AI开始预测人类：83亿虚拟人格、数字社会，与一门押注未来的生意

你相信吗？我们或许正生活在一个虚拟的构造之中？

马斯克曾在Lex Fridman的访谈中被问及：如果有一天人类实现了通用人工智能（AGI），并且只能向它提出一个疑问，他会选择什么？经过十秒的沉思，他给出了答案：
“What's outside the simulation?”——模拟之外是什么？

这是马斯克对宇宙本质的终极探询。早在2016年，他就曾断言，人类存在于真实世界的可能性或许低于十亿分之一。当然，这种近乎科幻的设想，至今仍缺乏科学证据。

但有趣的是，随着人工智能的近期发展，硅谷的一些人已经开始尝试扮演“创世者”的角色，构建一个由AI驱动的“模拟世界”。这催生了一个新兴领域——AI模拟（AI Simulation）。

近期，这一领域热度飙升。李飞飞和Andrej Karpathy共同投资的Simile，最新估值达到20亿美元；由00后团队创立的AI模拟预测公司Aaru，估值也已接近10亿美元。由哈佛大学与麻省理工学院联合发起、200多位研究者参与的MatrAIx项目，更是构建了83亿个AI虚拟人格，几乎将全人类镜像到了数字空间。

这篇文章，我们将探讨正在升温的AI Simulation。

AI究竟能将一个人模拟到何种逼真程度？当成千上万个智能体被放入同一个虚拟世界，它们会自发形成类似人类社会的关系与规则吗？企业为何愿意付费，让这些“数字替身”代替消费者测试产品，甚至提前预测一个尚未发生的未来？

更进一步，当这些智能体开始拥有自己的记忆、性格和关系，甚至产生一些创造者都未曾预料的行为时，我们究竟是在模拟一个世界，还是在创造一个全新的世界？

---

斯坦福小镇：当人类开始扮演“上帝”

如今，许多领域都在谈论Simulation，但不同领域的“模拟”含义各异。机器人与自动驾驶涉及物理仿真，世界模型研究物理世界的模拟，而我们这里讨论的，是一个更宏大、更复杂的概念：模拟人类与社会，并借此理解甚至预测现实世界。

孟醒
五源资本合伙人
在世界模型或物理世界模型中，最小颗粒度理想情况下可能是某个分子或原子，模拟的是物体。但在智能体社会中，我们模拟的最小单位是一个个体的人。
我并不关心这个人的手如何移动、往哪里跑，而是关注他作为一个整体会采取什么行动，最终输出什么行为。如果映射到学科，物理世界对应自然科学，而智能体社会则对应人文学科、社会学科、政治学和心理学。

关于模拟人类与社会的讨论，最早引发广泛关注的是一篇20多年前的哲学论文。2003年，牛津大学哲学家尼克·博斯特罗姆在《我们是否生活在计算机模拟中？》中提出一种推演：如果一个先进文明拥有足够强大的算力，并有意愿通过模拟重现文明发展，那么模拟世界中的意识数量可能远超真实世界。从概率角度看，人类可能身处一个模拟世界中。这就是后来广为流传的“模拟假说”。

由于技术限制，二十多年来，这个假说主要停留在哲学讨论与科幻作品中。直到大语言模型取得突破。

2023年，斯坦福大学与谷歌联合发布了一项对AI智能体研究产生深远影响的实验——生成式智能体。研究团队搭建了一个像素风格的虚拟小镇Smallville，包含街道、房屋、咖啡馆，以及25个穿梭其中的虚拟居民。这些居民由大语言模型驱动的AI智能体组成，各自拥有记忆、性格和行为逻辑。

这些智能体的活动没有预设“剧本”。研究者只是将它们放入小镇中观察，结果发现，它们不仅会自主生活、工作和建立关系，还能独立思考并规划行动。例如，一个智能体准备举办派对，消息传开后，其他智能体会根据自身安排重新规划时间，决定是否参加。“斯坦福小镇”让许多人首次直观看到，智能体可以拥有持续的记忆、规划和社交能力，并在互动中自然涌现群体行为。

高森泉
WorldVac CEO
这项研究的意义在于，它让人们认识到语言模型是可靠的，确实能复现人类社会的一些现象。更多人开始关注这个领域，也让大家相信这件事是可行的。

25个智能体只是一个起点。随着模型能力提升和推理成本下降，研究者开始进行更大规模的模拟，并形成了多种探索方向。

其中一条路线，是在模拟精度上尽可能与真实个体对齐。2024年，斯坦福团队将实验扩大到1052个智能体。这次，每个智能体背后对应一个真实的美国成年人。研究人员先对真人进行约两小时的深度访谈，了解其成长经历、家庭、工作、价值观和生活经验，再将这些信息交给大模型，生成相应的AI“数字分身”。

