AI超级预测家已来：5分钟读完212个来源，35美元变200万

一场悄悄的范式转移#

上周在华盛顿的一场预测市场会议上，Scott Alexander 走进会场时明显感觉到一件事——气氛不一样了。

过去几年，这类会议的核心话题永远是”预测市场什么时候能合法化""监管怎么办""流动性怎么来”。大家围坐在一起，兴奋地讨论着一种理论上应该改变世界的工具，却始终没能兑现。

但今年不一样。

会议的绝对主角只有一个：AI 超级预测家。不是论文里的实验数据，不是实验室里的演示 demo，而是真金白银在市场上跑了一轮、并且赚了大钱的 AI 系统。

一家创业公司展示了一张 Kalshi 交易记录截图：他们的 AI 用 35 美元起步，七个月内滚到了 200 万美元。另一个团队展示了他们的市场中性投资组合——不赌方向，只赌概率——收益率超过了标普 500 整整 25 个百分点。

场下的反应从怀疑变成了沉默，从沉默变成了按计算器。

这已经不是”未来可能发生”的事了。它已经发生了。

给大模型装上”脚手架”#

这些 AI 超级预测家到底是怎么运作的？

原理听起来并不神秘：把一个前沿模型（ChatGPT 或 Claude）塞进一个”脚手架”程序里。这个脚手架不是让 AI 随便聊天，而是一套精密的研究流程——包含提示词、工具调用、以及多个子代理的协同分工。

Scott 在现场试了一个系统。他提了一个问题：“到 2040 年，美国的呼吸道感染（普通感冒）数量能减少一半吗？”

五分钟后，AI 给出了答案。

在这五分钟里，它自动调度了三个子代理，阅读了 16 个网站，引用了 212 个来源。给出的结论是 8.8% 的概率——而一位人类超级预测家给出的判断是 5-10%。两者几乎完全吻合。

另一个名叫 FutureSearch 的 AI 超级预测系统，针对同样的问题给出了 7% 的答案。

这背后的推理链条也很有意思。AI 分析了几个核心变量：生物学很残酷——目前已知超过 200 种感冒病毒，仅鼻病毒就有 150 多种血清型；Intercept 公司的鼻腔喷雾疫苗虽然很有前景，但临床试验时间非常紧张；最大的变量是用户行为——大多数人根本不会因为一场小感冒去用鼻腔喷雾；最后还有一个致命问题：即便真的减少了，我们可能根本无法测量，因为大部分人感冒了也不会去医院。

这不是鹦鹉学舌。这是真正的推理。

预测研究界的自我预言实现#

有趣的是，之前”画延长线”的预测研究社区——就是那群靠数学方法预测技术进展的学者——曾集体预测 AI 会在 2026-2027 年首次在通用预测任务上超越人类。

当时很多人觉得这是乐观估计，毕竟前几年的 AI 在预测市场上表现平平，经常被人类超级预测家吊打。

但到了 2025 年底，局面开始逆转。2026 年刚过半，这些系统已经在真实市场上用美元证明了实力。

换句话说，预测家们准确预测了预测家被 AI 替代的时间点。这个自我实现的悖论，本身就是对预测市场最好的广告。

这跟你我有什么关系？#

你可能不会亲自去 Kalshi 上交易，也不太可能成为全职超级预测家。但这件事的影响远不止于交易。

想想看：如果 AI 能用五分钟读完 212 个来源、调度三个子代理协同推理、给出媲美顶尖人类专家的预测，这意味着什么？

意味着你面临的每一个需要判断未来的决策——从”下季度该不该扩招”到”这轮融资该要什么样的估值”到”买房现在是不是好时机”——都有了一个真正靠谱的免费参谋。

当然，目前还不是免费的。那次单次预测消耗了约 8 美元的 API 费用。相比潜在收益这不算什么，但规模化之后成本会迅速下降。

另一个限制是，这些系统需要人来问对的问题。Scott 问的那个问题相当精巧——既不太宽泛也不太小众，既需要专业知识也有明确的可验证性。如果你自己都没想清楚要预测什么，AI 也帮不了你太多。

但方向已经明确了。那个在华盛顿会议上被反复提及的问题不再是”AI 能不能预测未来”，而是”AI 已经比我们强了，然后呢？”

这恐怕才是今年真正应该被记住的科技新闻。