0. 一条主线串起本篇
上一篇讲了六个难点。本篇回答一个更落地的问题：
结论先放这里，后面展开证明：
- AI 视觉占优的：一切客观、可量化、可复现的运动学指标——计数、速度、频率、组合序列、节奏、7维技术质量、跨期进步曲线；
- 人 / 教练独占的：语义层的战术意图、临场决策、对手弱点解读、心理意志——这些 AI 目前看不到；
- 两者互补的：技术质量（AI 量化 + 教练定性）、命中判定（AI 计数 + 人判 land）。
AI 不是来替代教练的，是来把教练"看不全、记不准、难复现"的那部分运动学信号补齐。
1. 哪些数据产生价值（训练 vs 比赛）
先按场景列"有价值的数据"。注意：价值不只在比赛——训练数据的价值是"让人变强"，比赛数据的价值是"客观呈现表现"，两件事都重要。
1.1 训练场景（空击 solo + 对练 duo）
- 表层 · 训练量与频率：出拳数、频率、时长——回答"练够没"，是进步前提。
- 中层 · 技术质量（7维两层）：进攻输出 / 组合 / 步伐 / 节奏（L1）+ 耐力 / 爆发 / 协调速度（L2）——回答"动作对不对"。
- 深层 · 进步曲线与弱点演化：跨周跨月的 7 维趋势、弱点是否收窄——回答"练得对不对"。空击因无对手约束，纯技术可量化，是训练数据最密集的来源。
1.2 比赛场景
- 输出量 / 活跃度：出拳数、频率、每回合输出——客观呈现"谁更主动"。
- 组合与节奏：比赛中组合结构、节奏变化——赛后复盘用。
- 赛后技术复盘：用同一套 7 维框架回看比赛技术动作。
- 命中率（landed）：比赛里最被关心的数据，但恰恰是 AI 当前最弱的一环（见 §2.3 诚实边界）。
1.3 价值的共性标准
不管训练还是比赛，拳神AI 认定"有价值"必须满足：客观可量化 · 可复现 · 可归因到动作 · 可追踪（训练独有最关键）。
2. 核心：AI 能获取什么，与人眼/教练横向比
这是本篇重点。逐项把"有价值数据"放在 AI 视觉和人眼/教练之间称重：
2.1 三类结论
（一）AI 绝对占优——客观可量化的运动学指标
| 数据 | 为什么 AI 强 | 人眼/教练的短板 |
|---|---|---|
| 出拳计数/频率 | 不漏记、同视频同数、可复现 | 估数、易漏、不可复现 |
| 出拳速度/爆发 | 像素算峰值 ~14 m/s，有数值 | 凭感觉、无量化 |
| 组合结构/序列 | 左右手序列完整记录 | 看不全、易漏 |
| 节奏变化 | 逐帧测节奏突变 | 难感知 |
| 进步曲线 | 跨月精确追踪（训练独有） | 模糊记忆 |
这些恰恰是教练"想看但肉眼做不到"的部分——人一眼扫过去，能判断"这人打得好"，但说不出"这分钟比上分钟多 8 拳、组合从 1-2 变成 1-2-3"。AI 补的就是这条。
（二）互补——AI 量化 + 人定性
- 7维技术质量：AI 给可复现的分数并拆回具体动作（"组合分 55，因第三下变形"）；教练给语义解释（"你这是害怕挨反击才缩手"）。AI 说'哪扣了分'，教练说'为什么'，合起来才是完整反馈。
- 命中判定：AI 能数出"出了多少拳、打向哪"，但"是否真正命中有效部位"目前不承诺（F1=0.053）；比赛中这一锤仍由裁判/教练定。AI 提供客观计数基底，人做 land 裁决。
（三）人 / 教练独占——语义与心理层
- 战术意图、临场决策、对手弱点解读、心理意志状态——这些 AI 看不到。AI 只看像素，不理解"他故意卖个破绽引对手出拳"这种语义。这部分永远需要人。
2.2 横向比较的底层逻辑
为什么是这个格局？因为AI 视觉的上限是"像素能算什么"，人的上限是"语义能懂什么"：
- 像素能算的（位移、频率、角度、序列）→ AI 占优；