这样得到的智能体，不再是符合“平均画像”的虚拟角色。实验中，这些智能体回答社会调查问卷的结果，与真人两周后给出的答案达到了85%的相似度。这意味着，AI在一定程度上能复现真实个体的部分想法和选择。

孟醒
五源资本合伙人
访谈也有技巧，不是随便进行的。它会用最高效的方式去“榨取”你是谁，本质上是在“蒸馏”你的特质，而且蒸得很细致。
它的好处是，针对每个个体，个体的特异性都会影响整个仿真进入的场景。

另一种研究思路，则不再过分关注某个智能体是否与真人高度一致，而是将重点放在智能体之间的关系以及社会如何演化。

前麻省理工学院教授罗伯特·杨团队发起的Project Sid，曾直接使用大语言模型生成1000多个智能体，并将它们放入《我的世界》中运行12天。结果，这些智能体逐渐形成了经济、文化、宗教和法律等结构，一些社会关系开始自然“生长”。

不久前，Emergence AI也进行过类似实验。他们分别基于Claude、GPT、Gemini、Grok以及混合模型建立了5个平行世界，每个世界放入10个智能体，观察不同模型驱动的智能体社会长期运行后的演变。在这一设定下，不同世界最终走出了明显不同的轨迹：有的迅速陷入混乱，有的因协作不足逐渐崩溃，也有的形成了相对稳定的治理秩序。

Satya Nitta
Emergence AI CEO
如果只看静态基准测试，就认为这些系统应该是安全的，可能会犯错。因为智能体运行在非常复杂的环境中，无论是物理世界还是数字世界。它们会与其他智能体互动，也会受到环境噪声和变化的影响。
因此，我们正在逐渐把Emergence World发展成一个用于研究长周期自主性的基准测试。

还有一条研究路线，专门从“评估”入手。例如MatrAIx，试图为AI模拟建立一套评估基础设施。这项研究由哈佛大学、麻省理工学院等机构牵头，汇集了200多位来自学术界与产业界的研究者，其中包括40多位来自OpenAI、Anthropic等前沿AI实验室的参与者。

MatrAIx构建了一个包含83亿个独特人格的数据集，每个人格由心理特征、生活习惯等1290个维度定义，再通过大模型将这些人格转化为可行动的智能体。这些智能体随后进入问卷调查、AI聊天、网页浏览和App等四种环境，完成超过1.8万次测试。研究团队通过400次受控实验发现，91.5%的情况下，智能体都能遵循预设的人格和行为特征。

Xiaomin Li
MatrAIx联合创始人、微软高级研究科学家
我们做基础设施评估、提高最低能力水平，是希望先通过用户群体的多样性，在产品真正出来之前，在各种情况、各种使用方式下评测它。
它可能会踩中很多边缘场景。这些边缘场景的分析非常有用，智能体可以告诉你哪一步错了、哪一步它不喜欢，以及它背后的推理为什么会形成这样的偏好和选择。
所以我们首先想要一套方法论，知道如何构建事实基准，然后下一步再说如何提高。

当AI模拟在研究层面被证明具有一定可行性后，一个更现实的问题浮现：如果AI能在数字世界中复现人类行为、推演社会运行，它能产生什么真实的商业价值？

---

模拟世界：如何变成一门生意

第一种生意：卖“模拟”

从目前探索来看，AI模拟首先出现的一类商业模式，是直接将“模拟”本身变成产品。

其核心逻辑，是将现实中的人、消费者甚至社会关系，转化为可反复调用的数字替身。例如，一家公司可按自身需求，快速生成一批拥有不同年龄、背景、偏好和行为特征的智能体，让它们提前体验产品，在虚拟环境中反复测试，再观察这些智能体的选择、对话和流失点，从而为产品设计和迭代提供参考。

这与传统市场调研的一大区别在于，企业不仅想看“喜欢”或“不喜欢”的答案，还想了解智能体为何形成这样的判断。

Yuexing Hao
MatrAIx联合创始人、MIT EECS博士后
并不是说他们喜不喜欢这个产品，或者喜不喜欢可口可乐涨价两块钱，而是看他的推理。他在这个过程中遇到了什么样的波折或想法，导致他最后在预测中发生了转向。
我们不仅要看到一个人如何做出这样的决策，也希望看到群体层面的结果。如果是百万级、数亿级，甚至83亿级的人格，他们最终会出现怎样的结果，我觉得这些都是非常有意义的。

因此，这种思路本质上是将模拟作为产品评估和观察手段。Emergence AI表示，他们进行Emergence World实验，一个重要目的就是为了测试自身提供的智能体产品，在进入复杂环境后是否依然安全。

