如果 AI 告訴你：
「這件事發生的機率是 40%。」
你會比相信一位專業分析師，更相信 AI 嗎？
今晚一則新聞，正在把這個問題從實驗室推向現實。
倫敦 AI 新創 Mantic 今天宣布完成 2,500 萬美元 Seed 融資。
但真正吸引投資人的，不只是它又做了一個 AI 工具。
而是：
它正在訓練 AI 專門做一件事——預測還沒發生的未來。
Mantic 剛剛做到了什麼？
Reuters 報導，剛結束的 Summer 2026 Metaculus Cup 中，參賽者必須對尚未發生的政治、經濟、文化等事件給出機率預測。
例如不是回答：
「會不會發生？」
而是回答：
「發生機率是多少？」
事情真正發生後，再按照預測與結果計分。
Reuters 根據比賽結果報導，Mantic 最後：
超過所有人類參賽者。
在整體排名中，它只落後另一個 AI Bot「laertes」。
Metaculus 自己也有一個問題：
「Summer 2026 Metaculus Cup 會不會有 Bot 擊敗所有人類？」
現在答案已經正式標記：
Yes。
這是 AI Forecasting 一個很明顯的里程碑。
Mantic 不是自己從零訓練一個大模型
這也是這家公司有意思的地方。
Mantic CEO Toby Shevlane 曾在 Google DeepMind 擔任研究科學家。
他與 Ben Day 在 2024 年共同創立 Mantic。
Mantic 的做法，不是再花幾十億美元訓練自己的 Frontier Model。
它會利用其他 AI Lab 的 Frontier Models，再針對「Forecasting」這個特定能力做專門化。
大致流程可以理解成：
提出預測
→ 用歷史資料測試
→ 等事件有答案
→ 計算預測表現
→ 找出錯誤
→ 再改善下一輪系統。
這有一個很大的優勢：
預測是少數可以等到「正確答案真的出現」的 AI 工作。
文章摘要寫得再漂亮，很難有一個絕對分數。
但如果你預測：
某件事有 20% 機率發生，
最後它到底有沒有發生，時間到了就知道。
所以 Forecasting 很適合讓 AI 不斷接受可量化的 Feedback。
AI 為什麼可能特別適合做 Forecasting？
人類預測未來有一個很現實的限制：
人會累。
沒辦法每天 24 小時重新讀幾千則新聞。
也不可能每出現一個新訊息，就重新計算幾百個事件的機率。
AI 卻可以：
- 持續搜尋新資訊
- 同時追蹤大量事件
- 快速讀取歷史案例
- 重新計算 Base Rate
- 持續更新 Probability
- 對很多問題反覆執行同一套流程
Mantic CEO 還指出，在 Metaculus Cup 裡，AI 有另一個可能的優勢：
比較不容易跟著人群一起押同一邊。
如果市場或人類 Forecasters 已經大量傾向某一個答案，AI 仍然可以重新根據資料計算，而不是單純跟著共識走。
這不是說 AI 沒有 Bias。
而是它的 Bias 可能和人不一樣。
但這裡有一個很重要的「但是」
看到「AI 擊敗所有人類 Forecasters」，
很容易直接下結論：
AI 已經比人類更會預測未來。
目前證據還不能支持這麼大的結論。
原因是 Metaculus 自己還有另一套專門比較 AI 與頂尖人類 Forecasters 的 FutureEval。
Spring 2026 的測試中：
10 名 Metaculus Pro Forecasters
對上
排名最高的 10 個 Forecasting Bots。
雙方用相同的一組 99 道問題直接比較。
結果是：
人類 Pro Forecasters 平均仍領先 Bots 1.25 個 Head-to-head Points／Question。
而且這個差距沒有達到統計顯著。
換句話說：
這組資料不能證明人類真的比較強，也不能證明 AI 已經超越頂尖人類。
真正比較準確的說法是：
差距已經非常小。
更值得注意的是進步速度。
