从艺术创作到计算科学的范式转移
Joon Sung Park（朴俊成）出生于韩国，在11岁时随身为医生的父母移居美国波士顿。他的成长轨迹横跨东亚与北美东部，曾在纽约州和新罕布什尔州生活，并最终在宾夕法尼亚州的大学完成本科学业。值得注意的是，Park 早期的职业志向并非科技领域，而是艺术创作。他在高中时期开始接触绘画，并曾认真考虑将艺术家作为终身职业。然而，随着对创作媒介的深入思考，他意识到“最伟大的艺术家往往创造属于自己的新媒介”。在当代语境下，他认为计算（Computation）是当时最具备潜力的创作载体。
这种认知的转变促使他深入探索技术领域，并逐渐对学术研究产生浓厚兴趣。从一名追求视觉表达的艺术爱好者，转变为利用代码和算法构建新世界的研究者，Park 的经历反映了技术作为新型艺术媒介的深刻洞察。这种跨学科的视角也为他后来在斯坦福大学攻读博士学位，并开创性地结合心理学与计算机科学奠定了独特的思维基础。他的故事表明，技术不仅仅是工具，更是表达人类行为与社会互动的全新画布。
从模拟世界到深度个人理解的战略抉择
在探索最具雄心的技术路径时，团队曾面临两个主要方向：一是构建一个完整的虚拟世界模拟（即后来的Generative Agents项目），二是开发高度个性化的自动化代理工具。虽然创建虚拟世界并观察智能体在其中生活的愿景极具科幻色彩且令人着迷，但决策者认为，要打造真正有用的个人助理，首要任务是建立对用户深刻的心理模型。正如文中所述：
"I love the idea it's really cool to see like a game town like this and just see these agents live in it... but my bet was if you were to create a really amazing personal assistant out of this technology, what you actually need first is an amazing motor of your users."
以点外卖为例，如果助理不了解用户不喜欢披萨上加菠萝这一具体偏好，就会犯下低级错误。这种对个体细微特征的理解，类似于家庭成员或密友之间基于长期互动形成的心智模型（Mental Model）。因此，团队押注于通过模拟技术创造准确的人物表征，认为这应优先于更复杂的自动化世界构建。尽管目前像OpenClaw等工具已能利用Markdown文件存储用户信息，展现出一定的个性化能力，但真正的个人助理尚未完全实现其宏大愿景，因为现有的技术组合仍缺乏足够的深度理解能力。
记忆架构的演进：从知识图谱到文本文件
在2022年开发Generative Agents时，团队曾纠结于记忆架构的设计：是使用知识图谱（Knowledge Graph）、训练定制模型，还是采用其他复杂结构？最终他们得出一个反直觉的结论：大型语言模型（LLM）本身已具备极强的文本建模、理解和推理能力，因此无需过度工程化。他们选择将所有记忆数据直接存储在Markdown或纯文本文件中。
"We initially thought well do we want to make the memory into let's say knowledge graph... what we decided was no just forget about all this these language models are actually quite good at modeling text... so just put everything in a markdown file or text file you're done."
这种方法的优势在于简化了系统复杂度，利用LLM的原生能力处理非结构化数据。然而，其局限性也日益显现：当数据量变得极其庞大时，如何高效检索和整理这些数据成为巨大挑战。虽然当前的技术正在改进这一过程，但仅靠提示工程（Prompting）已触及天花板。为了突破瓶颈，必须深入模型参数层面，通过微调（Fine-tuning）或后训练（Post-training）来内化知识。这要求建立一个生态系统，让用户持续向模型输入数据，使其能够动态学习并适应环境。
社会物理学与行为基础模型的缺失
为何仅靠提示工程无法构建完美的个人助理？核心原因在于模型尚未掌握完整的“社会物理学”（Social Physics）。现有的开源大模型主要基于互联网公开数据进行训练，这些数据本质上是自我暴露的态度数据（Self-exposed Attitudinal Data），夹杂着少量行为数据。模型擅长理解人们“在网上说什么”，却难以捕捉人们在现实生活中实际做什么的深层行为模式。这种未被充分捕获的行为本质，被称为人类认知的“黑暗知识”（Dark Knowledge）。
"The models were trained on the web data... fundamentally self-exposed attitudinal data with some behavioral data that sprinkle around here and there. And it has yet to learn really deep behavioral nature of people... Not just what people say they do online, but what they actually do in real life."
