SHEN MOU

作者：郑施婧

原创：深眸财经（chutou0325）

伴随着阿根廷队和瑞士队淘汰各自对手，美加墨世界杯的八强全部出炉。而在精彩纷呈的足球赛事之外，绿茵场上意外多了一群特殊的 " 观众 " ——大模型公司。它们扎堆入局，硬生生把全球的 " 足球赛场 " 变成了自家的 " 技术秀场 "。

从 VAR 判罚到战术分析，AI 的脚步走过赛场每个角落。而其中最吸睛、也最富争议的，当属赛果预测。

（图源：球迷屋）

毕竟，AI 能从海量数据中学习规律，那么基于足够多的足球数据和信息来预测胜负，似乎是一件手到擒来的事。于是，Kimi、通义千问、联想、腾讯混元纷纷大显身手，试图争夺本次世界杯 " 神算手 " 的称号。

可 AI 厂商们想象中的 " 封神 " 时刻，却并没有如期到来。

01

稳赚不赔的技术秀

世界杯是 AI 大模型最残酷的考场。22 个人、11 种战术、天气、场地、伤病、心态 ...... 变量从不同维度涌入，互相缠绕、互相干扰。这比处理标准化文档难，文档有格式，足球没有；比做信息检索狠，检索有答案，足球没有。

那问题来了，面对如此大的风险，AI 厂商为何仍执意入局？

归根结底，AI厂商们是想借着世界杯这一坐拥全球顶级流量的场合，来获取资本信任、抢占用户心智。但撬动的支点，不是营销，而是技术本身。

以腾讯混元为例。它命中 29 支晋级球队的战绩被媒体广泛传播，但资本和行业客户看的可不是 " 命中 29"，而是它背后的技术本色。混元采用了 MoE 混合专家架构，在 7T 训练 token 中嵌入了近 21.4% 的合成数据。这意味着模型并非死记硬背，而是通过合成数据模拟了无数次 " 虚拟赛事 " 做逻辑推演，学会了 " 举一反三 "。同时，其 256K 的超长上下文窗口，能一次性消化海量赛事报告。因此，当它预测世界杯时，展示的不仅是比分，更是对 " 变量可控场景 " 的强大建模能力。

（图源：腾讯元宝）

除此之外，这还是一场成本极低的技术 " 高考 "。训练 300 个子 Agent 跑一轮预测的电费，可能抵不上央视一条 15 秒广告，但获得了全网对 "AI 预测准确率 " 的讨论量，这个广告位，平时根本买不到。

并且借着世界杯这个 " 考场 "，AI 厂商还可以用足球这个充满不确定性的 " 磨刀石 "，把自家的技术打磨得更锋利。

通义千问在动态更新的赛事数据流中，反复测试了对实时信息的接入能力和响应速度，这背后是对推理延迟和并发处理能力的极致压榨；联想的天禧 AI 更是将多模态融合技术直接搬进了现场，用 3D 数字人可视化与裁判视角 AI 视频，验证系统在复杂场景下的实时渲染与决策辅助能力。

而这还只是明线。暗线里，还有一层心理博弈。预测对了，是 " 我们家产品优秀 "。预测错了？这正好说明 " 足球的魅力，人类的胜利 "。更何况，" 准不准 " 从来不是人们使用 AI 的第一诱因。"AI 有没有用、方不方便用 " 才是。

如此看来，这场秀的本质是用极低成本撬动高价值，四两拨千斤。" 秀 " 不是博眼球，而是一块技术试金石。

02

三重 " 诅咒 "

回顾近期赛事，巴西对阵挪威这场赛事在预热阶段就引发了不少关注。一个是传统豪强，另一个时隔 28 年才闯进 16 强，实力悬殊。不仅巴西球迷提前庆祝，市面上 12 家 AI 也齐刷刷押注巴西，个个信心满满。

结果呢？终场哨响，比分定格在 1：2。

（图源：中央广播电视总台）

12 家 AI 全军覆没。

这是偶发的吗？并不是。乌拉圭对阵佛得角，12 个 AI 均预测乌拉圭胜，结果 2:2 战平；Kimi 把冠军票投给德国队，却输给了巴拉圭。AI 赛果预测频频翻车的背后，是三道无法绕开的 " 诅咒 "。

第一重 " 诅咒 " 源于 AI 对数据的依赖。赛场上，可量化的数据和不可量化的数据在维度上的差异，让 AI 从一开始就陷入了被动。

先说可量化的一半，也就是历史战绩、跑动距离、传球成功率等。将它们喂进去，模型跑通。表面上严丝合缝，但表象之下的隐患同样醒目。联赛数据占了整整七成，而国家队杯赛的样本屈指可数。相当于你让一个只读过《联赛百科全书》的人，去写《杯赛毕业论文》。偏科，几乎是必然的结果。

可这还不是最难的。高原反应、赛前失眠、更衣室气氛 ...... 这些变量每一件都在真实地改写比赛走向。它们不可量化，更为棘手。AI 连分析它们的 " 门 " 都没有，于是就只能假装它们不存在，或者用一句 " 球员状态一般 " 这样的模糊标签，把千变万化的人类情绪粗暴地塞进一个页脚里。

