据 OpenAI 于 2025 年 5 月 7 日发布的案例文章，NBA 球队圣安东尼奥马刺正在使用 自定义 GPT，将生成式 AI 引入球场内外的多个工作场景。来源显示，相关应用重点围绕三类目标展开：增强球迷互动、简化内部运营，并推动不同团队之间的创新协作。对于关注 API 接入、模型调用和企业级 AI 落地的开发者来说，这一案例的意义不只在于“体育球队使用 ChatGPT”，更在于它展示了大型组织如何把通用大模型封装成面向具体业务的工具。
从通用聊天到业务助手：马刺为何选择自定义 GPT
来源摘要提到，马刺使用的是 custom GPTs，也就是围绕特定任务、知识和流程配置的 GPT 应用形态。与普通聊天窗口不同，自定义 GPT 更适合被放进组织内部工作流：它可以面向某个部门、某类任务或某个受众群体，提供更贴近上下文的回答与辅助。
在体育组织中，业务链条并不只包含比赛本身，还包括内容传播、票务、会员服务、品牌活动、社区运营、商业合作以及后台管理等环节。来源显示，马刺希望借助这些 GPT 工具提升球迷参与度，同时让内部团队减少重复性工作。换句话说，AI 在这里并非单点“炫技”，而是作为跨部门生产力工具进入日常流程。
- 球迷互动：通过更高效的内容与沟通能力，支持围绕球迷体验的服务创新。
- 运营效率：帮助团队处理信息整理、流程支持等重复性任务，减少人工摩擦。
- 团队创新：让不同部门更容易尝试 AI 辅助方案，把想法快速转化为可用工具。
对 API 使用者的启发：价值不只在模型，而在封装与分发
从 API 和中转服务视角看，马刺案例反映出一个趋势：企业真正需要的往往不是“直接调用一个模型”，而是把模型能力稳定接入现有业务，并用权限、知识、提示词、接口和工作流进行封装。无论是通过 ChatGPT 的自定义 GPT，还是通过 API 自建应用，核心问题都变成了如何将模型能力交付给业务团队。
这对开发者提出了新的要求。首先，模型调用要足够稳定，尤其是在面向客户或大规模员工使用时，接口可用性和响应一致性会直接影响体验。其次，成本控制会越来越重要。体育、零售、教育、客服等组织一旦把 AI 放进日常流程，调用量可能从试验阶段进入持续增长阶段，因此需要关注额度、并发、限速与缓存策略。最后，接入方式必须足够简单，业务团队未必关心底层模型差异，但会关心工具是否能嵌入他们熟悉的系统。
影响与解读：行业案例正在推动“场景化 AI”普及
马刺使用自定义 GPT 的消息，说明生成式 AI 正在从科技公司和互联网产品向传统组织的细分场景扩散。体育球队是一个典型的复合型组织：既有面向公众的品牌与内容需求，也有大量内部运营和协同需求。因此，它对 AI 的采用具有一定代表性。
对于 API 服务商、模型中转平台和企业开发团队而言，这类案例带来的启发是：未来竞争点可能不只是模型参数和单次调用价格，而是能否把 OpenAI、Claude、Gemini 等模型能力以稳定、低门槛、可控成本的方式组合给客户。企业侧会更关注实际效果，例如是否缩短内容生产时间、是否改善用户互动、是否减少跨部门沟通成本，而不是单纯比较模型名称。
同时，自定义 GPT 也提示开发者：低代码或配置化的 AI 应用会成为组织试水的重要入口。但当需求进一步扩大，企业通常还会需要更强的 API 集成能力，包括账号体系、数据权限、日志审计、用量统计、失败重试和多模型切换等。对于正在规划 AI 项目的团队，可以先从明确场景开始，再选择使用 ChatGPT 内置能力、自定义 GPT，或通过 API 搭建更深度的业务系统。
总体来看，圣安东尼奥马刺的实践并不是简单地把聊天机器人放进球队，而是展示了生成式 AI 如何围绕球迷体验和组织运营形成可复用的工作方式。随着更多行业案例出现，“模型能力 + 场景封装 + 稳定调用”将成为企业 AI 落地的关键组合。