Simile AI的核心论点正是基于此：要解决这一问题，需要构建行为基础模型（Behavior Foundation Model）。这需要引入三类关键数据：首先是定性访谈数据（Qualitative Interview Data），这类丰富的质性资料能揭示行为背后的动机和语境；其次是真实世界的环境数据，用于校准模型对物理和社会规则的理解；最后是长期行为追踪数据。只有通过将这些深层、非公开的行为模式纳入模型训练，才能填补现有LLM在社会互动模拟中的巨大空白。
生命叙事：挖掘模型的情感纹理与深度
构建高保真数字人类的第一步，是获取能够反映个体深层心理结构的生命叙事数据。这不仅仅是简单的问答，而是要求参与者深入讲述“你的人生故事”。通过这种深度的定性访谈，研究者能够捕捉到诸如童年记忆、创伤经历或初恋体验等难以预测的细节。这些长尾信息为模型提供了丰富的“纹理”，使其不再是一个扁平的统计实体，而是一个具有情感厚度的个体。正如访谈中提到的：“通过了解关于人们这段漫长的故事信息，你实际上能获得围绕该模型的许多纹理。”这种对个体历史背景的深刻理解，是构建具备真实感数字人的基础前提。
行为数据三分法：从观测到因果机制
在获取了基础叙事后，Joon Sung Park 将行为数据划分为三个层级。第一层是观测性数据（Observational Data），包括交易记录或网络抓取的数据。这类数据的价值在于提供人们行为的基础统计数据。第二层是定性访谈中隐含的决策逻辑，而第三层也是他个人认为最重要的一类数据，即描述因果机制的数据。这类数据通常来源于随机对照试验（RCTs）。例如，通过对比“喝咖啡的日子”与“不喝咖啡的日子”，观察行为是否发生变化。这种数据揭示了变量之间的因果联系（Cause and Mechanism），而非仅仅是相关性。
决策者的核心需求：塑造未来而非预测未来
为什么因果机制数据如此关键？因为大多数商业决策者的核心诉求并非单纯地预测未来。如果仅仅告诉销售团队“下个季度销售额将暴跌”，这毫无帮助，他们只会感到沮丧。决策者真正想知道的是：“我们现在需要做什么来避免这种未来？”这就是塑造未来的能力。世界是唯一的“地面真值”，且只发生一次，因此在现实世界中很难找到完全控制变量、仅改变单一因素的实验环境。然而，在模拟环境中构建这种因果机制数据至关重要，因为它能揭示行为背后的驱动逻辑。正如 Park 所言：“人们感兴趣模拟的原因通常不是想预测未来……他们想知道的是如何塑造未来。”
实验设计：通过真实利益驱动行为采集
获取此类高价值因果数据极具挑战，因为人们甚至很少记录自己的健康或习惯。Simile AI 通过运行大量的随机对照试验（RCTs）来解决这一问题，但关键在于如何确保数据的真实性。Park 强调，区分“态度数据”与“行为数据”的核心在于决策的利害关系（Stakes）。如果实验中的选择没有真实后果，它只是态度表达；只有当参与者面临真实的得失时，才会产生真正的行为数据。团队借鉴社会科学和心理学的实验技术，例如在模拟在线商店中，参与者购买的商品会实际配送到家。这种真实的风险投入确保了实验环境的生态效度。
定制化建模流程：从人群定义到环境查询
在实际业务场景中，客户通常希望更好地理解其目标特定人口群体。流程始于明确建模对象：可能是全美的消费品受众，也可能是更细分的“居住在加州、年龄在20-30岁的人群”。Simile AI 会针对这些特定人群进行招募、获取同意并提供激励，收集数据后构建专属模型。客户可以通过产品界面输入过滤器描述（Filter）来指定对话人群，并设定不同的“环境”。这些环境可以是调查问卷、行为实验或A/B测试。核心用例包括概念测试（Concept Testing），甚至扩展到模拟上市公司的财报电话会议。这种定制化的建模方式允许企业在虚拟环境中低成本、高效率地验证策略。
数据获取的挑战与 consent（知情同意）机制
在数据采集过程中，知情同意（Consent）是基石。参与者被邀请加入社区，不仅是为了分享数据，也是为了让自己以不同形式代表自身。团队将参与者带入实验室或虚拟实验室，设计涉及真实行为决策的实验。这种模式依赖于参与者的信任与合作。Park 指出：“我们非常关心同意过程……邀请他们成为社区成员，既分享数据也让自己以不同形式被代表。”通过与企业合作以及利用客户现有的用户行为数据，Simile AI 能够更深入地理解不同平台上的用户行为模式。这种结合定性叙事、定量观测与因果实验的数据三角验证，构成了其数字人类模拟的核心竞争力。
核心观点总结：数据层级与价值映射
为了清晰展示不同数据类型在数字人类建模中的角色，以下是关键数据类型的对比总结：
| 数据类型 | 来源示例 | 核心价值/用途 | 获取难度 | 关键特征 |
|---|---|---|---|---|
| 生命叙事 (Life Story) | 深度访谈、自传式问答 | 提供情感纹理，理解童年/创伤等深层背景 | 中 (依赖访谈技巧) | 定性、长尾信息、高个性化 |
| 观测数据 (Observational) | 交易记录、网络爬虫抓取 | 提供行为的基础统计分布和频率 | 低 (数据量大) | 定量、基础统计、相关性 |
| 因果机制数据 (Causal/Mechanism) | 随机对照试验 (RCTs)、A/B测试 | 塑造未来，揭示变量间的因果驱动逻辑 | 高 (需控制实验环境) | 定量+定性、真实利害关系、因果性 |
通过整合这三类数据，Simile AI 能够构建出不仅“像”人，而且能解释“为什么”如此行动的数字孪生体。
概念测试与政治领域的战略考量
Simile AI 的核心应用场景之一是概念测试（Concept Testing），这本质上是一种市场营销练习。企业通过不同的信息传递、产品形态或创意理念进行测试，以评估市场反应。虽然目前 Simile AI 尚未深入涉足政治领域，但公司与盖洛普（Gallup）建立了战略合作伙伴关系，后者在政策空间有着深厚积累。尽管存在潜在需求，Simile AI 对进入政治市场持极度谨慎态度。技术采纳的社会影响是公司必须深思熟虑的问题，特别是在政治这种高度敏感的领域。在全面服务此类市场之前，公司需要建立足够的护栏（Guard Rails）和视角，以确保技术的负责任使用。
"We are very much mindful of how this technology gets adopted and the societal impact that we'll end up having with this technology."
