这家估值20亿美元、以85%准确率模拟人类行为的AI初创公司

摘要

• Simile所称“准确率超过85%”，来自一项针对1,000名真人的研究：其智能体预测了受试者对问卷、行为研究和刺激材料的反应。 受试者先提供人生经历访谈，两周后再回来接受测试；Park称这一结果是在2024年底取得的。他的原则是，模拟必须“立足于真实数据”，并与真人表现一同评估。
• 商业化切入口，是把研究提速到每逢决策都能随时开展。 Park称，过去耗时数年、成本高达数十万乃至数百万美元的概念测试、联合分析和MaxDiff研究，如今“问一下就能做”。客户包括CVS和Banco Itaú，应用涵盖门店布局、信息传达和客户洞察。
• 预测的价值取决于能否模拟备选方案和因果关系，包括人们口头意愿与实际行动之间的落差。 一个人可能每周都把自己去健身房的可能性评为7分制中的5分或6分，最后却选择多睡1小时。随机实验很重要，因为客户最终会问：“我们现在该做什么，才能塑造未来？”
• Simile通过面板合作触达全球超过4,000万人，通常能在24小时内满足新的人群需求。 Park称，公司每周与数万人、甚至数十万人沟通。参与者必须知情同意，并有权退出；排除未成年人后，“我们自己也清楚，这留下了一个盲区”。
• Simile在预测结果之外提供置信度估计，帮助客户校准重大决策。 配套模型会给出0到100的置信度；Park称，客户认为置信度“超过90%，通常是85%”时，结果已足以支持高风险决策。部署工作也包括帮助用户判断何时应验证发现或收集更多数据。
• 在已融资3亿美元、据报估值20亿美元的基础上，Park的护城河逻辑是把行为模型与贴近客户的部署结合起来。 他认为模拟技术正处于“GPT-4、GPT-4.5时代”，现阶段已能发挥作用，且每月都在变化。他预计，行业大约再过1年半到2年就能达到当下编程智能体的成熟度；随着前置部署推进，客户关系会变得更“黏”。
• Park的长期设想之一，是用模拟来评估社会干预措施。 气候政策牵涉彼此竞争的激励；如果AGI已经到来或即将到来，他会追问能否用模拟找出UBI在哪些地方有效，而不必等上5年研究。被问及是否会接受150亿美元收购报价时，他的回答仍有条件：如果只有Simile能推进一项雄心勃勃的构想，“那我们就会去做”。

精读

1. Smallville让模拟人类初见可行

• Park开场说“我确实认为我们生活在一个模拟中”，背后是一套关于文明的判断：社会想要理解自身，而“理解事物的最好方式，就是把它重现出来”。他把模拟称为社会的一幅画像。构建从个体的偏好和行为开始；把这些人放在一起，复杂结果便会在互动中涌现。
• 2022—2023年的Smallville项目从GPT-3和GPT-3.5起步，当时模型“还相当粗糙”。研究人员在一个类似《宝可梦》和《模拟人生》的小镇里放入25个智能体，每个都有姓名、特征和人生故事，并配备记忆、规划和反思能力。把时间设在情人节前一天，模拟便自行生成了筹办派对和发出约会邀请等互动，无须预先编写这些情节。
• 第一项测试是看起来是否可信：研究人员询问智能体的人生、关系和送礼选择。人类评估者将回答与智能体的经历及真人撰写的备选答案进行比较。Park认为，一个智能体应该想见自己在乎的人，而不是最常碰见的人。这就是“生命感的幻觉”；下一步的挑战，是让模拟忠实于真实个体。

2. 真人验证带来准确率说法

• 研究人员招募了1,000名受试者，按性别、种族、族裔及其他特征抽样，以代表美国人口。语音对话式AI访谈引导他们讲述人生经历、艰难抉择和重要关系，为智能体分身提供数据。两周后，受试者回来参与问卷、行为研究并回应刺激材料，智能体则预测他们的答案。Park称，团队在2024年底取得“准确率超过85%”的结果，这构成了Simile最初的基础。
• 要预测行为，必须把人们表达的态度转化为行为。Park称，风险偏好“基本不会改变”，但意愿和行动遵循不同的曲线：受访者可能每周都把自己去健身房的可能性评为7分制中的5分或6分，真正去锻炼却需要更高的“启动能量”。要理解这一落差，需要掌握行为规律，包括人的非理性倾向。
• O’Shea追问，是什么让人延续某种模式，或转而采取不同的行动。Park的回答是“存在其他选择”：锻炼会和多睡1小时或多开一次会竞争。抽象问卷给定的选项有限，无法呈现支配现实决策的备选方案和机会成本。
• 访谈、交易数据和移动数据都有帮助，但Park强调随机对照试验：改变某项功能或信息内容，再观察行为如何变化。他没想到客户对预测的兴趣不如对干预的兴趣大。得知两季度后市场会崩盘，客户会追问现在该怎么办。“我们现在该做什么，才能塑造未来？”（“What do we need to do now to shape the future?”）这让因果机制成为产品核心。

