用 AI 管理训练负荷：运动伤害预防从「凭感觉」变成「看数字」
职业队早就在用穿戴感测器管理选手负荷，但台湾多数球队还是靠防护员的经验判断。这篇说明训练负荷监控的原理、AI 伤害风险预测到底能做到什么、没有预算的队伍该怎么用一张表开始，以及最容易被误解的三件事。
一位在大专院校带队的体能教练跟我说过一句话，我印象很深：「我们的选手不是被对手打败的，是被上上周的加练打败的。」
他指的是那种很典型的状况——赛前紧张，教练加训练量，选手也想多练，结果比赛前一周有人拉伤。事后大家都说「就是运气不好」。
其实那不是运气。那是可以被看见的。
训练负荷到底在量什么
运动科学里的「负荷」分两种：外部负荷是你实际做了多少（跑了几公里、几次冲刺、举了多重），内部负荷是身体承受了多少（心率、疲劳感、恢复状态）。
同样跑五公里，睡眠不足的那天对身体的负担完全不同。这就是为什么只看训练菜单不够。
职业队常见的作法是选手穿背心，里面的 GPS 与惯性感测器记录跑动距离、加速减速次数、冲击负荷。Catapult 是这个领域最普遍的名字，全球超过四千支队伍在用。室内项目因为 GPS 收不到讯号，改用超宽频定位，KINEXON 的技术就是 NBA、NFL 在用的那一套。
AI 在这里的角色，跟你想的可能不一样
很多人以为 AI 的功能是「预测谁会受伤」。这个说法太满了。
实际上像 Zone7 这类平台在做的事，是把球队本来就有的资料——训练负荷、体能检测、过往伤病纪录——整合起来，算出每位选手的风险等级，并标出是哪些因素触发了警示。
差别在哪？「这位选手下周会受伤」是预言，「这位选手最近三周负荷持续偏高、上一次类似情况后两周发生了拉伤」是资讯。前者不可信，后者很有用。
而且这件事有个前提常被忽略：模型仰赖资料。 如果球队过去没有系统性记录训练量与伤病，刚导入的前几个月其实是在补资料，不是在拿建议。这也是为什么很多球队买了系统觉得没用——不是系统没用，是还没有东西可以学。
没有预算的队伍，可以这样开始
穿戴装置一套要几十万，台湾多数校队与业余球队负担不起。但负荷监控最有价值的部分，其实不需要硬体。
主观运动强度（RPE）乘上训练时间，就是运动科学里用了几十年的训练负荷指标。作法简单到有点好笑：
- 每次训练结束后半小时，让球员填一个 0 到 10 的主观强度分数
- 乘上训练的分钟数，得到当日负荷
- 累加成周负荷
- 计算「最近一周负荷 ÷ 前四周平均负荷」
第四项就是常被引用的急性慢性负荷比。比值明显偏高，代表训练量在短期内暴增，那是需要多看一眼的时候。学界对这个指标的算法仍有争论，但作为基层球队的第一个警示灯，它够用了。
一张 Google 表单、一个试算表，加上你愿意每天花五分钟看一眼，这件事就能开始。
最容易误解的三件事
第一，数据不会做决策。 系统跳出红灯，是提醒你去看那位选手，不是要你直接把他排除在名单外。实际判断要结合防护员的触诊、选手的主观回馈与比赛的重要性。
第二，比赛日的负荷常常被漏掉。 很多队伍只记录训练，但比赛的强度往往是训练的两倍。漏掉这一块，整个累积负荷都是失真的。
第三，恢复比训练更难记录。 睡眠、营养、课业压力、感情状况——这些对青少年选手的影响巨大，却几乎不会出现在任何负荷系统里。有经验的教练知道，某个孩子最近状况不对，多半跟训练菜单无关。
台湾的实际状况
台湾职业运动这几年开始导入负荷监控，但基层仍普遍停留在「防护员凭经验判断」。这不是因为教练不重视，而是资源结构的问题：一位防护员可能同时要顾三支球队，根本没有时间做长期资料追踪。
我觉得比较务实的路线有两条。
第一条是先把资料存下来。 就算你现在不会分析，先用简单的表单记录训练量与伤病，一年后你会有一份没有其他人有的资料。这件事的成本几乎是零，但价值会随时间累积。
第二条是跟学校体育系所合作。 台湾的运动科学研究能量其实不错，体育系的学生需要真实资料做研究，球队需要有人分析资料，这是双赢的组合。比起自己摸索，找一位研究生合作往往走得更快。
至于装置的采购，我的建议是先问一个问题：买回来之后谁要看那些数字？ 没有人负责解读，穿戴装置就只是一堆很贵的背心。这句话听起来刻薄，但这是我看过最多球队踩的坑。
TheAI学院 总结与评语
运动伤害预防这件事，最贵的从来不是设备，是一位主力伤停六周的代价。职业队算得很清楚，所以他们买；基层队算不起，所以只能靠经验——但这中间其实有一大块是可以靠土法炼钢补上的。
评语：负荷监控真正的价值不在预测未来，而在让「我觉得他有点累」变成「他这三周的负荷比上个月高了 40%」。前者无法讨论，后者可以。
给台湾读者的具体建议：这个月就开始收 RPE。一张表单、每次训练后五分钟、坚持一整季。等到某天你能对着数字跟教练说「他上周的负荷是平常的两倍」，你就会明白这件事的价值——而那时候你还一毛钱都没花。
延伸阅读：基层球队的 AI 比赛影片分析流程、运动数据分析职涯指南，健身族群则可以参考 AI 健身计划指南。
资料来源
（本文依公开资讯整理，不构成医疗或训练处方建议，选手伤病请咨询专业人员。）
常见问题
没有穿戴装置也能做负荷监控吗？
可以。主观运动强度量表（RPE）乘上训练分钟数，就是最经典的训练负荷指标，一张 Google 表单就能收。研究上它与客观指标的相关性其实不错，缺点是要球员每天诚实填。
AI 真的能预测受伤吗？
只能给机率，不能给答案。伤害是多因素事件，模型能做的是提醒你多留意某位选手，最终判断仍在医疗与体能团队手上。任何宣称能准确预测受伤的说法都该怀疑。
急性慢性负荷比是什么？
把最近一周的训练负荷除以前四周的平均负荷，比值过高代表短期内训练量暴增，是常被引用的受伤风险指标。学界对它的计算方式仍有争论，适合当参考而非唯一依据。
室内项目的 GPS 追踪准吗？
不准，室内收讯不良。室内项目要靠惯性感测搭配场馆定位基站，例如超宽频定位系统，成本与布建方式跟户外完全不同，导入前要先确认场馆条件。