在先前的 Q2 2025 FutureEval，同樣的 Bot Team 對 Human Pros 比較，平均落後約：
20.03 Points／Question。
到了 Spring 2026：
只剩：
1.25 Points。
這才是今晚真正值得看的數字。
所以 Mantic 的勝利代表什麼？
不是：
「AI 已經知道未來。」
而是：
「AI 已經進入可以和專業人類 Forecasting 正面比較的階段。」
兩者差很多。
Forecast 也永遠不是預言。
例如：
AI 說某事件有 70% 機率發生，
最後事件沒有發生，
不代表預測一定錯。
如果你把大量「70%」事件放在一起，長期大約有七成發生，這才叫做好的 Calibration。
所以真正有價值的 AI Forecasting，不應該告訴你：
「未來一定會怎樣。」
而應該告訴你：
「根據目前資訊，不同結果的機率各是多少。」
為什麼企業開始對這件事有興趣？
Reuters 引述投資方表示，Mantic 已經吸引全球企業與政府機構注意，部分客戶已經開始整合它的 AI，但公司沒有公布客戶名稱。
其中一個特別積極的族群是：
Hedge Funds 與 Trading Firms。
原因不難理解。
如果你真的能比市場更早、更準地估計：
- 經濟事件
- 政策變化
- 產業需求
- 商品供應
- 公司事件
那麼一點點 Forecasting Edge，都可能具有很高價值。
但這裡同樣要非常小心。
預測事件機率，比其他人稍微準一點，不等於一定可以轉成穩定投資報酬。
真正進入金融市場之後，還有：
價格是否已反映資訊、
交易成本、
進出場時間、
Position Sizing、
流動性、
風險管理
等完全不同的問題。
不能把 Forecasting Benchmark 成績直接當成交易勝率。
2,500 萬美元真正押的是什麼？
這輪 Seed Round 由 Radical Ventures 領投。
其他投資者包括：
- Microsoft 旗下 M12
- Thinking Machines Lab
- Balderton Capital
- 其他投資人
估值沒有公開。
投資人真正押的，可能不是一個「猜答案比較準的 Chatbot」。
而是一個更大的方向：
如果 AI 能持續把不確定的未來轉成比較可靠的 Probability，Forecasting 本身可能變成一層新的企業基礎設施。
公司做策略，
政府做風險評估，
供應鏈做需求規劃，
金融機構做情境分析，
原本都需要人根據大量不完整資訊做判斷。
AI 不一定替人做最後決策。
但它可能先把：
「我覺得會發生。」
變成：
「目前資料下，我估計有 37% 機率發生，而且昨天是 29%。」
這一步，本身就可能很有價值。
今晚真正值得記住的不是「AI 會預言」
Mantic 的結果很值得注意。
但更值得注意的是：
AI 正在從回答「現在是什麼」，走向量化「接下來可能發生什麼」。
今天以前，我們最常測 AI：
會不會寫？
會不會算？
會不會 Coding？
接下來可能愈來愈常測的是：
它能不能在資訊不完整的情況下，比人更準確地判斷未來的機率？
Summer 2026 Metaculus Cup 給了一個很強的訊號。
但 FutureEval 同時提醒我們：
比賽贏過全部人類，不等於 AI 已全面超越頂尖人類 Forecasting。
真正的變化是：
這場原本看起來還很遠的比賽，
現在已經非常接近了。
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
推薦閱讀
AI 一分鐘教學｜2026/07/31：請 AI 分析資料時，要求它留下「資料來源、處理步驟、重現方式」
今日 AI 工具｜2026/09/14：ChatGPT Work Data agent，直接問公司數據、追原因、做互動 Dashboard，不用先學 SQL
AI 晚報｜2026/09/07：國泰航空擴大 Google AI 避開凝結尾實測，80 多班航班估減約 40% 凝結尾暖化影響