3. 企业研究是最初的商业市场

• 概念测试、联合分析和MaxDiff分析是Simile的起步应用。Park称，过去耗时数年、成本高达数十万乃至数百万美元的研究，如今“问一下就能做”。用户在Simile的SaaS界面上指定想访谈的人群和想问的问题；目前问题数量没有限制。核心收益是用更少资源、更快完成研究。
• 零售是较大的垂直行业之一。CVS研究门店布局、信息传达和装潢；巴西的Banco Itaú研究如何通过政策和沟通传递自身价值观。娱乐、快消品和大型金融机构也在使用。企业内部应用包括员工留任，以及面向Stanford或MIT学生的招聘沟通；参与员工须知情同意并保有自主权。
• 购买决策需要把环境一并纳入模拟。Park举例说，如果水只有一个来源，提供取水渠道就可能收费100万美元；但如果替代水源随处可得，包装和品牌也会改变决策背景。智能体必须先接触相互竞争的选项，才能回答愿意支付多少。“关键确实是模拟人及其行为，同时也要模拟环境。”
• 被问到是否曾帮客户避免昂贵失误时，Park提到一项在Simile成立前明确开展的汽车研究。一条电动车上市信息看起来“显然会赢”，模拟却显示，它也改变了消费者对非电动车的看法，拉低了整个市场的销量。对Park来说，价值在于“整体审视全局”：有用的模拟能揭示“违反直觉”和“出人意料”的后果。

4. 人群覆盖与置信度依赖数据规范

• 各垂直行业的专属“智能体库”面板为客户提供起始人群；遇到定制需求时，Simile会额外收集数据并训练模型。合作网络覆盖全球超过4,000万真人，每周会联系“数万人，甚至数十万人”。新的人群需求通常能在24小时内满足。Park特别提到Gallup拥有数十万人的面板和跨越数十年的合作关系；代表性抽样是关键规范。
• O’Shea追问，习惯作答的人是否会产生偏差，或是告诉民调机构自己认为对方想听的内容。Park承认，受访者会感到疲劳，也可能为了报酬敷衍作答——有人会为了参与而“随口胡编一通”。控制手段包括拉开参与间隔、比较新受访者和有经验的受访者，以及设置注意力测试。比如要求受访者回忆访谈的第一个问题，认真听的人应该记得谈到过模拟。
• O’Shea说，这番讨论让她有些紧张，“像是你能读懂我的心思”；Park此前模拟过这场访谈，也预料到她开场会问模拟问题。面板数据收集的边界是知情同意和退出权。未成年人不纳入样本——这是“我们自己也清楚的一个盲区”；其他无法作出知情同意的人群也不纳入。除此之外，Simile希望代表所有人群，包括“人的好行为，也包括坏行为”。
• 除基础模型外，Simile还训练了一个模型，根据训练数据和问题，为回答打出0到100的置信度。Park把它在决策中的作用比作推断统计学里p < 0.05的惯例；他称，客户认为置信度“超过90%，通常是85%”时，结果已足以支持高风险决策。部署工作也包括帮助用户判断何时应相信结果、补充数据或验证发现。

5. 融资同时支持模型开发与客户部署

• O’Shea提到Simile总融资额为3亿美元、据报估值20亿美元，并点名Greenoaks、Index、Fei-Fei Li和Andrej Karpathy。Park称，投资人脉部分来自Stanford关系：联合创始人Micah Bernstein曾与Fei-Fei密切合作；Percy Liang曾担任Karpathy的博士论文委员会成员；Karpathy曾为2023年的生成式智能体论文扩大影响力。底层的融资逻辑，是用技术满足人们理解他人的内在需求。
• Simile约有100名员工。其中约20%是实验室同事或“学术亲属”；科学、建模、评估和方法论相关工作约占公司业务的20%—25%。团队由社会科学方法论专家与AI研究人员、工程师、产品人员和部署团队共同组成。研究人本身就是技术工作的一部分。
• Park认为，模拟技术正处于“GPT-4、GPT-4.5时代”：现在已经有用，而且每月都在变化。他预计，模拟行业大约再过1年半到2年就能达到当下编程智能体行业的成熟度。前置部署是核心策略：与客户关系密切的编程公司后来变得更“黏”、长期“更有防御性”，他相信模拟行业也会重演这一模式。

6. Park希望公司不断赢得下一个问题

• 受Thomas Schelling在1970年代和1980年代对隔离现象的建模启发，Park希望研究代际协调问题。气候政策涉及激励彼此冲突的行动方，互动会形成难以破解的均衡；反复进行模拟，或许能帮助探索政策结果。如果AGI已经到来或即将到来，他会追问：能否用模拟找出UBI在哪些地方有效、在哪些地方行不通，而不必等上5年研究？
• 他欣赏的职业特质是“成功背后的共同特质”：主动担责，并不断重塑自己。他也看重看似互不相容的长处，Michael Bernstein就是例子——既有成熟的科学纪律，又会像孩子一样兴奋地演示游戏。支撑长期投入的动力是：“赢下当前这场游戏，最大的奖赏是获得继续玩下一场的资格与邀请”（“the greatest prize in winning the current game is gaining the right and invitation to play the next game”）。
• 一种失败模式是把全部精力押在一次融资、拿下一位客户或发表一篇论文上，成功后却问“然后呢？”，继而失去兴趣。Park补充说，这种结果“也可能是巨大的成功”，但对一个想跨世代产生影响的人来说，就成了失败。被问到是否会以150亿美元出售公司时，他的回答仍有条件：如果有理由相信只有Simile能推进一项雄心勃勃的构想，“那我们就会去做”。