Full text · 原文
2,545 字
【文/观察者网 陈思佳】
<br>
7月17日至20日，2026世界人工智能大会（WAIC）在上海举办。由于本次大会恰逢2026美加墨世界杯的收官阶段，使用人工智能（AI）预测大力神杯的归属也成为一个热门话题。
<br>
北京时间19日，即决赛前一天，在WAIC现场直播中，商汤科技旗下全场景AI办公助手“办公小浣熊”对比赛结果作出预测，认为西班牙将获胜。实际结果也确实如此，西班牙凭借费兰·托雷斯在加时赛的进球，1-0战胜阿根廷，时隔16年再次登顶。
<br>
这并非小浣熊首次作出精彩的预测。在世界杯小组赛阶段，小浣熊曾“命中”了32支晋级淘汰赛球队中的26支，其中包括成功预测佛得角出线。佛得角称得上是本届世界杯“最大黑马”，在小组赛中爆冷战平西班牙，并以小组第二的成绩晋级32强。
<br>
北京时间7月20日，2026美加墨世界杯决赛，西班牙1-0战胜阿根廷 IC photo
<br>
AI是如何“看”比赛，如何预测足球比赛结果的？观察者网与商汤科技小浣熊家族负责人贾安亚进行了对话，她指出，AI并不是简单地猜测答案，预测世界杯结果的背后，展现的是对数据、文本和复杂变量的综合处理能力，AI不会消除不确定性，而是帮助人们更理性地理解问题。
<br>
“AI不是预言机器，预测也不是玄学”
<br>
事实上，在本届世界杯的早期阶段，办公小浣熊最初预测的结果是阿根廷将挺进决赛并夺冠。但在决赛前夕，基于对球队近期状态、攻防效率、关键球员表现等最新公开数据的分析，小浣熊给出了新的预测，认为西班牙夺冠的概率更高。
<br>
贾安亚告诉观察者网，足球比赛结果受到很多因素影响，人们可能会看强队光环、球星名气、过往战绩，但这些并不一定能完整反映一支球队当下的真实竞争力。
<br>
小浣熊进行预测时，会把问题拆得更细，比如深入分析球队近期状态、阵容稳定性、历史表现、攻防效率、对手结构、赛程难度、伤病情况、关键球员影响，以及同组竞争关系。
<br>
她以佛得角为例，这并不是典型的热门球队，“如果只凭直觉，很多人可能不会优先看好它。但数据分析的价值就在这里：它可以把一些不那么显眼的变量拉出来，比如球队在特定阶段的稳定性、比赛执行力、对手分布、净胜球压力等，然后放到同一个框架里比较。”
<br>
谈及世界杯决赛的结果，贾安亚表示，决赛和普通比赛不一样，决赛中的临场状态、战术调整、伤病情况、裁判尺度、甚至一次偶然失误，都可能改变最终结果。所以小浣熊给出的不是确定性判断，而是在当前信息条件下的概率分析。
<br>
“小浣熊的过程不是简单问一句‘谁会出线’，然后让模型猜答案。它会先整理数据，再建立分析维度，形成概率判断，最后给出理由和风险提示，”贾安亚说，“体育比赛的魅力就在于不确定性。AI能做的不是消灭这种不确定性，而是帮助我们更理性地理解它。”
<br>
不过，她也强调，体育比赛永远有偶然性，AI不是预言机器，也不应该被包装成玄学，真正值得关注的是它能不能在复杂信息中提供更高质量的分析框架。世界杯预测只是一个更大众、更容易理解的窗口，背后展示的是AI对数据、文本、规则和复杂变量的综合处理能力。
<br>
据介绍，办公小浣熊是商汤推出的全场景AI办公助手，覆盖个人用户、专业办公人群，以及企业和产业客户的真实任务场景，具有全场景覆盖、结果交付、任务链路能力和安全可控等优势。
<br>
目前小浣熊已经服务了8000多家企业客户，覆盖供应链、金融、教育、政务、电商运营、企业经营管理等多个行业和场景。
<br>
“AI不应该替代人，而是成为工作系统的一部分”
<br>
在信息化时代，数据分析能力是衡量AI性能的一个关键指标。贾安亚告诉观察者网，在这一方面，小浣熊系列产品构建起从数据清洗、指标构建、业务理解、推理分析到结果交付的一整套能力。
<br>
她表示，为提高数据分析的准确性，小浣熊首先会做好数据治理，帮助用户做数据清洗、格式整理、异常识别和指标统一；其次是理解场景，根据不同业务和问题选择相应的分析路径；然后是把数据判断和业务常识结合，在具体语境里解释数据结论；最后是确保分析可解释，让用户能够复核AI的分析结果。
<br>
但数据并不是决定结果的一切，很多时候，个人的主观判断、情绪变化或者突发事件，都可能彻底改变事件的结果，这往往是难以提前预料的因素，也不一定能在数据中得到直观、完整地体现。
<br>
对此，贾安亚表示，小浣熊倾向于分层处理问题。例如，对于已结构化的数据，AI可以直接进行分析；可以间接观察到的信号，往往能反映变化的趋势；突发和人为变量则不会给出确定性的判断，AI会把它标记为风险因素或通过情景分析告知用户。
<br>
她说：“这也是我们对AI的基本看法：AI应该增强人的判断，而不是假装替代人的判断。”
<br>
在金融、医疗、教育等领域，不仅看重数据分析能力，数据安全和隐私保护问题也是重中之重。贾安亚表示，小浣熊在这方面有几个原则，包括数据使用最小化、明确AI的权限和边界、重视本地化和企业级部署能力、确保过程和结果可追溯等。
<br>
她指出，如果数据安全、权限边界、隐私保护没有做好，AI能力再强也很难真正落地，“从更大的趋势看，AI应用真正进入产业深水区后，竞争不会只是谁的模型更会说话，而是谁能在安全、稳定、可控的前提下，完成复杂任务交付。这也是小浣熊非常重视的方向。”
<br>
如今，AI已经逐渐成为一种应用于方方面面的生产力工具，许多人已经习惯在办公等场景中使用AI来处理不同任务，甚至出现人在下班后AI继续干活的场景。
<br>
对于这些变化，贾安亚认为，AI正在重构工作方式，很多重复性高、流程相对固定的信息密集型工作，不再需要由人亲自完成每一步，工作开始变成另一种形态：人提出目标，AI 拆解任务、处理材料、调用工具、生成结果，人再做判断和确认。
<br>
她说：“但我不认为AI应该被摆在‘替代人’的位置上，而是应该成为工作系统的一部分。它可以帮人生成初稿、分析数据、完成重复劳动，但方向、责任、价值判断和关键决策，仍然应该由人来承担。”
<br>
在贾安亚看来，未来真正有价值的人机协作，不是人完全不工作，也不是人被AI牵着走，而是人更专注于定义问题、判断结果、承担责任，AI则把大量繁琐但必要的工作做好，“这个变化会影响企业组织、办公软件，也会影响每个人的工作方式”。