Satya Nitta
Emergence AI CEO
我们会用智能体去做一些事情，比如帮助改善半导体良率。Emergence World这个实验非常重要，因为我们需要理解，我们构建的智能体真正运行起来后，是否会采取安全的行动，能否持续遵守我们设置的安全护栏和基本规则。
更重要的是，它们能否给出真正值得信任，而不是来自幻觉的输入、建议和洞察。

这种单体模拟的能力，也可以扩展到整个“社会”。例如，英国创业公司Artificial Societies，主打“社会关系”测试。他们让大量拥有不同人格的AI智能体彼此互动，形成一个可进行实验的虚拟社会。企业可将产品、品牌或营销策略放入其中，观察不同智能体之间如何交流、影响和做出反应。

MatrAIx的下一步，也准备让这83亿个人格真正“动起来”。

Xiaomin Li
MatrAIx联合创始人、微软高级研究科学家
我们会在新版本中加入动态人格属性，这些东西是可以变化的。还有一个假设是，如果现实生活中发生一些重大事件，它也会对人格和行为产生影响。

而且，这些合成人格未来也不一定只存在于数字世界。MatrAIx团队正在尝试将人格放入机器人等现实载体中，让不同的思维模式和行为模式从虚拟环境进入现实世界。

Xiaomin Li
MatrAIx联合创始人、微软高级研究科学家
我们会把人格加到机器人上，让它不只是存在于虚拟世界、存在于Matrix里，甚至可以在现实生活中跟我们互动。
这样，我们可以真正感受到不同人格背后代表的思维模式和行为模式是不一样的。

从这个角度看，AI模拟未来或许不只是一种市场调研工具，也可能成为人机交互的一层基础能力。但现在很多人认为，只停留在“模拟”还不够。在此基础上，更有意思也更有挑战的事情，是预测。

从“模拟”到“预测”

在商业中，“预测”往往是昂贵的。企业是否要进入一个新市场？产品价格上涨10%后会发生什么？如果政府调整一项政策，会对整个社会产生什么影响？这些问题的答案，通常只有在事情真正发生后才能知道。

AI模拟如今提供了一种新可能：先把这个尚未发生的未来，在虚拟世界中运行一遍，再将结果作为现实决策的参考。目前，在更侧重“预测”的AI模拟公司中，两家比较有代表性的企业是Simile和Aaru。

Simile由“斯坦福小镇”项目的一批核心研究者Joon Sung Park、Michael Bernstein、Percy Liang等人创办，其思路是从“模拟一个人”开始进行预测。在2024年“数字人格”研究的基础上，Simile尝试通过深度访谈等方式，尽可能高精度地还原一个人的记忆、经历、反思和决策过程，再将这些AI智能体放入不同环境中持续行动。

这样一来，模拟回答的问题不再只是“这个人现在怎么看”，而是可以进一步观察：当价格、政策等外部条件变化后，这个人会怎么做，是否会改变原来的选择。Simile想建立的，是一个“人类行为基础模型”，通过模拟人的行为过程，推演现实世界可能出现的结果。

因为这条路线追求尽量“真实”，所以更适合消费者研究、产品测试、客户体验和投资者关系等需要深入理解特定人群的场景。Simile今年2月正式亮相，目前估值已突破20亿美元。根据公司披露的信息，自上线以来，Simile已为财富100强企业运行了数千万次模拟。美国大型连锁药房CVS也已与Simile合作一年，通过真实用户数据构建了多达40万个数字分身，用于研究患者按时服药、测试消费者体验和辅助产品设计。

但高保真的另一面，是成本和规模化的代价。

Yuexing Hao
MatrAIx联合创始人、MIT EECS博士后
Simile这种情况下，如果需要非常准确，可能会非常难标准化。比如可口可乐需要的用户画像，和TikTok需要的用户画像是完全不一样的。
对公司来说，代价就是针对每一家公司、每一种场景，都可能需要重新做后训练或预训练。这样的代价是巨大的，而且它的可迁移能力目前也是未知的。

以Aaru为代表的另一条路线，则直接通过“群体模拟”进行预测。它不追求将某个人的思想还原得特别深入，而是基于现实世界的人口、消费等数据，快速建立一个尽可能接近真实世界的模拟人群。

Aaru的数据大致分为三层。第一层是人口普查、就业、健康等公开数据，用于搭建基本人口结构；第二层是匿名消费记录、常去地点、关注媒体等授权数据，用于补充人群近期的真实行为；第三层则是客户提供的私有数据，例如企业自己的用户分层、购买历史和产品信息等，将模拟范围收窄到真正需要研究的人群。

