我用 AI 預測了 24 場 NBA：從 0% 比分全中說起
起稿日期：2026-05-06 · 發佈日期：2026-05-12
建議分類：覆盤 / 體育（不是默認的 Web3）
起因：一句話先定調
過去一個月我把 walker-learn.xyz/predictions/ 當作一個公開的 AI 預測沙盤，每天發預測、每場比賽結束後回填比分。24 場 NBA，比分全中 0 場，勝負方向猜對 13 場（54.2%）。這篇是給好奇 AI 在體育預測裏到底能幹什麼的人，一份不帶話術的實數據覆盤。
數據怎麼算的
每場預測發佈時記錄：主隊、客隊、開賽時間、模型給出的預測比分。比賽結束後從 api-football 拉真實比分，分三檔自動結算：
- 比分全中（exact）：預測比分 = 真實比分（罕見）
- 勝負正確（outcome）：勝負方向對了，比分錯（NBA 主要檔位）
- 錯（miss）：勝負也錯
詳細方法論寫在 /predictions/ 的「我們怎麼預測的」一節。
NBA 的真相：比分全中根本不是合理目標
足球一場 1-0 / 2-1 這種低比分一抓一把，AI 蒙到的概率不算特別低（全站綜合 9.9%）。NBA 一場 110 比 105 的比分組合空間是足球的幾十倍——理論上 AI 偶爾押中也行，實際 24 場我 0 中。結論很簡單：NBA 看勝負就行，不要看比分。
這也是爲什麼 /predictions/nba/ 的 hero 區塊標著「比分全中率 0%、勝平負命中率 54.2%」毫不掩飾——AI 對大比分預測能力的天花板就在這。
勝負 54.2% 算高還是低？
NBA 公開市場（vegas line）長期數據，盲押客勝大約 42%、盲押主勝大約 58%。簡單的「主勝 = 勝」基線 = 58% 準。 我的 54.2% 反而比這個無腦基線略低（少約 4 個百分點）。
一種解讀是樣本量太小（24 場，第一個完整月）。另一種更誠實的解讀：當前 prompt 對 NBA 的「主場動機 / 賽季末狀態」建模不足，反而被基線 anchor 拖累。不管哪種解讀，AI 這套預測目前都沒有跑贏一行 SQL 能算出來的策略——這件事我不會等到「數據好看了再說」。
更何況博彩公司收 ~5% 抽水，要打平至少需要 52.4% 的命中率（針對 -110 odds）。AI 單純按命中率贏博彩公司的可能性，目前看是沒有的。 這件事情如果有人告訴你他能穩定贏，你應該不相信。
我做這個的理由不是贏錢，是想看 AI 在「公開數據 + 結構化分析」這個工作流裏的極限到哪。比起買課、看專家、看 social 裏那些「內部消息」，公開承認每場預測對錯並暴露出來給人查這件事，本身比命中率更稀缺。
幾個有意思的 case
24 場不算多，但已經能看出幾種 AI 翻車的典型模式。每條都附原文，比分和分析全部公開可查。
-
1 分險勝，AI 給反方向 +8 分 —— 尼克斯 vs 老鷹（4/21）。AI 給尼克斯 109-101 主勝 8 分，實際 106-107 老鷹客場 1 分險勝。1 分球在 NBA 是常態（多數還會加時），AI 既沒拿到方向也沒拿到差距，最經典的雙重錯殺。
-
33 分 swing 的大屠殺 —— 開拓者 vs 馬刺（4/26）。AI 給主勝 12 分（118-106），實際主隊輸 21 分（93-114）。33 分誤差，AI 完全沒拿到馬刺當晚狀態。
-
讓分完美命中——比分沒對但 spread 完美 —— 馬刺 vs 開拓者（4/20）。AI 預測 118-105（讓分 +13），實際 111-98（讓分 +13）。比分沒對但差距精準命中，這是 24 場裏最乾淨的一次「方法論奏效」。
-
湖人 28 分狂虐太陽 —— 湖人 vs 太陽（4/11）。AI 給湖人贏 7 分（115-108），實際湖人贏 28 分（101-73）。太陽全場得 73 分（聯盟平均 113），暗示 AI 沒拿到太陽當晚的傷停或休整安排——這正是 prompt 拿不到的私域信息。
-
AI 押客勝的兩場，主隊都反虐 —— 魔術 vs 活塞（4/25）+ 火箭 vs 湖人（4/27）。兩場 AI 都給客勝，主隊兩場都反虐（主勝 8 / 19）。這是數據裏最一致的 AI 系統性偏差：對主場動機欠擬合。
每條都能從 /predictions/nba/ 順藤摸到下面一條，我沒在哪一場贏錢後就把它藏起來——所有結算結果都按 _match_settled 標記擺在 sitemap 裏。
我學到了什麼
- 比分預測不是產品方向：讓 AI 押 110-105 這種六位數字組合是無意義的精度幻覺，應該轉向勝率分佈或 over/under 這類有機率邊際的問題。
- prompt 工程不是單調上升：換更復雜的 prompt 不一定準。早期我用極簡 prompt 命中率反而不低，加了一堆 player props 後命中率也沒明顯抬升。現在跑 A/B 測試 在 prompt 之間做選擇。
- 公開承認錯過的比賽比說命中的比賽更重要：每週覆盤（postmortem）會自動跑，把命中率掉下去的原因寫回 prompt feedback。這件事如果不強制公開，模型迭代會變成挑選式敘事。
下一步
如果你也在做 AI + 公開數據的實驗，命中率不是最重要的事；公開把命中率寫在首頁纔是。
免責聲明：本文不構成任何形式的投注建議。請遵守當地法律法規。
主題測試文章，只做測試使用。發佈者：Walker，轉轉請注明出處：https://walker-learn.xyz/predictions/recap-ai-nba-24-games
