狂賺近400萬美元後全數吐回!Polymarket「體育賭王」為何隕落?
狂賺近400萬美元後全數吐回!Polymarket「體育賭王」為何隕落?
2025.12.01 | 區塊鏈
重點一次看

一位曾被譽為「體育預測之神」的交易員Mayuravarma,在預測平台Polymarket上經歷了從暴富到歸零的戲劇性過程。

  • 驚人崛起:在短短一個月內,他將5000美元本金透過押注電競賽事及美國職業聯賽,一度盈利高達380萬美元,實現760倍收益。

  • 策略風格:傾向於賽前押注實力較強的隊伍,早期勝率較高,但較少在盤中賣出或及時止損。

  • 連敗轉折:在NHL冰球賽事等高爆冷率項目中遭遇「11連敗」,累計損失超200萬美元,其中單次押注損失高達120萬美元。

  • 最終隕落:盈利全部回吐,個人帳戶轉為虧損,並刪除社交帳號。儘管後續嘗試補倉翻本,仍以失敗告終。

  • 市場啟示:預測市場與合約交易相似,存在高波動與「贏家通吃」機制,事件末期的反轉風險常導致押注者本金盡失。

「體育預測之神」Mayuravarma的隕落

Polymarket的預言遊戲,從來都是少數人的盛宴,多數人的博弈。與合約市場相似,這裡也充滿了「黑天鵝式反轉」,尤以體育爆冷為甚。

今天要講的,是一位曾被譽為「體育預測之神」的交易員——Mayuravarma的隕落。這位ID帶著印度種姓風格的「預測老鳥」,曾在短短一個月內,將5000美元本金暴力拉升至380萬美元,盈利高達760倍,一度躋身體育盈利榜第六。然而,盛極必衰,僅一週時間,他的資產近乎歸零。

Mayuravarma的經歷再次印證:在Polymarket,所謂的「掃尾盤策略」並不可靠。體育賽事等押注事件,常在最後一刻戲劇性反轉——你賭上的不僅是那點「確定性收益」,更是全部本金。

接下來,就讓我們一起回顧這場預言神話的崩塌歷程。

重生之印度貴族成「體育預測之神」:從LOL比賽開始的預測市場之旅

Mayuravarma最早是從LOL世界賽開始自己的預測市場之旅。根據其首頁資訊,其在LOLS15世界賽過程中共押注9次,最終結果6勝3敗,勝率約為67%。最終,其LOL比賽押注累計損失約20000美元左右,盈利約79萬美元,其中:

  • 在AL對陣T1比賽中,下注15萬美元資金,贏得16.25萬美元。
  • 在KT對陣T1的決賽中,下注110萬美元資金,最終贏得近60萬美元。
從電競賽事到美國體育職業聯賽:Mayuravarma的成神之路

借助一年一度的世界級電競賽事,Mayuravarma成功賺得約77萬美元的淨利潤。而在短暫地押注了3局LOL比賽之後,其就開始了自己的「體育賽事預測成神之路」,而其押注領域,也從LOL電競賽事,擴展到了美國著名職業聯賽及各類體育賽事——CFB(美式橄欖球大學聯賽)、NHL(美國冰球職業聯盟賽事)、NBA(美國籃球職業聯盟賽事)以及NFL(美國橄欖球職業聯盟賽事),不一而足。

初時,Mayuravarma押注幾乎稱得上「逢賭必贏」:在5場CFB賽事及2場NHL比賽中,其憑藉多次下注,獲得了30%~82%左右的回報率,最多一次盈利高達36萬美元。

這裡也能夠看出Mayuravarma的押注風格:其更傾向於盤前押注,下注金額從數千美元到數十萬美元不等,且極少在盤中賣出。這既成為了其能夠在早期憑藉小資金一步步滾倉賺到大結果的原因,也為後續上頭ALLIN、一把梭哈NHL比賽妄圖翻盤終遭反噬埋下了伏筆。

隨後,在加入NFL比賽押注後,其勝率陡然由高轉低:5場NFL比賽中,其勝率從此前CFB比賽押注的100%勝率跌至40%左右。

這裡還有2個戲劇性的細節值得展開:

其一,在早期的NHL比賽Wild對陣Rangers一賽押注中,Mayuravarma就曾以57:43的賠率押注Wild的對手Rangers獲勝,最終痛失27.5萬美元押注資金;在隨後的NHL比賽中,其再次因勝率更高而押注Wild的對手隊伍Devils,以不足12萬美元獲利8.6萬美元,預測市場的隨機性,由此可見一斑。

