人工智能在职业自行车领域的应用持续升温。Canyon-SRAM车队近日宣布，与美国公司FasCat Coaching合作，利用人工智能分析车手的训练和表现历史，旨在找出有助于解释其最佳成绩的模式，并用这些信息优化2027赛季的备战。

为此，他们将使用CoachCat平台。该平台能够处理车手职业生涯中积累的大量数据，包括五个赛季甚至更长时间的历史数据。

此次合作的主要新意并不在于收集信息，收集信息的应用这在职业车队中已很常见，而此次在于将信息集中分析，找出可能被忽视的关联。该系统会研究哪些训练周期带来了最大提升、车手表现何时陷入停滞，以及哪些类型的备战出现在最佳成绩之前。它还会将训练负荷数据与高温暴露、海拔、睡眠、心率变异性（HRV）等因素进行交叉比对。

基于这些信息，CoachCat会尝试找出对每位车手最有效的策略，并为其未来规划提出调整建议。FasCat将其技术运作概括为三个步骤：分析、预测、制定方案。

尽管双方现在才公布合作协议，但在2026年环法女子赛之前，双方已经有过合作。在那次合作中，FasCat分析了Canyon-SRAM车手的历史数据，对关键赛段进行功率预测，包括冯杜山和埃兹山口的爬坡。据该公司称，比赛期间获得的数据帮助他们验证了这些预测并优化了模型；该模型现在将用于发现下赛季的提升机会。

FasCat Coaching创始人兼首席执行官弗兰克·奥弗顿认为，车队仍未充分利用其收集信息的全部潜力：“世界巡回赛车队拥有大量尚未挖掘的数据，这些数据本可以准确告诉他们，一名车手为什么赢或为什么输，以及应该改变什么。CoachCat能在几分钟内找到答案，而不是几个月。”

Canyon-SRAM的这项合作，正值越来越多职业车队希望将人工智能整合进表现部门之际。最引人注目的例子之一是英力士车队与Netcompany合作引入PULSE平台。该技术旨在集中管理训练、比赛和恢复信息，并便利决策。

尽管两项举措都希望更好地利用数据，但路径有所不同。PULSE应用范围更广，包括车队管理和比赛中的决策；CoachCat则专注于历史表现分析和个人训练规划。无论如何，思路是相似的：在这项胜负差距日益微小的运动中，利用技术寻找微小的竞争优势。

Canyon-SRAM尚未公布有多少车手将参与该项目，也未说明与FasCat的合作是否会延续到2027年。目前确认的协议仅限2026年最后几个月，目标是备战即将到来的赛季。

责任编辑：Ting