- 需要理解"为什么"的（意图、心理、临场博弈）→ 人独占。
所以"AI vs 教练"不是零和，是能力栈的不同层。拳神AI 的定位是：把运动学这一层做透、做准、做可复现，把语义层交还给教练。
2.3 比赛场景的特殊说明（诚实边界）
比赛里最贵的数据是命中率，而它恰好是 AI 当前最弱的项：
| 数据类型 | 当前水平 | 对外表述 |
|---|---|---|
| 出拳计数 / 频率 / 输出量 | 较准（人工校准兜底） | 可报具体数 |
| 7维技术质量（赛后复盘） | 可复现、可解释 | 报分 + 拆维度 |
| 拳种识别（jab/cross/hook…） | 稀有类召回全 0 | 只给分布，不写识别率% |
| 命中 landed 判定 | 弱监督原型级（LOO F1=0.053） | 不承诺，由裁判/教练定 |
这反而是拳神AI 的诚实资产：比赛数据里，我们光明正大说"计数和复盘我能给，命中判定我给不了"——比那些宣称"AI 自动判分"的叙事可信一个量级。
3. 怎么获得这些数据（零穿戴视觉管线）
关键原则：不靠"AI 猜"，靠"像素算"。指标全部可溯源到具体帧与关键点：
- 关键点位移 / 帧间隔 → 出拳速度（峰值 ~14 m/s）、加速度（爆发）；
- 出拳事件计数 / 时长 → 出拳频率、持续输出（耐力）；
- 左右手序列 → 组合结构、节奏变化；关键点轨迹 → 步伐覆盖。
同一套管线覆盖空击（solo，无需 ReID）与对练/比赛（duo，加 ReID 区分红蓝 + 计数）。零穿戴、零机位、合规（不扫人脸）、可复现。潘豪VS文达 10765 帧、14 分钟、端到端 12.8 FPS 跑完，落 72.5/B。
管线的数据底座（训练数据那一层）：YOLOv11-n 站在当前公开检测/姿态最大预训练体系之一（千万级图像）；自建数万标注帧微调，手套 v4→v5（过滤 Face 类）更鲁棒更合规；计数工具驱动的数据飞轮把标注成本摊薄进生产——但须诚实说明：人点按产出的是带反应时差、无位置信息的粗时间弱标签（看到出拳到点按约 200-500ms 延迟，且不知具体哪帧哪手），不能直接当帧级检测监督，只适合计数校准与弱监督正样本挖掘；正确形态是模型提议候选出拳窗口 + 人确认/否认，精确位置由模型给、人只消时差，从而把弱标签升级为准标签。空击视频量远大于对练，技术质量训练数据供给近乎无限。
4. 价值闭环：从对比到"越练越强 / 比赛更透明"
- 对训练者：AI 补齐教练看不全的运动学信号（量、速、组合、进步曲线），教练专注语义指导——空击随时自测、对练量化复盘、弱点可视化、进步可追踪。
- 对教练：客观数据替代纯主观观察，制定计划有依据、看进步有标尺，且不被"AI 替代"焦虑——语义层永远是你的。
- 对比赛：客观输出量/活跃度辅助公平呈现，赛后 7 维复盘可追溯；命中判定仍由人，但有了 AI 计数基底更不易漏。
- 对行业：第一次让"业余训练 + 比赛数据也能滚起来"成为现实。
一句话：拳神AI 把职业级的运动学分析变成业余拳手随时能用的训练反馈，并把"该人做的"明确交还给人——前提是，数据真实、边界诚实。
5. 小结 + 下篇预告
本篇用一条主线回答：有价值的数据按训练/比赛分场景列清；AI 视觉占优在客观运动学指标、人/教练独占语义心理层、技术质量与命中判定互补；并诚实交代命中率（F1=0.053）当前不承诺。
难点一~六的答案，一半在数据（本篇 + 飞轮），一半在算法（下篇）。
下一篇：解决方案——通用底座 + 专项数据之上，拳神AI 用什么具体算法把六个难点逐一拆解：BoxLock 检测-追踪解耦、Z-score 出拳、ReID 指纹 + 开局锚定、TRT + WSL2 工程化。
_数据不骗人。拳神也不该。_
