AI 預測西班牙奪冠，還把四強全押中，跟著它真能躺贏？

世界杯決賽 第 106 分鐘， 費蘭·托雷斯在左腳破門，西班牙 1 比 0 力克阿根廷，時隔 16 年捧起大力神杯，梅西也完成了世界杯的最后一舞。

球迷狂歡之外，賽前的一組預測數字也被重新翻了出來：體育數據公司 Opta 曾用超級計算機模擬賽事，給西班牙約六成的捧杯概率，阿根廷約四成。

可這有啥好吹的，決賽就兩支球隊，光蒙也有一半的準頭。

真正讓 Opta「封神」的，是有網友扒出來，早在世界杯開賽前，它就把西班牙列成奪冠頭號熱門，而且它當時給出的奪冠概率前四，正好是最后殺進半決賽的那四支球隊，一個不差。

我在想，如果把這玩意用到博彩上，豈不是直接走上人生巔峰，于是 APPSO 接著扒了扒 Opta預測背后的2.5 萬次模擬，看看 AI 預測真的能不靠運氣嗎？

本文只復盤預測方法與公開數據，不提供投注建議。

Opta 從頭到尾改了多少次答案?

Opta 是 Stats Perform 旗下的體育數據品牌，從 1996 年開始記錄足球比賽。Stats Perform 總部在倫敦，主營比賽數據采集與分析，并向轉播機構、媒體、球隊和博彩平臺提供統計和預測產品。

西班牙最終奪冠，Opta 也在決賽前把它列為更可能捧杯的一方。但那張「59.5% 對 40.5%」的圖，只保留了最后一個節點。

同一篇決賽前瞻里，Opta 還預測了雙方在90 分鐘常規時間內的比賽結果。它給出的最高概率選項是西班牙獲勝，但實際比賽踢到 90 分鐘時，比分仍是 0 比 0。

我自己當時也按照這個結果，買了「西班牙常規時間獲勝」，最后自然沒有命中。西班牙雖然最終在加時賽奪冠，但對這筆投注來說，「猜中冠軍」和「押中 90 分鐘賽果」完全是兩回事。

Opta 給出的 90 分鐘賽果概率為西班牙勝 45%、平局 29%、阿根廷勝 26%。這與包含加時、點球的最終奪冠率不是同一口徑。圖源：Opta Analyst。

開賽前，Opta 模擬了 2.5 萬屆世界杯。西班牙以 16.1% 的奪冠率排名第一，后面依次是法國（13.0%）、英格蘭（11.2%）和阿根廷（10.4%）。一個多月后，真正站進半決賽的，正好也是這四支球隊。

Opta 當時發布的是奪冠概率榜，并沒有直接圈定四強名單。但榜單前四與實際四強恰好完整重合，這比「只押中西班牙」多了一層看點。

此后，西班牙的奪冠概率并非一路上漲：小組賽踢完降到 13.5%；32 強賽結束，又降到 13.0%；16 強賽結束回升到 21.3%；八強賽結束后為 23.4%。直到西班牙淘汰法國、進入決賽，奪冠率才跳到 59.5%。

把圖里的六個數字連起來看，很容易產生一種錯覺：Opta 好像隨著比賽推進，越來越「看懂」了西班牙。

但它并不是在對同一道題反復作答。每踢完一輪，模型面前的局面都變了：這隊剛剛踢得怎么樣、下一場碰誰、晉級路線順不順，全都會喂進下一次計算。

到半決賽結束，變化就更明顯了。西班牙淘汰法國，阿根廷也過了關，冠軍候選從四支縮到兩支。這時候西班牙的奪冠率從 23.4% 蹦到 59.5%，不是模型突然開了天眼，而是它已經跨過半決賽，離冠軍只剩最后一場。

換句話說，曲線往上爬的每一格，背后都是一場已經踢完、不用再猜的比賽，不確定性也被逐步消除。到決賽前只剩兩支球隊，59.5% 與其說是預測，不如說是算術。

至于「模擬 2.5 萬次」，它解決的是另一個問題：讓計算結果更加穩定。相同條件下多模擬幾次，可以減少隨機波動，但不能保證模型一開始估計的概率就是對的。

這就像一臺沒校準的體重秤，稱一次顯示 65 公斤，稱一百次還是 65，穩得讓你都想信了。可你實際可能是 75 公斤，一開始的數字就摻雜了誤差。

更何況，Opta 并沒公開足夠完整的代碼、輸入和參數，外人沒法把整套預測重跑一遍。西班牙這次奪冠，只能說明這一屆的冠軍方向押中了，沒法只憑一個結果，就證明整套模型長期靠譜。