其二,11月22日Wild對陣Penguins的NHL比賽中,其投入100萬美元押注Penguins勝利,最終Wild以5:0爆冷戰勝Penguins,最終其損失了自己的100萬美元押注資金。

隨後,Mayuravarma開始押注NBA賽事,2場比賽中,其押中勇士隊戰勝湖人隊,單場比賽盈利近10萬美元,勝率暫報50%。

之後的押注事件結果看起來稍顯無聊,但其中過程對於Mayuravarma稱得上是一切順利。其在LOL比賽、NHL比賽、NBA比賽中整體保持著較高勝率,而從這些比賽押注界面我們也能看到其另一押注風格:更傾向於押注賽前贏面更高、實力更強的隊伍,而非寄希望於爆冷反轉。這在一定程度上反映了Mayuravarma對各類體育賽事的深度關注和了解,同時也為其持續盈利提供了一定的保障,但也為比賽爆冷留下了一定的隱患。

畢竟,就像足球賽事乃至各類體育賽事中常說的那句話一樣:「足球是圓的,什麼事情都有可能發生。」可能是一次烏龍球,也可能是個人英雄主義的單刀直入,更有可能是裁判的一次無心之失。總而言之,體育賽事中,存在無限可能性,而每一種出人意料的結果,對於押注者而言,都是一次填上自己真金白銀的豪賭。

預測市場的潛在影響:當金錢成為紙面數字

在一次次的賽事押注中,Mayuravarma的押注金額也在不斷增加,從最開始的2000美元,逐漸增加到三五萬美元,再到後來,其出手動輒就是10萬美元的押注資金。在短短不到一個月的時間,其就從最初的「預測市場新兵蛋子」一躍成長為Polymarket市場玩家們口中的「押注巨鯨」。

從以下的結算記錄來看,這一階段的Mayuravarma處於「常態分布區間」:

  • 24場賽事中,其勝率保持在50%,12場比賽押注成功,其餘賽事押注失敗。
  • 12場押注失敗的比賽中,其累計投入資金約84萬美元,全部虧損。
  • 12場押注勝利的比賽中,其累計盈利約164萬美元,資金盈虧比接近2,即盈利資金約為虧損資金的1.95倍。
  • 最大的2筆損失均來自於NBA比賽,一次損失10.26萬美元,一次損失10.2萬美元。
  • 最大的一筆盈利來自NHL比賽中Bruins對陣Senators,投入99.2萬美元,盈利超60.7萬美元。

整體而言,這一階段的Mayuravarma押注結果屬於「輸少贏多」。尤為難得的是,其在NBA比賽Jazz對陣TrailBlazers一事中終於學會了及時止損,投入2萬美元,最終僅虧損不足300美元即止損離場,避免了「全軍覆沒」。

在隨後的押注中,Mayuravarma好像又找到了預測市場的竅門一般,再次回到了「常勝將軍」狀態:12場比賽中,其押注失敗的比賽僅為3場,其餘全部押注勝利。也正是在這一階段,其迎來了自己的精彩時刻:

在CFB比賽Houston對陣UCF一事中,憑藉74.5萬美元的押注資金,最終奪得68.72萬美元的盈利,盈利率高達92.25%,也是其帳號截至目前最大的一筆盈利資金,在108次押注行動中位列第一。

但隨後,或許如同「新高之後必有回調」的加密市場一樣,經歷了個人高光的Mayuravarma迎來了自己的至暗時刻:在接下來的10場比賽中(算上前面的一場總共11場比賽),像是好運氣被用光了一樣,其迎來了慘痛的「10連敗」,累積損失資金高達205萬美元。

這一階段Mayuravarma慘遭失利的大部分賽事(8/11的機率)都是NHL冰球賽事,而該賽事的爆冷率約為30%,是美國四大職業聯賽中最高的一項賽事,遠高於NBA、MLB、NFL等賽事,這或許也在一定程度上為其最終「棋差一著、滿盤皆輸」的結局做下了鋪墊。

賭徒是如何練成的:當押注者不再滿足於小打小鬧

或許如同fengdubiying只玩LOL電競賽事押注最終憑藉實力和運氣盈利數百萬美元一樣,在經歷了慘痛的連敗之後,LOL電競賽事也成為了Mayuravarma的「轉運神器」。