这种谨慎源于对技术双刃剑效应的认知。政治决策往往涉及复杂的公众情绪和伦理边界，简单的数据模拟可能无法涵盖所有社会变量。因此，Simile AI 选择先在其他领域打磨技术成熟度与伦理框架，而非急于进入政治模拟这一高风险区域。这种策略体现了公司对技术伦理优先于商业扩张的承诺，旨在避免潜在的社会负面后果。
从《白宫风云》看反事实模拟的价值
为了说明传统民意调查的局限性，Joon Sung Park 引用了美剧《白宫风云》（The West Wing）中的经典情节。剧中，患有肌萎缩侧索硬化症（MS）的总统需要决定是否公开病情。团队通过模拟选举一位假州长进行民意测验，以预测公众反应。这种反事实（Counterfactual）场景正是仿真技术的理想用武之地。在剧中，尽管民意测验结果糟糕，总统仍决定公开病情，部分原因是戏剧冲突的需要。但在现实决策中，这种模拟能提供更精确的敏感度分析（Sensitivity Analysis）。
"I think those kind of counterfactual things I would actually use a simulation for this if I could trust it for sure."
在实际政治或商业决策中，关键不在于知道结果“不好”，而在于量化影响的幅度。例如，如果某项负面新闻导致支持率从 50% 降至 30%，与降至 20% 或 40% 相比，决策者需要不同的应对策略。仿真技术能够模拟不同情境下的具体数值变化，帮助决策者在不确定性中量化风险。这种对细节的把握是传统定性分析难以提供的，也是仿真技术在复杂决策中区别于简单预测的核心价值所在。
仿真的核心：路径规划而非单一结果
仿真与预测的根本区别在于，仿真展示的是达到特定结果的每一步路径。Joon Sung Park 以科幻经典《基地》（Foundation）中的“心理史学”为例，说明高级仿真的力量。在故事中，科学家预测银河帝国将崩溃并伴随三万年混乱，他们通过仿真寻找将混乱缩短至一千年的路径。仿真的第一步建议是将那些警告帝国崩溃的科学家流放到银河系的边缘星球“端点星”（Terminus）。这一建议看似反直觉且荒谬，因为将预警者流放似乎会削弱帝国的应对能力。
"The first step of that plan is to get the scientists who say, 'Okay, this is coming,' exiled into this random place..."
然而，仿真揭示了这一路径的必要性：只有将科学家移出权力中心，才能避免帝国因恐慌或政治斗争而加速崩溃。这体现了仿真的最高形式：它不回答“人们会怎么投票”，而是回答“为了达到目标，我们现在需要采取什么路径”。在商业场景中，例如汽车公司推广电动汽车（EV），仿真可能揭示出某种营销策略虽然能提升 EV 销量，却会损害品牌整体形象或其他产品线销售。这种非直觉的洞察是传统优化目标（如仅追踪 EV 销量）所无法捕捉的，仿真通过模拟系统内的连锁反应，提供了更全局最优解。
从态度到行为的范式转移：干预轨迹而非单一结果
在探讨生成式智能体（Generative Agents）的应用时，核心难点在于如何评估模拟的真实性与有效性。传统的 AI 评测往往关注最终的结果输出或短期的方向性判断，但 Simile AI 的研究重点在于行为层面的长期交互影响。正如对话中所指出的，关键不在于人们是否想知道某个特定结果（outcome），而在于如何改变达成该结果的途径和过程。这种视角的转换意味着，我们需要考察智能体在多次交互回合中如何影响用户的决策轨迹，特别是在购物等复杂场景中。这种对“干预措施”（interventions）的关注，要求模型不仅具备推理能力，更要能模拟人类在连续互动中的真实反应模式。
千人大规模实证研究：85% 的行为复现准确率
为了验证数字孪生模型的可靠性，Simile AI 团队发表了一篇题为《Generation Simulations of Thousand People》的论文。该研究构建了一个严谨的实验框架：首先，从美国人口中抽取具有代表性的1000名参与者进入虚拟实验室。团队在短短两小时内收集了广泛的数据，包括基于“美国声音项目”（American Voices Project）脚本的深度访谈数据以及各类行为数据。随后，研究人员利用这些数据创建对应的数字孪生体，并将真人参与者隔离两周。
在隔离期结束后，研究人员让真人和数字孪生体分别完成一系列复杂的心理与行为测试。这些测试包括大五人格测试（Big Five personality test）、一般社会调查（General Social Survey）、行为经济学游戏，以及发表在《美国国家科学院院刊》（PNAS）上的随机对照试验。最终结果显示，数字孪生体对源个体在这些研究和调查中行为的预测准确率达到了85%。这一数据表明，模拟模型能够以与人类自我复现行为相当的高精度来复制个人的态度和行为模式。这是该领域首个提供如此高验证结果的论文，证明了通过特定方法可以准确建模个体。
前沿大模型 vs. Simile AI：理性机器与“愚蠢”人类的差距
尽管像 GPT-4、Claude 等前沿大语言模型（Frontier Models）提供了强大的推理基础，但它们在模拟人类行为时存在显著缺陷。这些模型被设计为“超级理性的客观机器”，其训练数据多来自程序员、科学家等高认知群体，旨在优化逻辑推理能力。然而，Simile AI 的目标是创建“像我一样愚蠢”的模型——即能够复现人类常见的错误、偏见和非理性决策。这种差异导致了在行为预测任务上巨大的性能鸿沟。