都是 AI 預測世界杯，做的卻不是一套題

這屆世界杯出現了至少四種「AI 預測」。把它們混在一起比較，準確率很容易越算越糊涂。

聯想與咪咕至少留下了連續百場記錄，比隨手問一句「誰奪冠」扎實。AI vs the World Cup 再往前一步：統一資料與提示詞、鎖定版本，還要求模型給出概率；它另將賽前整套預測做成數字指紋留檔。Opta 則根本不是聊天機器人，它是一條體育數據和概率的模擬pipeline。

從目前公開的連續記錄來看，大模型預測足球比賽，整體命中率大多在六成多。

聯想和咪咕統計了世界杯前 100 場比賽。12 款模型每場都要判斷主勝、平局還是客勝，攢下 1200 次預測，整體命中率 65.7%。同場活動里的普通用戶呢，58.9%。

所以十二款模型加一塊兒比來比去，也就比普通人多對了不到 7 個百分點。

另一個項目AI vs the World Cup，則讓 5 款模型使用同一份資料和同一套提問方式，持續預測整屆世界杯。最終，各模型猜對比賽走向的比例約為68.0%—70.2%。小組賽階段，它們判斷的是 90 分鐘內誰勝、誰平、誰負；進入淘汰賽后，問題變成了哪支球隊能夠晉級。

不過，這兩組數字不能直接拿來排高低。

它們測試的不是同一批模型，使用的資料、提問方式和更新時間不同，連「猜對」的定義也不完全一樣。聯想與咪咕主要統計勝平負，AI vs the World Cup 到淘汰賽階段統計的則是晉級結果。因此，68% 不一定就比 65.7% 更強。

這些項目真正有價值的地方，是把每一場預測都提前記錄下來，而不是比賽結束后只挑猜中的結果展示。至于大模型究竟比普通競猜強多少，還需要在相同題目、相同信息和相同評分規則下，與簡單預測方法以及賽前賠率進行比較。

而 Opta 做的事情又不太一樣。

大模型往往是讀完資料后，直接給出「誰會贏」的判斷；Opta 則先建立一套專門的足球數據系統，再根據這些數據計算不同結果發生的概率。

它的數據來自長期、標準化的比賽記錄。每場比賽都會有專業人員按照同一套規則，記錄射門、傳球、犯規等 60 多類場上事件。比賽進行時，還有其他工作人員同步檢查；比賽結束后，數據還會再復核一遍，盡量減少漏記和錯記。

說白了，Opta 的概率不是靠幾篇賽前新聞「猜」出來的，背后依賴的是大量、長期、反復核對過的比賽數據。

下面這段 3D 重建來自 X 用戶 Alexander Bogachev。他稱每一次傳球、射門和進球都根據 Opta 比賽事件數據還原。它不是 Opta 官方視頻，但把一串結構化事件數據重新拼成了一場能看的比賽。

AI 最容易栽在平局上

聯想與咪咕的百場數據里，AI 對 76 場分出勝負的比賽，方向命中率達到 81.0%；遇到 24 場平局，命中率只剩 17.0%。15 場「12 款模型全錯」的比賽中，11 場是平局。

APPSO 也用 Fable 5 做過一次小額實驗：大模型幫我寫代碼、回測和查漏洞，概率則由球隊實力評分（Elo）、進球分布和市場賠率來算。按本地記錄拆分，23 筆投注凈利 741.5 元，但樣本太小，中途還有臨時加注。回看 72 場小組賽，模型第一選擇命中 44 場，卻一次都沒把平局列為最可能結果；

猜對六成，照樣可能虧錢。假設每一筆賠率都是 1.60，命中率為 60%，粗略期望仍是 0.6 × 1.6 - 1 = -4%。

足球是低比分項目。一張紅牌、一次折射或門將的一次判斷，足以讓最可能的結果輸給第二、第三可能。模型可以給這些小概率結果留出位置，卻沒法提前知道意外會在哪一分鐘發生。比如最后一場的冠軍預測，模型雖然猜對了西班牙勝利，卻沒料到90分鐘內0:0平局，而加時賽是不計入勝平負投注結果的。

實際上，Opta 這套預測技術早就不只是用來做「誰會奪冠」的營銷了，博彩公司也一直在用。

Stats Perform 是一家專門收集和提供體育比賽數據的公司。FIFA 授權它把世界杯的官方比賽數據提供給合法博彩公司。博彩公司拿到這些數據后，會用來計算賠率、比賽過程中實時調整賠率，并在賽后確認投注結果。

另外，像 Sportradar 這樣的體育數據公司也提到，機器學習會幫助博彩公司定賠率、根據投注情況調整賠率，以及發現異常投注、控制可能的損失。

這些合作說明，AI 和數據模型已經進入博彩公司的生產系統，用于提速、批量處理和輔助定價，是真的能「搞錢」。

但作為普通人要注意，你拿到同一批公開信息，也不等于能長期贏過市場；博彩公司在用模型，賠率里還留著它們的利潤，他們早就把意外提前算進概率里。

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標題「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關鏈接）