昨天揭幕战，墨西哥2:0赢了南非。

赛前我刚好刷到有媒体拉了五家AI大模型做赛前分析，千问给的判断是2:0。当时我截了张图，想着等踢完回来核对一下。

结果不光比分对了，红牌预判了，连节奏都说中了😂上半场进一个，下半场再补一个。实际比赛第9分钟就破门，下半场老将锦上添花，跟它写的一样。

我把千问赛前出的那份分析又翻出来看了一遍，发现它确实有点意思。

1我们平时聊球，一般聊的都是阵容、状态、历史战绩。千问当然也看了这些基本面，但它花了很大篇幅在聊一些我根本没想过的东西，比如海拔。

墨西哥城的球场在海拔2200米以上，千问认为高海拔导致空气含氧量低，球员跑动心率更高，疲劳来得更快。

对于常年在这个环境里比赛的墨西哥球员来说，这是日常。但对飞了十几个小时刚落地的南非球队，相当于一开场就背着一个隐形沙袋。

其实在赛前，AP通讯社就发过一篇专题报道，采访了运动科学专家，结论几乎是一样的：在高海拔条件下，球员的冲刺能力、高强度跑动持续性、甚至高位逼抢的频率都会明显下降。

墨西哥足球委员会主席自己都公开说过，海拔是东道主最大的武器。1970年那届在墨西哥办的时候，捷克斯洛伐克小组赛三战全败，后来被认为跟没适应高原有很大关系。五十多年过去了，这个变量一直都在，但大部分人聊球的时候不会把它当回事。

但千问不仅把它考虑进去了，还结合比赛当天的天气预报，发现有暴雨预警。湿滑场地对南非惯用的长传冲吊影响很大，等于又叠了一层debuff。这两个因素合在一起，虽然不算什么独家数据，但改变了一个关键判断：这不会是一场势均力敌的比赛。

两队的纸面差距是一回事，而当你把环境因素叠进去之后，差距瞬间被放大了。

2传统赛前分析，是在相对确定的框架里，比如A队强还是B队强，核心球员状态怎么样。但千问这次花了大量精力在处理场外变量：地理、气候、裁判风格、甚至球的飞行轨迹在不同海拔下的变化。

这让我想到，最近几年体育数据分析领域有一个一直在推进但很难落地的方向：把contextual variables（情境变量）纳入模型。学术界早就知道天气、海拔、时差这些因素对比赛结果有统计意义上的影响，但这些数据太碎、太非标了，传统的分析模型很难把它们系统化地吃进去。

一篇发在PMC上的研究就指出，目前大多数足球比赛结果的机器学习模型，在输入特征上仍然高度依赖比赛内的技术统计指标，而天气、湿度、场地、交通等客观环境指标还没有被充分纳入。

千问这次有意思的地方就在这里。它没有发明了什么新的分析框架，而是把那些一直存在、一直有用、但一直没被系统化使用的信息给串起来了。

这和它分析裁判的逻辑是一样的。千问赛前分析了主裁桑帕约的执法历史，判断这场比赛如果动作大，出牌会很果断。结果全场三张红牌，南非两张墨西哥一张，直接创了揭幕战历史纪录。

3更让我意想不到的是，今天上午10点的第二场比赛，千问竟然“二连准”，精准预测最终2:1的比分。真的是离谱的“封神”时刻！

其实我想聊的不只是千问在首日的表现。Decrypt前两天做了一个更大规模的测试，拉了七家AI模型分析整届赛事走势，结论很有意思：喂给模型不同的评分体系，出来的冠军就不一样。

用实时Elo排名的模型倾向选西班牙，用FIFA官方排名或者往届成绩的模型倾向选阿根廷。

我之前对AI做赛事分析这件事一直是持怀疑态度的，毕竟足球比赛里的偶然性很大，一个门柱、一次误判、一脚世界波，都可能彻底改变结果。但千问这次的表现让我换了一个角度，AI做赛事分析的价值，在于它提供了一种全新的观赛视角，帮你注意到那些你原本不会关注的因素，海拔、湿度、裁判风格、球员的文化习惯。

千问AI预测产品负责人程飞也说，足球最大的魅力就在于不确定性，谁说自己能百分之百说对比赛结果，那大概率不是AI，而是骗子。真正懂球的人都知道，没有任何公式能完美描述绿茵场上的每一次灵光一现。

今年夏天的足球赛事刚刚开始，104场比赛还有102场要踢。这已经不只是球迷的夏天了，也是AI的第一个足球夏天。

世界杯首日，千问率先拿了个开门红。