下表展示了不同模型在不同人群和场景下的表现对比，突显了前沿通用大模型在模拟特定人类行为时的局限性：
| 模型类型 | 测试场景/人群特征 | 预测准确率表现 | 备注 |
|---|---|---|---|
| Simile AI 数字孪生 | 通用美国代表性人群（千人大样本） | 85% | 基于真实人类数据微调，复现行为与态度 |
| 前沿大语言模型 (Frontier LLMs) | 通用人群/标准测试集 | 20% - 30% | 在部分情况下表现极差，缺乏人类行为偏差 |
| 前沿大语言模型 (Frontier LLMs) | 利基市场/特定小众人群（Niche Population） | 50% - 60% | 在客户关心的特定领域表现仍不够稳健 |
正如 Joon Sung Park 所言：“这些模型（前沿LLM）并不考虑人们真正关心的态度和行为方面……它们试图成为超级理性的客观机器。”相比之下，Simile AI 致力于解决“VX悖论”（此处指代模拟人类非理性行为的难题），通过不同的数据源和训练目标，弥补了通用模型在行为模拟上的巨大缺口。如果无法将准确率提升至 85%，基于 AI 的决策支持将面临极大的风险，因为20%-30% 的错误率在商业和科研应用中是不可接受的。
应对可重复性危机：利用随机对照试验数据进行后训练
为了进一步提升模型的鲁棒性，Simile AI 推出了后续研究计划，重点在于利用随机对照试验（RCTs）的数据对模型进行后训练（Post-training）。这一举措的背景是社会科学领域面临的“可重复性危机”。过去五年中，科学家发现许多研究无法复现原有结果，部分原因在于发表偏差（Survival Bias）：只有 p 值小于 0.05 的研究才会被发表，这意味着即使结果显著，仍有5% 的概率是假阳性。更糟糕的是，大量未发表的研究（其中可能包含随机生成的无效结果）未被纳入考量。
Simile AI 利用 Open Science Foundation 平台上的数据，试图通过模拟这些完整的试验过程（包括未发表的结果）来训练模型。这种方法不仅关注显著结果，更关注行为背后的完整分布和噪声。通过这种方式，模型能够学习到更接近真实世界复杂性的行为模式，而不仅仅是理想化的理性决策路径。这种基于大规模 RCT 数据的后训练策略，旨在解决传统 AI 模型因缺乏对“失败”和“噪声”数据的理解而导致的模拟失真问题。
预注册实验平台：从随机偏差到科学置信度
在早期研究中，许多观察到的效应并非真实存在，而是由抽样偏差（Sampling Bias）导致的假象。为了解决这一科学诚信问题，研究人员开始采用预注册（Pre-registration）机制：在实验开始前，研究者必须在平台上明确记录数据收集范围、目标人群以及核心假设。这种机制的核心在于禁止事后修改假设（No Retroactive Hypothesis Changing），从而确保最终观察到的效应具有更高的统计置信度。这一流程催生了一个包含数万项真实世界实验的高质量平台，其中涵盖了大量专业设计的行为研究（Behavioral Studies）和**随机对照试验（Randomized Control Trials, RCTs）。
Simile AI 团队利用这些开放科学数据构建了一个关键论点：通过收集大量设计精良的随机对照试验，可以显著提升模型预测人类行为的能力。虽然该特定模型并非直接商业化产品，但其背后的数据集证明了结构化实验数据对提升行为预测精度的有效性。这种基于严谨科学方法的数据积累，为理解人类复杂决策提供了比传统观察数据更可靠的基准。
个体建模与群体建模的双轨策略
在模型架构层面，Simile AI 采用了双模型训练策略（Dual-Model Strategy）。团队同时训练两个独立的模型：一个是针对人口水平（Population Level）的宏观预测模型，另一个是针对个体水平（Individual Level）的微观测试模型。尽管两者接收的输入相似——即对子群体或个体的描述以及外部刺激（Stimuli）——但团队在报告中重点展示了个体层面的结果，因为针对个体的预测被视为更具挑战性的任务。这种设计允许团队在保持基础模型通用性的同时，通过微调捕捉个体差异。
关于是否需要为每个公司或用户单独调整模型的问题，团队指出其核心在于基础模型的泛化能力与后续微调的结合。通过区分宏观趋势与微观个体，模型能够更灵活地适应不同场景下的行为预测需求。这种分层建模方法避免了“一刀切”的局限性，使得模型既能把握社会整体行为模式，又能深入理解特定个体的独特决策逻辑。
人类行为的非理性本质与效率悖论
当前大模型在处理简单决策时往往陷入逻辑陷阱，例如当用户询问“距离洗车店步行5分钟还是开车10分钟”时，模型可能忽略车辆可用性而建议步行。然而，团队认为更深层的问题不在于模型无法解决简单问题，而在于模型未能捕捉人类特有的非理性行为特征（Non-rational Human Behaviors）。以演讲者从斯坦福大学回家的经历为例，尽管打车或公交更高效，但他选择步行40分钟。这并非出于效率考量，而是为了获得独立思考的时间（Thinking Time）和沉浸于研究灵感中。
"It would likely call an Uber or... give me the bus time. But for the longest time, I actually really liked walking back... That's very human activity."
