控球评分是一种全新的方式，用于量化运球艺术，衡量球员通过运球在场上移动并突破防守的效率。

控球评分告诉我们谁的控球真正达到精英级别，为传统上主要依赖主观判断的技能提供了可量化的衡量方法。

历史上，评估控球能力纯粹是“肉眼观察”的事情。球迷和分析师们几十年来一直在争论谁是最好的控球手，但从未有过客观的衡量方法。一个让防守者僵住的胯下交叉运球和一个没有得分的普通运球，都只被记录为“运球”。现在，借助AWS人工智能和机器学习的力量，随着新官方NBA统计数据的引入，肉眼观察变得更加智能：控球评分。

控球评分是NBA首个旨在量化球员在任何给定回合中运球有效性和观赏性的分析类别。利用位置追踪数据，并由先进的机器学习模型驱动，控球评分捕捉运球的完整画面，从运球动作的复杂性到创造的防守者分离度，并将其提炼成一个单一分数，涵盖该次运球的有效性。

NBA的光学追踪合作伙伴索尼鹰眼创新公司使用3D姿态检测，每秒60次追踪每名球员身体上的29个点以及球。这些详细的身体位置坐标，连同场上周围九名球员的空间背景，为机器学习模型提供信息，捕捉运球序列中的空间关系。

控球评分背后的关键创新是借鉴了大型语言模型领域的一种技术：人类偏好对齐。团队没有通过一套规则告诉模型什么是好的控球，而是反复问一个基本问题：“哪个控球更好，A还是B？”

篮球专家们并排观看了数千个控球片段，选择他们认为更好地展示控球的片段。在2023-24至2025-26 NBA赛季的1000多个回合中，收集了超过10000次这样的A/B比较，并以NBA自己的Top 50控球集锦视频为锚点。模型直接从这些人类判断中学习，训练自己像知识渊博的球迷一样预测和评分控球。

控球评分结合了两种互补的方法，从不同角度评估控球。

第一种方法分析控球者的完整运动模式，消耗每秒60帧的追踪数据，以理解整个序列中控球的流动、节奏和创造力。它捕捉那些难以用语言表达但一看便知的东西。

第二种方法将控球分解为其组成部分：运球次数、背后运球、转身动作以及创造的防守者分离度。这为模型提供了对回合中发生情况的具體、可计数的视角。

通过结合这两种视角，控球评分捕捉了运球的艺术和科学。一个流畅、富有创意、让防守者望尘莫及的序列将获得高分。分数反映了模型认为某次控球比其他控球更受偏好的程度。真正出色的控球得分接近95或以上。

控球评分捕捉了以前从未可衡量的东西：控球的质量和艺术性。它超越了计算运球次数或追踪结果。它回答了球迷们一直争论但从未有数据的问题：谁的控球实际上是最好的？

控球评分旨在引发讨论，让球迷接触精英控球的世界，并为比赛中一直受到欣赏但从未被量化的一部分带来新的视角。

控球评分是NBA借助AWS人工智能力量实时带给球迷的下一代统计数据和见解的一部分。