2026年美加墨世界杯開賽不到兩周，“四星德國”被巴拉圭隊點球大戰淘汰，稍后，“無冕之王”荷蘭也被摩洛哥送走。

兩大奪冠熱門前后腳卷鋪蓋，很多國產大模型廠商也是被啪啪打臉。

在一個月之前，一波“AI預測世界杯”的投放鋪天蓋地，某頭部大模型放話“德國奪冠”，還搬出300個Agent分頭研判的排場，順帶搭了個600億token抽獎池，非常自信。

還有一些大模型高調預測荷蘭隊奪冠，軟文寫得天花亂墜，結果連平局都沒蒙到一個。

說好的人工智能專業研判，甚至還能幫著填志愿，為什么遇到真實的預測就成了樂子呢？

01 AI猜不透世界杯

荷蘭vs摩洛哥的比賽中，有12個AI模型都押荷蘭勝，兩家給2-0，十家給2-1。

結果實戰是1-1進加時，點球摩洛哥4-3淘汰荷蘭。

另一場，德國被巴拉圭送走，現在搞賽后復盤會議的可能不是德國隊，而是拍胸脯“預測德國奪冠”的Kimi。

其實，所謂的AI預測世界杯，都是用一個相似的配方：

輸入球員的身價、FIFA排名、最近表現、歷史交鋒、名帥光環等，然后去做評估。

比如用AI掃一遍荷蘭小組賽，過程很可能是：

3場10球，范戴克坐鎮，加克波+鄧弗里斯兩翼齊飛，身價7.2億歐，FIFA排名前列輸出結論：穩贏。

但大模型和專業球迷、分析師相比，看不到荷蘭隊延續了三十年的老毛病：領先之后不會踢。

小組賽對日本2-2、對瑞典5-1、對突尼斯3-1，場場丟球。淘汰賽打摩洛哥，加克波第72分鐘破門后，全隊像斷了弦一樣，邊路頻繁漏空當，補時第1分鐘迪奧普頭球絕平。

這個毛病，大數據無法搜集，因為它是隱性的戰術文化，是教練性格、球員習慣、大賽心理的混合物。

賽事之前，西方也有個“德國數學家”，說自己用經濟模型算世界杯，國家GDP、人口、平均氣溫、FIFA排名、是否東道主的資料都喂了進去，然后得出結論：

荷蘭奪冠。

可身價≠戰力，排名≠狀態，紙面≠球場。

大模型本質是對互聯網語料的統計擬合，可互聯網語料本身就是“身價+排名+FIFA”這套顯性指標堆出來的，于是模型陷入了用偏見預測偏見的死循環。

盡管訓練語料里有每個球員的身體素質，卻提煉不出“這哥們下半場會縮成王八”的高階判斷。

此外，大模型的預測原理是把非線性復雜系統，線性化、模式化、簡單化。而足球的勝負是一種混沌概率，天氣、傷病、輿情、裁判、陣容，這些邊緣數據要大于任何模型的承載力。

用大模型預測世界杯，就像帶著一把卷尺去測海岸線，卷尺越細，海岸線越長，永遠測不完。

02 一場精心包裝的預測營銷

當然，預測不準誰奪冠本質不是因為AI太笨，而是AI廠商太精。

世界杯期間，任何帶“預測”兩個字的內容都有點擊。

大模型廠商如果押對了，就會順勢祭出一波通稿，宣稱“AI戰勝人類專家”，顯得自己比別的模型更聰明。

押錯了，沉沒成本不過是幾篇稿子幾條投放，下一屆換殼再來。

所以，這是一門期望值為正的買賣：贏了的宣傳收益遠遠大于輸了的名譽成本。

隨著信息透明度的提升，很多人知道，當年章魚保羅封神，是因為背后的主人挑彩球，嗅球小狗Jack則是主人抹了肉醬。

豆包、DeepSeek、Kimi、訊飛、智譜……今天大模型廠商玩的是一個升級版，把隨機預測包裝成“科學”、“Agent集群協同”等高大上名詞。

但從本質上講，這和寺廟門口算命老頭說“你今年犯太歲”沒區別，只不過算命老頭用羅盤，大模型用的是Token。

拿Kimi的打法來說，他們的活動是，德國每贏一場瓜分600億token，主隊每贏一場再瓜分1000億token。

其實預測準不準并不重要，重要的是吸引了用戶參與。很多用戶為了薅token，每天會打開Kimi看預測、聊戰術、押主隊，如此，DAU、留存、時長全上來了。

德國真奪冠了是錦上添花，德國出局了……還有后面的幾十場呢。

這個時代什么最貴？是token。

預測是皮，留存是肉，賣token才是真相！

03 為什么大模型無法真正預測？

今年主流國產大模型營銷，基本都有個世界杯敘事，但從目前的淘汰賽情況看，大部分都要破產。

不預測，市場會覺得“連個球都算不明白”；錯了，反正一起錯，法不責眾。

某種程度上，這也說明了當下大模型的競爭內卷：產業同質化、營銷同質化、預測同質化。

但從數學原理的內核來說，大模型是天然不適合預測世界杯的。

首先，大模型的訓練語料，基本都是互聯網文本+媒體報道+專家預測+賽事紙面數據。

所以模型prior（先驗）就是“強隊勝”，其輸出必然隨大流。多家AI齊刷刷押荷蘭，就是這個機制。

其次，主流的語義大模型原理是統計擬合，而不是因果建模。

比如從荷蘭身價7.2億的這個數據推導出荷蘭贏，這叫相關性，但不是因果性。

真正決定比賽的還是球員的現場發揮，教練臨時換人的即興布局，這些因果鏈上有大量的不可觀測變量。

但這也并不是說大模型一無是處。

得說句公道話，大模型在世界杯場景不是完全沒用。

48隊104場，對于一些專業分析師來說，人腦很難記住所有傷停、輪換、天氣、賠率變動，大模型做一個賽前briefing助手還是稱職的。

在復盤數據生成上，也可以自動輸出戰術摘要、數據卡片，方便體育編輯部。

其實足球等體育賽事，要是真能被大模型算明白，就不好看了。

AI能告訴你一支球隊的身價總和、FIFA 排名、近期勝率，但它不能告訴你的東西，才是世界足球史上被反復咀嚼的瞬間：

比如1998年決賽前的羅納爾多，決賽當晚突然干嘔、抽搐、神志恍惚，導致巴西0-3 輸給法國。

再比如2006年齊達內的那一下頭槌，那是神來之筆，沒有人可以提前預測。

再比如2022 年阿根廷對法國的決賽，老將梅西渴望冠軍的眼神，要勝過更年輕的姆巴佩。

這些沒有數據，但它們卻決定了比賽。

這就是足球的魅力！