这种非效率导向的活动（Non-efficiency-oriented Activities）是人类身份认同的重要组成部分。如果模型仅基于效用最大化原则进行预测，它将完全遗漏这类关键的人类行为特征。因此，Simile AI 的目标不仅是模拟理性决策，更要建模那些定义人类本质的非最优行为（Defining Human Behaviors）。这要求模型理解情感、认知需求和社会心理因素，而不仅仅是逻辑推演。
社交数据价值评估：Facebook vs. LinkedIn/Twitter
在数据来源的选择上，团队对比了不同社交平台的价值。虽然所有平台的数据都包含用户反馈信息（"No feedback is wrong because it teaches you something about your users"），但不同平台反映的人类状态截然不同。LinkedIn代表职业环境，用户处于“防御状态”，展示的是经过修饰的专业形象；Twitter则充满夸张的人设和极端观点，反映的是一种表演性身份。相比之下，团队认为Facebook 更接近人类的“默认状态（Default State）”。
"Facebook is one of those more private space where people just connect with their friends... it shows you a little bit more about who that person is."
Facebook 作为相对私密的社交空间，用户在此与朋友互动时较少伪装，因此能更真实地反映个人的背景、哲学和真实性格（Background, Philosophy, and True Personality）。虽然亚马逊等电商数据提供了宝贵的行为交易记录，但在捕捉“完整的人”这一维度上，Facebook 的社交互动数据被认为具有更高的信息密度和真实性。这种对基础人性状态（Base State of Humanity）的追求，指导了团队在数据获取上的优先级排序。
超越组合爆炸：从随机拼接到深度建模
针对“十亿人格”类研究中采用的交叉矩阵法（Cross-Matrix Approach）——即通过职业、背景等维度的笛卡尔积生成海量虚拟人格，团队持保留态度。这种方法虽然能产生大量样本，但缺乏对个体内在逻辑的深度建模，可能导致生成的行为模式流于表面或不符合实际心理机制。Simile AI 强调其工作建立在扎实的基础研究（Solid Groundwork）之上，而非简单的变量组合。
"They just sort of did like a cross matrix... That's your prompt for a billion people. Yeah, this will do something... but gets you some way."
团队认为，简单的组合爆炸只能获得部分近似结果（"gets you some way"），而真正的突破在于理解个体行为背后的因果机制和心理动因。通过整合预注册实验数据和深度社交洞察，Simile AI 旨在构建能够反映人类复杂性和非理性特征的数字孪生，而非仅仅生成统计上可能的行为序列。这种从浅层特征拼接（Shallow Feature Stitching）向深层机制建模（Deep Mechanism Modeling）的转变，是提升数字人类仿真精度的关键路径。
模拟规模与数据依赖的辩证关系
Joon Sung Park 对早期生成式智能体研究（Generative Agents）的评价聚焦于其规模宏大但依赖既定统计。该论文之所以引人注目，是因为它试图模拟大规模社会结构。其核心逻辑在于：如果模型训练数据中的人口统计分布准确无误（如美国5%从事建筑、5%从事医疗等），那么模拟就简化为从模型参数中检索已有知识。然而，Park 指出这种方法的局限性：真实的人类行为包含大量细微且利基的知识（niche knowledge），仅靠通用统计无法捕捉。因此，要真正理解人，必须进行定制化的数据收集（bespoke data collection）。
"If you believe that the underlying dataset and the platform... has all the right statistics then this actually will have solved it."
这一过程要求对日常生活细节保持高度的关注与尊重。Park 认为，正是这种深入理解人类复杂性的过程，使得模拟工作充满趣味且必要。单纯的参数检索无法替代对个体生活轨迹的深度挖掘，这也是当前模拟技术从"统计重现"向"行为预测"演进的关键痛点。
缩放定律在模拟中的初步显现
关于模型规模对模拟效果的影响，Simile AI 正在探索缩放定律（Scaling Law）在智能体模拟中的早期迹象。Park 透露，他们通过后训练（post-train）自有模型发现，随着摄入的人类数据量增加以及计算资源（compute）的提升，模型在模拟和预测人类行为方面的性能呈现出可预测的增益（predictive and predictable gains）。
"The more data about humans and more compute you ingest, you actually start to get predictive and predictable gains of the model performance in simulating and predicting people."
这一发现令人兴奋，因为它表明模拟能力并非线性增长后的突变，而是随着数据与算力的投入逐渐显现出缩放效应。尽管目前仍处于早期阶段（从几亿参数到万亿参数的演进中），但这种性能的可预测性提升为构建更大规模的模拟系统提供了理论信心。Park 强调，"当你找到缩放规律时，那是一件美好的事情（it's a beautiful thing）"。
从个体智能体到八亿数字孪生的愿景
模拟的终极野心不仅在于构建单个模型，而在于创建多智能体生态系统（multi-agent simulation）。Park 描绘了一个宏大的愿景：在5到10年内，构建一个包含地球上80亿人的模拟环境。在这个环境中，智能体不再是孤立的个体，而是生活在丰富环境（rich environment）中的社会成员。
"Can we actually create... a simulation of 8 billion people living on earth?"
