研究员
2 场深度对话收录
Joon Sung Park
前沿洞察
Joon Sung Park正推动从静态预测跨入“社会级因果模拟”。其核心研判是：行为与试验构筑的因果数据构成防御壁垒，且模拟领域已现Scaling Law，对人类态度与行为复现率达85%，能将调研周期从数月压缩至数分钟。然而，最大警示在于商业可行性：若不能将千万元级模拟成本撬动为亿美元级决策价值，巨额后训练与推理成本将成为吞噬商业闭环的算力黑洞。
观点集合
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
Simile称，基于1,000名真人访谈的智能体，两周后预测准确率超过85%。CVS、Banco Itaú等客户可将多年、耗资数十万至数百万美元的研究变为“问一下就能做”。Park认为，真正有用的决策仍需模拟备选方案并检验因果效应。
查看摘要（7段）
- 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”。
模拟整个经济的 AI 公司｜Simile 联合创始人兼 CEO Joon Sung Park
Simile的防御性核心是因果数据：行为、交易和随机试验能超越网络预测并塑造未来，模型预测人类行为的准确率达到85%，企业研究也从数月压缩至数分钟。快速企业签约和6个月融资3亿美元验证了需求，但经济模型要成立，必须把成本1000万—2000万美元的模拟转化为价值1亿美元的决策，同时维持代表性数据和算力效率。
查看摘要（7段）
- Park 的可投资判断，他在节目中说了2遍，值得纳入定价：“这一代 AI 公司必须拥有一套有意思、且具备防御性的 data strategy。” Simile 的数据战略不止于记录人们“说了什么”的网络数据，更延伸至行为、交易，尤其是随机对照试验数据，因为“真正没人关心预测……人们真正关心的是塑造未来”，而这需要因果反事实。被问及会投资哪里时，他套用同一标准：别人无法接触或采集的数据，并点名机器人和推理/芯片层。
- 部分企业交易在3个月内完成。 Park 原本计划用到2026年底来教育市场，结果部分最大企业客户“以企业交易中闪电般的速度”签约，因为缓慢且昂贵的实验带来的痛点“比我想象中尖锐得多”。最有杀伤力的演示，是在首次电话中重做一家咨询公司的研究：“我们预测了那些耗时3到6个月的研究结果，但只用了2分钟。”
- 值得锚定的验证数字：85%。 Smallville 演示吸引 Fortune 500 董事会成员主动来询后，团队花了1年证明，模型预测人的行为和态度时，“准确率达到人们复现自身行为的85%”（2024年底发布）——Park 认为这项工作开启了合成面板领域；他预计，合成面板将在3年内超过当前的人类面板市场，因为企业和科学家想验证的想法只有约5%真正得到回答。
- 定价终局极其激进：大约2—3年后，单次模拟的运行成本将达到1000万、2000万美元，但价值高到客户愿意支付1亿美元。 模拟将成为 token-maxed inference 的下一片前沿，卖给最大型企业和政府。如今的生产模型运行成本已经降至最初的约1/100。
- Simile 与 Kalshi/Polymarket 及市场的差异，不只是预测会发生什么，而是解释它将如何发生、为什么发生。 公司会展示每一步，让客户能够阻止或推动结果。量化交易员已经加入公司，“也许 Simile 最终会拥有一家小型对冲基金”；Park 认为，随着某种形式的 AGI 和完美模拟器出现，我们对世界的许多假设都会改变——“其中一个当然可能就是股票市场”。他认为可能不再成立的更深层假设，是无法获得每个人的视角；取而代之的将是“社会的一个表征层”。
- Simile 在约6个月内融资3亿美元：约5个月前完成1亿美元轮，随后获得内部投资者2亿美元的 preempt。 Index 的 Shardul 说自己“从没见过这种 traction”；Greenoaks 则独立完成了市场 mapping，并在几天内、没有正式流程的情况下完成投资。Park 表示，团队确实考虑过是否需要这笔钱；最终的融资逻辑是“资金确实能换来算力”——研究结果无法控制，但输入可以控制。
- 值得借鉴的组队原则：招聘那些在人生每个阶段都曾是“成功的共同分母”、同时拥有“本不该共存的2种超能力”的人。 他的联合创始人 Laney 就是“短期偏执、长期虔信”，这种平衡需要“某些方面有所残缺的人”。Harry 补充说，那些希望自己当初少担心一点的创始人其实弄反了——正是偏执让事情最终成功。