一场电竞比赛可能持续30分钟甚至更久，但真正决定比赛走势的，往往只是其中几个短暂瞬间。

　　如何让机器从海量比赛画面中找到这些“关键几秒”？这是上海科学技术职业学院学生团队研发“战策矩阵——电竞AI复盘分析平台”时希望解决的问题。

　　在传统复盘过程中，教练通常需要完整观看比赛录像，并多次回看团战、资源争夺、团队协同等关键阶段。比赛越长、训练场次越多，人工筛选和整理所需要的时间也随之增加。

　　团队因此将技术研发重点放在了“比赛视频结构化”上。

　　简单来说，系统首先需要“看懂画面”。然而真正开始研发后，团队很快发现，这件事远没有想象中简单。电竞画面具有极高的信息密度。同一块屏幕中可能同时出现地图、角色状态、技能信息、资源变化、战斗提示等多种内容，不同版本、不同角色和不同皮肤又会导致视觉特征不断变化。即使识别出了一个目标，也并不意味着系统真正理解了这一时刻发生了什么。

　　为此，团队逐渐形成了一套由视频处理、计算机视觉识别、事件候选筛选、上下文关联和AI辅助分析组成的技术流程。系统并非简单地逐帧“描述画面”，而是先从连续视频中筛选具有分析价值的候选片段，再结合前后文信息形成相对完整的复盘证据。

　　这意味着研发目标已经从“识别一张图片”进一步转向“理解一段比赛过程”。团队在研发过程中进行了大量真实比赛帧测试，并不断对识别结果进行人工复核和修正。面对错误识别、信息缺失以及相似画面带来的干扰，研发人员需要重新检查数据、调整规则，再进行下一轮验证。

　　这一过程并不华丽，甚至显得有些重复。但在团队看来，这恰恰是人工智能产品真正落地前不可绕开的环节。

　　“我们越来越明确，AI不能只给一个看起来很聪明的答案。”团队队长赵益良表示，“复盘场景更重要的是让结论能够回到具体比赛画面，让教练知道这个判断为什么出现。”

　　基于这一思路，“战策矩阵”在系统中保留人工复核入口，让AI负责处理大量重复性的信息筛选工作，同时将最终专业判断交还给使用者。

　　在人工智能迅速发展的今天，大模型已经能够生成越来越流畅的文字。而这支大学生团队选择解决的，却是更加具体的问题：怎样让AI不仅会“说”，还能够真正看懂一场比赛。