差距巨大。

而且越来越大。。。。

ERP：SAP

CAD CAE Ansys，CFD Fluent

微观仿真差距更大：

Matlab Mathematics 有哪个包是的？

齿轮计算软件: Romax Designer

动力学分析软件： SimPack

数值计算基础：Numpy TensorFlow, PyTorch, 哪个是的？

软件IDE： Eclipse

怎么比喻呢，就好比你和乔丹PK篮球，和梅西PK足球。

目前来说，最给力的看电影软件非迅雷莫属，不仅资源强大，而且还有很多版本，比如好莱坞的电影有HD高清，还有中英双字，还有配音版的，甚至有3D版本的。只要你网络好，或者开个白金会员，那么下载速度那是杠杠的。

抛砖引玉。

由于工作量和工作时长要求太大，足球游戏中的球员数据大部分都是公式生成，即将一些基础的技术统计（球场奔跑距离、有效奔跑距离、不同强度的奔跑次数、射门精准率等等）带入不同的公式当中得出具体的数据。

但形成公式的原始数据是怎么来的呢？答案是现场采集。

数据收集团队会在球场内设置两台（或者多台）高清摄像机，各摄视角覆盖半场，安装在距离球场至少3米开外、10米以上的单侧看台上，用三脚架等设备保持摄像机的持续稳定。

在样本数据收集完毕之后，它们会被发送到游戏的研发中心，中心会分多个步骤来处理数据。例如先根据球员的不同分析筛选出相应位置最重要的数据（例如前锋看重射门精确度、门将看重扑救成功率、后卫看重解围和拦截数据）——然后再交给分析师进行逐一分析——是的，数据统计工作在视频录制过程中，就可以通过AI来自动完成了，人工只用在分析的环节上。

在得出基本数据之后，一部分研发团队会选择通过2D建模的（有些类似于低碳版足球经理）来对信息的准确性、合理性和可玩性进行验证。

值得一提的是，这种数据收集也已经广泛为使用到足球训练当中。尤其是在球探报告、训练报告等形式，许多第三方数据公司正在推动这种数据收集技术的普及和最终落地。

例如现在主帅在考察一名球员的竞技状态时，已经可以将场上表达的评价区间精确到“5分钟”之内。在这种报告的帮助下，教练团队可以清晰认识到：

·在比赛的特定时间里，球队的平均跑动距离；

·在比赛的特定时间里，某一位球员的跑动距离；

·从身体角度出发，球队和每位球员开始以及结束的成功概率；

·当丢球的时候，哪位球员不及时或者必要跑动不够多。

在这个基础上，还可以追踪比赛里的这项数据：

·在某段时间里，球队的体能开始下降

·在比赛中，球员们对教练要求的贯彻程度。

与此同时，比赛期间一些非比赛因素的跑动，比如替补下场，接受治疗或者其他情况，也会纳入数据统计的考量当中。

以上