一旦达到这种规模，模拟所能回答的社会问题将发生根本性转变。重点将从个体行为预测转向社会涌现行为的分析（emergence of emerging behavior）。这种大规模模拟被视为解决"棘手问题（wicked problems）"的关键工具，即那些涉及多方利益冲突、协调极其复杂的社会难题。Park 认为，这种级别的模拟不仅具有学术价值，更可能带来诺贝尔经济学奖级别的社会影响力。
从传统 ABM 到高保真生成式智能体
基于主体的建模（Agent-Based Models, ABM）在 20 世纪 80、90 年代及 21 世纪初曾产生深远影响，但随后因描述过于简化（如“红点与蓝点”）而被学术界边缘化。随着生成式 AI 特别是生成式智能体（Generative Agents）的兴起，这一领域迎来了复兴机遇。 现在的技术允许我们创建高保真度的智能体模型，从而支持极其复杂的决策制定。
"With the emergence of things like generative AI and in particular generative agents, we do have an opportunity to create these kind of agent based models that are high fidelity enough to help us make really complex decisions."
这种高保真度不仅体现在行为模拟上，更在于其能够捕捉人类社会的复杂动态。例如，新加坡 80% 的人口居住在公共住房中，政府通过强制执行种族配额来解决社会融合问题。这种基于真实社会物理学的模拟能力，使得企业和社会决策者能够在低风险环境下测试政策或商业策略的效果。 传统的 ABM 缺乏对个体心理和社交互动的细腻刻画，而生成式智能体填补了这一空白。
样本规模与数据重用的经济性
在模拟成本方面，目前行业通常从数千至数万人规模的建模起步，而非直接模拟全球人口。 Simile AI 每周收集数万人的数据规模，并通过合作伙伴关系触及全球数千万人。尽管用户常希望拥有更大的样本量以获取更强的统计保证，但核心痛点往往在于能否过滤出目标子群体（Sub-population），而非单纯的统计显著性。
| 模拟规模层级 | 典型应用场景/数据获取方式 | 核心价值主张 |
|---|---|---|
| 数千至数万人 | 每周收集数据，核心用例部署规模 | 覆盖目标子群体，提供有意义的洞察 |
| 数千万人 | 通过面板合作伙伴关系获取全球数据 | 扩大覆盖范围，增强多样性 |
| 数亿人/十亿级 | 未来愿景（需算力大幅扩展） | 解决气候变化等全球性复杂问题 |
此外，智能体具有领域无关性（Domain Agnostic），一旦建立即可在后续研究中复用。 虽然诸如“上周去 CVS 的次数”等短期行为会变化，但风险偏好（Risk Tolerance）等核心人格特质具有高度一致性。 因此，构建一个包含关键不变特质的智能体档案库，可以大幅降低长期研究成本。
多智能体交互与算力成本的辩证观
关于模拟中智能体是否需要进行大规模相互对话，这取决于具体的应用场景。 在类似“Smallville”的多智能体模拟中，交互是核心；但在电子商务等单人决策场景中，直接对话可能并非必要。然而，用户决策往往受到周围人群行为和讨论的影响（社会物理学效应），因此间接的交互建模依然重要。
"Running these studies in reality is actually a lot more expensive... Running any study like this you got to have people do it. It's very expensive and sometimes not feasible..."
在成本辩论中，传统实地研究的人力招募和执行费用往往远超模拟本身的算力成本。 尽管多智能体交互可能带来组合爆炸式的计算开销，但通过模拟做出的决策若能为企业节省数亿甚至数十亿美元，其长期价值远超初期投入。 这种“以小博大”的成本效益分析是技术部署的关键逻辑。
未来愿景：社会级模拟与专用架构优化
展望未来十年，随着算力的普及和模拟野心的提升，社会级模拟的成本可能接近训练基础大模型的费用。 如果这种模拟能解决气候变化等紧迫问题，其社会价值将使其成为“必选项”。目前，Simile AI 已在全球最大型企业中部署技术，处理海量查询以同化人口数据。
| 关注维度 | 当前状态/策略 | 未来趋势 |
|---|---|---|
| 模型架构 | 研究阶段，尚未过度优化早期效率 | 针对百万级运行场景考虑稀疏模型 |
| 推理效率 | 持续优化，平衡性能与成本 | 应对大规模多智能体交互的计算需求 |
| 部署规模 | 大型企业核心用例，数万至数十万智能体 | 可能达到数据中心级别的模拟规模 |
虽然目前仍处于“能跑通即有效”的研究向工程转化阶段，但效率问题已被纳入核心考量。未来可能会针对多智能体交互场景开发专用的稀疏模型或优化推理架构，以应对数百万美元级别的模拟运行需求。 这种从通用大模型向专用高效推理架构的演进，将是实现大规模社会模拟的关键技术路径。
超越传统调研：多模态代理在财富前端的产品测试应用
Simile AI的客户案例展示了从传统问卷向行为实验的范式转移。以 Wealthfront 为例，该公司是首批要求超越单纯意见收集的早期客户之一。核心突破在于多模态输入的推理能力，代理不仅能处理图像数据，还能在 Figma 原型或真实网站 URL 上进行自主遍历和操作。这种能力使得产品测试不再依赖用户的主观描述，而是通过模拟真实用户在界面上的交互行为来验证功能。
"We had to reason about multimodal input... agents traversing through Figma mockups or websites."