可量化的喂不饱，不可量化的吃不进。所以，AI 的每一次预测，从入口处就已经带上了系统性偏见。它不是 " 算错了 "，是 " 看问题的角度天生就歪 "。

第二重 " 诅咒 " 是共识的幻觉。12 家 AI 集体押注巴西，结果的高度统一，恰恰暴露了 AI 产品同质化的本质。

它们输入同一套 Opta 数据源，跑类似的蒙特卡洛模拟，连底层架构都基于 Transformer。所谓的 " 独立思考 "，从一开始就不存在。这就像深圳华强北的 AI 玩具，商家用豆包等通用大模型，配上东莞玩具厂的公版外壳，贴上芯片模组就上架了，功能千篇一律，导致退货率一度冲到 40%。

当 AI 的 " 独立思考 " 只是在共用同一个大脑时，再多的大模型不过是套上了不同的马甲。同时，集体也可能因为没有异见者，而丧失 " 纠偏 "、" 纠错 " 和 " 更新 " 的能力。更微妙的是，这种趋同会给人带来虚假的安全感：" 所有 AI 都说巴西赢，那稳了啊。"

AI 们不会吵架，它们只会互相点头确认偏见，然后默契地一错到底。

第三重 " 诅咒 " 是最为隐秘、也最致命—— " 薛定谔的猫 "。被观测，就坍缩。当 Kimi 把 224 页预测报告公之于众，当通义高调宣布 " 巴西夺冠 "，" 公开 " 本身就开始改变它试图预测的那个未来。

巴西球员看到了，心理负担加一层；对手教练看到了，战术针对性加一级；球迷情绪煽动了，舆论累积。一旦说出口，世界就会围着这句话重新博弈。球员可能因 " 被看好 " 而轻敌，也可能因 " 不被看好 " 而爆发。AI 算得出射门转化率，但算不出一个人在被全世界否定时能爆发出多大的能量。

这就导致一个悖论：AI 越强大、预测越公开，准确性反而可能越低。它不是在预测未来，而是在预测一个被自己预言所改变的新未来。

03

" 真金 " 浮出水面

比赛过半，32 强出炉。各家 AI 纷纷交出了自己的第一份成绩单。腾讯混元命中 29 支晋级球队位列榜首；MiniMax 命中 28 支；DeepSeek 和智谱命中 27 支。AI 阵营整体命中率 61.9%，比人类专家高出 7.3 个百分点。

但排名只是表象，真正值得追问的是成绩背后，各家 AI 分别秀出了什么技术底牌？

DeepSeek 在预测中的成绩不算惊艳，但它的算力成本仅为同类模型的 1/10。将这套 " 低成本推理 " 能力迁移到汽车碰撞测试、材料疲劳分析等标准化参数环境中，能将单次仿真从数小时压缩到分钟级，也能帮助工程师快速筛选方案方向。目前已有二十家车企将其作为 " 第一道过滤器 "。

而在医疗场景中。腾讯混元支撑的 " 小觅 AI 助手 " 能在 23 秒内自动检索患者历史影像，分析病变趋势，一键生成报告初稿。目前已服务近万家医疗机构，病历小结准确性达 87%。

（图源：腾讯云官网）

不过，相较于世界杯，医疗场景的容错率更低。AI 光算得准远远不够，因为医生需要知道 " 为什么 "，患者需要知道 " 责任归谁 "。所以，或许用 AI 做预筛和初稿，医生做复核和最终定论。这种 "AI 穷尽可能、人类最终拍板 " 的协作模式，才是低容错场景里最务实的路径。

如果说医疗场景考验的是 AI 的 " 可解释性 "，那 Kimi 在世界杯上展示的，则是拆解能力。它把 " 比赛结果 " 这一复杂问题拆解为战术、伤病、赔率等多维度，交给不同 Agent 并行计算。在产业里，它同样可以一个 Agent 读财报，一个爬舆情，一个分析行业周期。各管一摊，各有视角。当 " 财报 Agent" 说 " 这家公司现金流稳健 "，当 " 舆情 Agent" 发现 " 高管密集减持 "，多个 Agent 各自亮出判断，交叉验证。最终把 " 未知的混沌 " 变成 " 有概率的清单 "，把决策范围从大海捞针压缩到十选一。

（图源：KIMI）

同一个考场，不同的答卷。有的强在 MoE 架构的效率，有的强在多 Agent 协同的复杂度，有的强在多模态融合的广度。世界杯这场 " 技术高考 " 没有输家，每一份答卷都在告诉行业：我的能力边界在哪，我的技术能去哪。

总而言之，或许我们不该把 AI 预测看作 " 神谕 "，它更像一台 " 超级计算器 "。它的价值不在于告诉你 " 答案是哪个 "，而在于穷尽可能性，把混沌转化为概率，成为人类做选择时最值得参考的 " 军师 "。

但它仍然回答不了创始人在绝境中能否扛住、更衣室里那口气是散还是聚、它也甩不掉那只注定终身相随的 " 猫 "。最终拍板的那一步，或许永远要留给人类自己。

* 图片来源于网络，侵权请联系删除