「如果选秀只看数字，我们会错过什么？」

2026年NFL模拟选秀出了个算法版：突袭者用状元签选费尔南多·门多萨，巨人第五顺位拿下跑卫杰雷米亚·洛夫。没有交易，没有烟雾弹，纯看体测和大学数据。

打开网易新闻 查看精彩图片

这种玩法在科技圈不新鲜。但体育选秀和推荐算法有个致命区别：样本量。

正方：数据派的理由

大学球员每年有数千小时比赛录像可量化。冲刺速度、传球精度、决策时间——这些硬指标筛掉明显的水货。门多萨在迈阿密的传球评分（传球评分）连续两季排进全国前五，贝克的大臂展和启动速度是球探报告里的「安全牌」。

算法还能消除偏见。NFL球队历史上对黑人四分卫、矮个外接手的系统性低估，用统一标准能部分对冲。

反方：选秀是反脆弱系统

但数字没法量化的是语境。洛夫在圣母大学的冲球码数漂亮，背后是联盟顶级的进攻锋线。把他扔到巨人那条漏勺防线，数据可能断崖。

更麻烦的是位置价值。跑卫第五顺位？现代NFL薪资结构里，跑卫是贬值最快的资产。算法按「即战力」排序，人类经理按「合同性价比」决策——这是两套优化目标。

2018年算法模型最爱的四分卫是贝克·梅菲尔德，帕特里克·马霍姆斯排第三。后者的大学生产数据被德州理工的散弹枪体系「污染」了。

判断：工具理性需要边界

这份模拟榜单的真正价值，是暴露数据能做什么、不能做什么。门多萨和贝克确实是低风险选择，但超级碗需要马霍姆斯式的「高方差赌注」。

算法适合排雷，不适合挖宝。维京人用18号签选安全卫凯莱布·唐斯——这种「价值洼地」操作，恰恰是数据辅助+人类判断的混合模式。