这种技术路径解决了传统用户调研中“人不可得”的痛点。对于需要回答大量问卷的场景，普通消费者既无时间也无意愿配合。代理模拟确保了在决策房间中始终代表用户的声音，让利益相关者在产品发布前就能通过大规模模拟获得反馈。这种从“询问想法”到“观察行为”的转变，是 Simile AI 区别于传统市场调研工具的关键特征。
市场定位：从百亿级调研到人类决策的基础设施
关于市场规模，Simile AI 创始人指出传统市场调研行业规模约为1000亿美元。然而，将 Simile AI 仅定位为市场研究工具是狭隘的。模拟技术本质上是“人类决策”的工具，旨在为所有涉及人的商业和社会决策提供信息支持。因此，其潜在总可寻址市场（TAM）难以用传统行业数据衡量，因为它渗透到了每一个需要理解人类行为的决策环节。
在商业价值验证上，Simile AI 展示了极高的效率优势。在与企业客户洽谈数百万美元合同时，创始人提供了明确的成本对比数据：
| 维度 | 传统人类调研/面板 | Simile AI 模拟方案 |
|---|---|---|
| 成本结构 | 高（招募、激励、管理） | 低（算力与代理运行成本） |
| 时间周期 | 长数周至数月 | 极短（小时/天级） |
| 数据相似度 | - | 85% 相似性（与人类行为一致） |
这种85%的相似度不仅证明了技术的有效性，也构成了强大的价值主张。创始人强调，虽然估值是独角兽创始人的考量之一，但驱动团队的核心动力在于社会影响力。如果模拟能真正改善人类决策并推动社会进步，商业成功将是随之而来的自然结果。
行业阶段与终极愿景：AGI叙事中的模拟产业
Simile AI 创始人将当前的模拟行业比作 AGI（通用人工智能）发展史上的 GPT-3.5 或 GPT-4 阶段。技术已强大到足以对垂直领域造成实质性影响，但仍有大量进步空间。未来几年，数据质量和算法突破将推动更激进的扩展（Scaling）。
从哲学和社会学角度看，模拟技术不仅具有实用性，更引发了关于人类社会的深刻思考。创始人回顾其艺术背景（曾是职业画家），指出模拟技术允许我们在不消耗真实人类精力的情况下，大规模地代表人性。这种能力使得组织能够在资源有限的约束下，依然保持对用户需求的敏锐洞察。尽管无法精确预测最终形态（如是否用于模拟气候变化解决方案），但当前阶段的核心任务是将人类决策从稀缺的人类注意力中解放出来，通过数字孪生实现规模化的人性理解。
"Simulation is a tool for human decision-making... informing every decisions that are made about humans."
这种愿景超越了工具层面，指向一种以数据驱动的人类行为理解基础设施。创始人认为，只要模拟能真实反映人性并辅助决策，其商业潜力和社会价值将是巨大的。
艺术隐喻：从写实绘画到社会模拟的本质提取
Joon Sung Park拥有深厚的现实主义工作室训练背景，他将计算机模拟与绘画艺术进行了深刻的类比。他认为最好的画作并非对 subjects 的完美复刻，而是通过揭示事物最核心的本质来传达深层信息。正如画作总有细微差异但能突出关键特征，社会模拟也是通过捕捉人类生活中最平凡、琐碎的侧面来反映个体与社会的深层结构。他提到自己曾对农村小镇居民日常生活的摄影研究，认为理解这些 mundane（平凡） aspect 能揭示社会的全貌。这种视角与毕加索等后现代艺术家追求“本质”的理念一致，即通过简化或聚焦来呈现真实。
"Simulation is a lot like painting... it tries to highlight the thing that matters the most about the subject."
Park 指出，模拟技术如同 AGI（通用人工智能）帮助人类理解智能一样，是一种探索人类社会和集体生活的练习。通过模拟最细微的人类行为互动，我们可以获得关于社会运作的深刻洞察。这种从微观个体到宏观社会的映射关系，构成了他研究方法论的核心哲学基础。模拟的价值不在于还原每一个细节，而在于提炼出驱动社会行为的关键变量。
十年愿景：用模拟替代昂贵的社会政策实验
在展望未来十年的影响力时，Park 强调自己是结果导向（impact-driven）的研究者。他最关心的问题是：十年后社会面临的最重要议题是什么？ 他以全民基本收入（UBI）为例，指出当前社会政策的验证成本极高。例如，Sam Altman 资助的一项关于 UBI 的非洲实地研究耗资1400万美元，耗时数年才得出一个结论。相比之下，如果拥有强大的模拟能力，可以瞬间运行无数次实验来验证不同政策场景下的社会反应。
| 研究类型 | 代表案例/项目 | 资金成本 | 时间周期 | 模拟替代潜力 |
|---|---|---|---|---|
| 实地社会实验 | Sam Altman UBI非洲研究 | $14,000,000 | 数年 (约5年) | 极高：可瞬间多次迭代 |
| 传统政策验证 | 住房/就业干预研究 | $40,000,000+ (估算) | 5年+ | 高：降低试错成本 |
| AI模拟推演 | Simile AI 数字孪生平台 | 边际成本极低 | 实时/分钟级 | 核心优势：大规模并行测试 |
Park 认为，人们往往花费巨资进行实地研究是为了验证直觉或获取确凿证据。然而，模拟技术能够以极低的边际成本提供这种确定性。他提到 Simile AI 的目标市场并非仅局限于当前的百亿规模，而是指向更广阔的数字孪生社会基础设施。通过模拟，决策者可以在虚拟环境中预演政策后果，从而避免现实世界中高昂且不可逆的社会实验代价。模拟将成为社会科学的“风洞”，让政策制定从经验主义转向数据驱动的可预测性。
哲学终章：模拟假设与现实体验的真实性
在最后的开放性问题中，主持人询问我们是否生活在模拟之中。Park 给出了一个数学概率上的肯定回答：考虑到宇宙中可能存在的文明数量，我们处于模拟中的可能性远大于非模拟。然而，他随即提出了一个关键的哲学观点：无论我们是否处于模拟中，我们的体验都是真实的。对他而言，这并不影响生活的意义。他幽默地表示，除非死亡后能“升级”到更高层级的模拟，否则无需担忧。这种观点将技术讨论从本体论焦虑转向了存在主义的价值确认。他强调，Simile AI 的使命不仅是构建技术，更是通过理解人类本质来增强我们对自身存在的认知。这种对“真实”的重新定义，为数字孪生技术赋予了人文主义的温度。技术的终极目标不是取代现实，而是通过模拟深化我们对现实的感知与理解。
"Whether we are in a simulation or not, I don't think that makes our experience any less real... it's real to us."