在押中「T1獲得LOLS15世界賽冠軍」豪取60萬美元利潤之後,Mayuravarma再次找到了自己的「賭運」,整體表現終於擺脫衰運,開始有輸有贏。

但對於這個時候的他來說,或許早就已經習慣了「視金錢如數字」的押注,其押注資金也不再局限於以往的10萬美元量級,而是轉而增加到動輒三五十萬美元,甚至30%左右的盈利率也敢直接下注100萬美元買定離手。

當一個素來以「穩健保守、只買強隊」風格而著稱的交易員改變了自己過往偏向謹慎的交易態度之後,毫無疑問,或多或少,他已然被紛繁複雜的市場環境和「只想要贏」的執念所影響了,而結局,自然也顯而易見。

一月成神,一週跌落神壇:Mayuravarma的「王朝之路」就此終結

11月14日,憑藉1個月左右的閃轉騰挪,Mayuravarma的個人盈利資金規模從最開始7000美元一路暴漲至接近390萬美元。

而僅僅一週過後,Mayuravarma在NHL和CFB比賽中接連遭重,使得自己的盈利接近歸零:

  • 在CFB比賽TexasState對陣SouthernMiss一事中,其豪擲120萬美元押注SouthernMiss勝利,最終損失全部本金。
  • 在NHL比賽Capitals對陣Canadiens一事中,其再次ALLIN,投入120萬美元買入盤前勝率更高的Canadiens,最終未進行及時止損,近120萬美元全部虧完,一週之內,其個人盈虧數據表現就已由盈轉虧至-380萬美元。

也正是在上週六,11月22日,在經歷了「暴賺超380萬後利潤回吐」的雲霄飛車式劇情之後,Mayuravarma一氣之下刪除了自己的X平台帳號。

隨後,或許是不甘心就此成為Polymarket上的一大笑柄,Mayuravarma再度轉入100萬美元的資金到個人帳戶,並再次押注各類體育賽事,但最終的結果,仍然是輸多贏少。

截至撰稿時(11月26日),Polymarket上Mayuravarma的個人帳戶界面顯示,其累計損失在88.5萬美元,現持有倉位約為27.85萬美元。這也意味著,其不僅回吐了此前的所有押注利潤,自己的本金還損失了數十萬美元。

某種層面上來說,押注隊伍勝敗結果的體育賽事中,「一方勝利則一方失敗」的預測市場與「要嘛漲、要嘛跌」的合約市場並沒有太大的區別:在有限的選擇機會中,看似選擇更少的預測市場可能比疊加槓桿倍數的合約市場更為殘酷,很多人難以做到合約開單中的及時止損,而是選擇了等待結果塵埃落定或者期待著事件即將結束時的黑馬爆冷。屆時,玩家們損失的不僅僅是自己的滿腔期待,更有自己辛辛苦苦積攢下的可貴本金。

而在事件結束的自動結算機制下,預測市場的「贏家通吃」看起來更為殘酷。

ID決定命運?從fengdubiying到「孔雀王朝締造者」

或許,預測市場總帶點玄學色彩——就連交易員的ID,也像一道神秘的咒語,悄悄左右著他的盈虧軌跡。

在梵語中,Mayura的原型是「मयूर」(Mayūra),意為「孔雀」,在印度文化中象徵神聖與美麗;Varma則常見於南亞姓氏,源於梵語中的「वर्मन्」(Varman),意為「保護者」或「鎧甲」,多與貴族或武士階層相關;此外,Varma後綴常見於印度喀拉拉邦貴族姓氏,暗示種姓制度中的保護者職責。

此外,和Mayuravarma Polymarket的個人首頁簡介提及的資訊一樣,這一ID與印度卡丹巴王朝(Kadambadynasty)的創立者Mayurasharma存在一定關聯,該王朝以孔雀為王朝象徵,統治地區為今天印度的卡納塔克邦地區。後者的名字寓意「孔雀之護」。南印度碑文記載,其名體現剎帝利(武士階層)與自然崇拜的結合。

而如同消失在歷史長河的「孔雀王朝」一樣,在預測市場如火如荼的發展過程中,Mayuravarma也只是一個驟升驟降的「交易註腳」。

可以預見的是,如他一樣猝然暴富的傳奇之星仍然在Polymarket的押注市場中摩拳擦掌,而如他一般跌落神壇、資產歸零的交易者也不在少數。和目前在合約市場上屢敗屢戰的「麻吉大哥」黃立成一樣,Mayuravarma不是第一個,也不會是最後一個。

本文合作轉載自:《PANews》

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