在此基础上，Aaru会进一步构建一张关系网，不仅让年龄、收入等人口属性接近现实，也尽可能还原行为特征及它们之间的关系。接下来，系统会改变价格、产品或政策等某个现实变量，再观察整个群体的行为如何变化，以此推演现实世界可能出现的结果。

孟醒
五源资本合伙人
Aaru可能关注得更多是速度，也更关注群体之间发生的关系。至于某一个体受到的深刻影响是什么，它可能并不那么关心。

Aaru的创始团队非常年轻。两位创始人Cameron Fink和Ned Koh成立公司时分别只有18岁和19岁，技术负责人John Kessler甚至只有15岁。最初，他们在朋友家的地下室里用美国大选验证这套系统。在回测2020年大选时，预测结果与实际结果只差不到0.5%。

真正让Aaru受到关注的，是2025年纽约市长民主党初选。当时外界普遍看好前纽约州州长库莫，Aaru却通过大规模模拟预测了曼达尼最终胜出。因为规模大、速度快，这条路线也很适合进行大规模市场调研。

目前，Aaru的客户已包括麦当劳、安永、拜耳、A24等公司。安永曾让Aaru复现一项复杂的全球调研，Aaru一天完成的结果与原调查高度吻合；气泡水品牌Spindrift原本花费两个月、招募500名消费者完成的一项调研，Aaru的智能体用一周就得出了几乎相同的结论。这些真实案例也让Aaru的估值迅速上升，目前已接近10亿美元。

最近，一些AI领域的重要研究者也开始押注“预测”这门生意。卡耐基梅隆大学教授、苹果首任AI主管Russ Salakhutdinov参与创立了AI预测模型实验室Sooth Labs，主要用于预测地缘政治与市场风险，首轮融资约5000万美元，并获得Yann LeCun、Jeff Dean等人的支持。

Russ Salakhutdinov甚至在采访中表示：“McKinsey为什么存在？Boston Consulting Group为什么存在？这些大型机构，都应该被AI取代。”

不过，尽管AI模拟已出现不少有意思的落地方向，它究竟能在多大程度上真正影响企业决策、创造多少商业价值，目前仍难判断。以Aaru为例，其营收规模仍然只有数千万美元级别。因此，今天市场给这类公司的高估值，更多是在提前押注它们未来可能打开的市场空间。

孟醒
五源资本合伙人
这个市场刚刚开始，大家其实都处于初创早期。不同公司的技术方案和选择的市场细分都不一样，所以都需要做差异化。
但如果看中长期，其实大家都会去找：付费意愿最高的客户是谁？最终客户需求才是最重要的，最后用什么方法，可能没有那么重要。

---

从“像”到“真”：AI模拟的验证难题

AI模拟公司最终能做多大的生意，与模拟和预测的精度高度相关。产品测试、市场调研等事情，通常容错率相对较高，结果不理想还可重新测试。但一旦AI模拟被用于辅助更重要的决策，企业就会变得更加谨慎。

现在AI模拟真正落地，首先面临的难题是，它没有一个统一、可量化衡量的标准。 目前大多数AI模拟基于大语言模型展开，但大模型天然倾向于给出合理、完整、逻辑自洽的答案，且不同模型自身也带有不同的行为倾向。

一个由大模型驱动的智能体，可能在一次问卷中给出了和真人一样的答案，但这并不意味着它真的理解了这个人。因为真人本身就不是一个完全稳定的系统，同一个人在不同时间、不同环境下，也可能做出完全不同的选择。那么，一个好的模拟究竟应该维持稳定、可验证的人格，还是应该像真人一样，根据环境不断变化？

孟醒
五源资本合伙人
当然你可以搭一套东西出来，但最怕的是什么？最怕的是你其实搭了一个剧场，然后所有人都在表演。
一万个人在表演，不代表一万个人真的能够做预测。所以你还要有一套闭环机制，大家仿真了一段时间之后，回来要看它是否能够和真实场景映射上。
得有基准测试、有验证流程。如果有偏移，还需要把这个偏差训练回来，让它能够修正。

而即便一个单独的智能体模拟得足够像，当它被放入不同群体和不同环境后，行为逻辑也可能发生变化。此前，复旦大学联合罗切斯特大学等机构进行了一项名为SocioVerse的研究，将社会模拟中的对齐问题拆分成环境、目标用户、交互机制和行为模式四个维度。结果显示，社会模拟的精度，很大程度上取决于这些“对齐”做得是否全面。

现实世界中还有大量低频、极端的长尾事件，比如地震、海啸、金融危机等。大模型很难从有限的历史数据中充分学到，在这些情况下，人和社会究竟会如何反应。

高森泉
WorldVac CEO