央視體育攜手阿裡雲 Flink 打造大型賽事實時AI解說Agent

　　/朝聞通/體育解說員都是目不轉睛加争分奪秒的狀态。因為水裡翻個身，幾秒鐘;靶場打一槍，幾秒鐘。就在這幾秒裡，領先的人可能換位，獎牌可能易主。解說員的嘴，得比這更快。比賽完了還有硬仗：高光剪輯，剪完才能發，慢一步，熱度就過去了。

　　2026 年名古屋大型賽事，央視體育和阿裡雲「把 AI 放在了解說席」而撐起AI解說的，是阿裡雲實時計算 Flink 和千問大模型。

　　一、這條流水線是怎麼搭起來的

　　直播畫面、官方賽事數據、賽程信息，持續流動計算。成績有效變化，才更新狀态、觸發任務。Qwen3.8-Max 和 Qwen3.8-Flash 負責理解和寫稿，qwen-audio-3.0-tts-plus 配上聲音，Flink 把這些環節串成一條流水線。

　　這條流水線的核心要求是：成績準确+進程不停

　　第一步，對齊畫面和數據。哪幅畫面是哪場比賽?這個成績是哪位選手、哪一輪打的?Flink 的事件時間組織能力把媒體時間和賽事時間對上。

　　第二步，把比賽記住。選手打了多少槍，排第幾，和第一名差多少——這些都放在 Flink 的狀态裡，新事件一來就更新。平均值、分差這種數字，程序算好，千問負責表達。

　　第三步，決定此刻說什麼。關鍵成績先報，比賽間隙就聊聊規則、講講選手。稿子寫完還不能直接播，先過事實校驗，再審，再配音。同一份事實，能出三種味道的版本。

　　第四步，出錯能救回來。直播動辄幾小時，誰能保證不出意外?Flink 的檢查點機制定期給狀态拍快照，作業重啟，接上之前的比賽進度接着跑。播過的解說、傳過的高光，都有記錄。

　　二、直播實時解說，它怎麼做的

　　• 快。AI 解說跟 CCTV5 的直播基本同步，觀衆感覺不出延遲。客戶端裡三種聲音随便換：低音沉穩的、高能爆發的、清亮溫和的，同一場比賽，三種聽法。

　　• 準。射擊比賽，選手、槍次、單槍成績、累計成績，四個對上才開口，對不上就閉嘴。不重複報分，也不把階段性排名說成最終結果——觀衆聽岔了，是要投訴的。

　　• 記。前十槍打完，它能看出最近五槍比之前五槍打得好，結合排名和分差，講選手是怎麼追上來的。比分咬得緊的時候，它還會提醒：按賽制，再丢分就要被淘汰了。

　　• 找節奏。賽前講講輪次安排，擊發間隙聊聊呼吸控制。獎牌一産生，立刻切到關鍵賽況。頭一回看射擊的觀衆，也能跟上。

　　• 講故事。某男子 50 米仰泳決賽，出場時介紹他的道次、預賽成績、曆史戰績;比賽中跟着名次走;賽後串起來做回顧。檢索來的資料，加上當場表現，一場比賽講成了一個人的一天。

　　• 剪高光。反超、奪冠，事件一确認，剪輯就啟動：定邊界、拼接、選封面、起标題、上傳，一分鐘内全部完成。等編輯來審的時候，片子已經在庫裡了。以前的"賽後加工"，變成了"賽中即産"。

　　三、實時高光，把賽場和編輯部連在一起

　　大型賽事，項目幾十個，解說員就那幾位，隻能保重點場次。AI 進來之後，央視體育能解說的比賽，從重點場次鋪開到海量賽事。觀衆的觀賽選擇多了，編輯的分工也變了：AI 産出，人把關。

　　這件事的難處，都壓在實時計算身上。模型出結果是快是慢，說不準，直播卻一秒不能等——流式組織，讓等待可控。比賽上下文要攢幾個小時，中間斷了要能接上，狀态管理和檢查點;成績錯一個就是播出事故，多源确認、輸出前校驗。

　　這次實踐驗證了：大模型負責理解和表達，Flink 負責組織實時數據、維護上下文、出了問題兜底。AI 從此不是聊天工具，是能持續幹活的生産者。

　　結語

　　這套打法，不止體育能用。換個數據源，就換個行業。盯訂單、盯行情、盯産線工況——凡是數據一直在流、反應要快要準的業務，都是同一道題。事件确認自動出片，直播切片、質檢留證用得上;一份事實三種聲音，做多人群内容可以抄作業。以後實時 AI 解說還會覆蓋更多項目、更多語種。

　　本文是「阿裡雲 agent-native 數據實戰錄」第三期。前兩期，穹徹智能落地了數據管線實踐，古茗落地了 AIDBS 萬店運維實踐。下一場實戰，也許就在你的行業。