
已经为观众熟悉的 Likelihood to Win，用概率展示某一时刻哪位球员更可能获胜。计算过程由 AI 综合分析当前与历史数据、专家观点以及比赛势头。
本届赛事在此之上新增了 Key Moments，把比赛中波动较大的场面和势头逆转的节点集中呈现，同样覆盖单打全部比赛。由于胜率曲线上下起伏的原因可以事后用文字回看，中途才开始观看的观众也更容易补上前面的脉络。
官网首页也做了改版。新的 Live Updates 允许把关注的球员设为优先显示，从海量赛事信息中快速筛出自己在意的部分。
能对话的观赛搭档，还会返回照片和视频
对话功能 Match Chat 同样经过改造。观众看球时想到什么问题，都可以用日常语言提问，并当场得到对话式的回答。这一次的回复不只有文字，部分答案会附上相关的照片和视频。
底层是 IBM 的 watsonx Orchestrate，由多个 AI 智能体与针对特定用途调校的模型组合而成，并以 USTA 的编辑风格和网球术语进行了训练。刻意不用通用聊天机器人，是为了让语气贴近赛事解说的实际表达。可参考的范围也扩大了，回答会同时结合实时比赛数据、分析内容与历史记录。
开发这套功能的，是 IBM 自家的 AI 智能体
值得注意的一点是，发球分析所用的肢体追踪机制是借助 IBM Bob 开发的。IBM Bob 是该公司推出的 AI 编程智能体，主打从设计、实现到测试与维护的全流程承接。用自家的 AI 开发工具做出自家的 AI 功能，这一循环已经在实际业务中跑通。
观众要的是准确，而不是更快
发布同日，IBM 还公开了委托 Morning Consult 进行的调查结果。全球受访网球爱好者中，91% 在比赛期间使用体育类应用，64% 对 AI 生成的体育内容表示高度信任。IBM 将这一结果解读为：数字观赛体验被考量的是准确性，而非速度。
IBM 与 USTA 的合作始于 1992 年，多年来为每年超过 1,400 万名网球爱好者打造数字体验。USTA 数字战略高级总监 Brian Ryerson 表示，今年的成果明显改变了与观众互动的方式。IBM 高级副总裁兼首席全球事务官 Jonathan Adashek 也强调，来自球场的海量实时数据能被自动接入业务流程，并在数分钟到数小时内转化为可用的洞察。
2026 年美国公开赛将持续到 9 月 13 日。上述功能均可在 USOpen.org 和官方应用中使用，应用已在 Apple 与 Android 两大商店上架。
总结
IBM 与 USTA 为 2026 年美国公开赛投入了 3 项 AI 功能：以每秒 50 次、21 个采样点解析单打全部 254 场比赛发球的 Serve Quality，说明胜率为何变化的 Key Moments，以及运行在 watsonx Orchestrate 之上的对话功能 Match Chat。肢体追踪部分的开发用到了 IBM Bob，形成了由 AI 做出的 AI 功能直接送到观众手中的结构。数据背后的推导过程要公开到什么程度仍是待解的问题，但把观赛的清晰度往上推这个方向值得肯定。
