Joon Sung Park

Joon Sung Park 的核心判断是，模拟也有自己的规模定律：在模拟和预测人类时，摄入的关于人类的数据越多、使用的算力越大，模型表现就会获得可预测的提升。 Simile 正在训练自己的模型，并看到了这条曲线的“早期一瞥”。

护城河的核心在于，Park 将生成式模型追求“超级理性、客观的机器”，与 Simile 所需的“和我一样笨”的模型作对比——模型必须犯下人类会犯的同样错误。 通过网络训练的模型，本质上包含的是人类主动暴露出来的态度数据，只掺杂了部分行为数据，而不是“人类的暗知识”（dark knowledge of humanity）——即人们实际上会做什么。在利基人群上，Park 称前沿模型的行为预测准确率会降至20–30%，一般人群也只有50–60%；相比之下，Simile 已验证的基准是以85%的准确率复现人们的态度和行为，“大致与人们复现自身的准确度相当”。

验证方面的核心资产是《Generative Agent Simulations of 1,000 People》论文：对具有代表性的1,000名美国人进行抽样，采集2小时数据，2周后用问卷、Big Five、行为经济学博弈、General Social Survey 以及已发表的RCT测试数字孪生。 后续研究显示，在 Open Science Foundation 平台数万项预注册实验上进行后训练，还能带来显著的进一步提升；因果数据和随机对照试验数据最稀缺、也最有价值，因为“世界是我们的 ground truth，但它只发生一次”（the world is our ground truth, but it happens once）。

产品定位是用模拟来塑造结果，而不是预测结果。 Park 说：“得知两季度后销售额会崩掉……并不能真正帮到你。”客户真正想知道的是，现在需要做什么，才能避开那个未来。他对 Foundation 及心理史学的讨论——把科学家流放至Terminus这一反直觉的第一步——说明了逐步推进的因果模拟为何胜过点预测；例如，一套电动车营销方案可能提升 EV 销量，却让整体汽车销量下降。

在TAM问题上，Park明确拒绝将市场研究定义为1000亿美元级市场，并直言：“模拟不是市场研究工具。” 模拟是人类决策工具。当前落地场景包括概念测试、焦点小组、上市公司的模拟财报电话会，以及与 Gallup 的战略合作；Simile 每周从数万人处采集数据，并拥有覆盖全球数千万人的样本库合作。由于风险偏好等特征“不会随时间真正改变”，采集到的受访者可以跨研究复用。

给投资人的成熟度标尺是，Park认为模拟行业所处阶段，类似 AGI 叙事中的 GPT-3.5 和 GPT-4：在当前垂直领域已足以造成真实影响，但激进扩展仍在前方。 他猜测，模拟最终的成本会“与训练一个基础模型相当”；谈到一次社会规模的气候变化模拟时，他说：“我现在就会筹钱，只为跑一遍。”在主持人对谈中，swyx 称一项非洲 UBI 研究得出的结果是“否”，并提出5年约1400万美元的成本；Park 没有确认这一数字，并质疑问题是否出在落地执行上。

Park 将 Simile 描述为研究实验室与产品公司的结合体：公司约60人，在 Mission Rock 设有旧金山总部，并新开纽约办公室；联合创始人包括 Michael Bernstein、Percy Liang（“foundation model”一词的创造者）和 Lainie Ellen，员工约15–20%来自 Park 的实验室。 他对市场的收束判断是：“你看任何一部科幻作品里的先进文明，都会有两项双支柱技术：一项是某种形式的 AGI，另一项就是模拟。”

🔗 原始收听与视频来源： 模拟人类：从生成式智能体到80亿个数字孪生体——Joon Sung Park，Simile AI

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。

🔗 原始收听与视频来源： 模拟整个经济的 AI 公司｜Simile 联合创始人兼 CEO Joon Sung Park