Park 总结道，科幻作品中两大支柱技术是 AGI 和数字孪生（Digital Twins）。Simile AI 正致力于构建这一未来，通过模拟人类行为来解锁社会运行的深层逻辑。这不仅是一场技术革命，更是一次对人类集体智慧和社会结构的深度解码过程。
Simile AI：半实验室半公司的独特定位与选址
Simile AI 是一家位于旧金山 Mission Rock 的公司，同时在纽约设有新开设的小型办公室。公司采用独特的混合模式，既像研究实验室又像产品公司。其核心愿景是持续开发具有潜在巨大影响力的模拟技术，同时确保该技术能立即产生现实世界的影响。 这种双重属性使得 Simile AI 在当前的 AI 生态中显得尤为独特，它不仅仅关注前沿研究，更致力于将研究成果部署给全球最大规模的客户。
"Today obviously there are AI neolabs and then there are AI product companies similarly truly is both."
这种结构允许公司聚集顶尖的研究人才和产品工程师，共同探索人类模拟（Simulating Humanity）的边界。团队试图通过技术帮助人们理解模拟能力的潜力，并据此做出真实的现实决策。这种从研究到产品的快速转化能力是 Simile AI 的核心竞争力之一，使其能够在保持学术严谨性的同时，快速响应市场需求。
创始团队：顶尖研究背景与商业互补的融合
Simile AI 由四位联合创始人创立，其中三位——Joon Sung Park、Michael Bernstein 和 Percy Liang（字幕中误识别为 Michael Percy，根据上下文及 AI 领域常识修正）——均为资深研究人员。Michael Bernstein 是 2013 年《AI Revolution》（即 ImageNet）的关键作者之一，也是人类中心 AI 领域的先驱。 Percy Liang 则创造了“基础模型（Foundation Model）”这一术语，是当今 AI 研究领域的领军人物。
与纯学术团队不同，联合创始人 Lanny（字幕中为 Pong Laney）作为商业合作伙伴，拥有将快速增长的 AI 原生公司从种子轮（Seed）推向 IPO 的成功经验。这种“研究+商业”的 DNA 使得团队既能仰望星空，又能脚踏实地。 团队成员中包含了大量来自 Joon Sung Park 实验室的前同事和同窗，他们曾在 Google Gemini、Anthropic（字幕中为 AAI）等顶级机构工作过。如今，这些顶尖人才回归 Simile AI，共同构建这一极具前瞻性的愿景。
团队规模与人才构成：实验室文化的延续
目前，Simile AI 的员工总数约为 60 人。其中有一个显著的特点是：公司近 15% 到 20% 的员工直接来自 Joon Sung Park 之前的实验室团队。 这种高度同质化的学术背景带来了极高的默契度和共同的技术语言，使得团队协作效率显著提升。 许多成员曾在 Google、Anthropic 等巨头公司任职，拥有丰富的工业界经验。
"We are right now about 60 or so people, 15% almost 20% of the company population actually are just my labmates from my person's lab."
除了研究人员，公司还拥有一支由优秀的工程师、产品经理和设计师组成的多元化团队。这些成员大多来自 Figma、Notion 以及 Harvey 等备受推崇的公司。这种跨领域的背景融合确保了技术不仅具有创新性，还具备极高的可用性和用户体验。团队正在共同努力，将复杂的模拟技术转化为直观、可操作的产品工具。
招聘策略：聚焦顶尖研究与工程人才
Simile AI 目前处于小规模扩张阶段，主要专注于引入顶级研究 talent。公司特别欢迎那些希望与 Joon Sung Park 实验室前同事合作的研究人员。同时，公司在工程岗位上的招聘标准极高，特别是产品侧和基础设施（infra）工程师。许多新入职的工程师来自 Figma、Notion 等公司，这些是团队高度 admired（钦佩）的企业。
"We are always excited to bring on amazing research talent... also we hire amazing engineers."
招聘重点在于寻找那些既有深厚技术背景，又能适应 Simile AI 独特文化的人才。这种对人才质量的极致追求反映了公司对技术落地的高度重视。通过聚集来自不同顶尖背景的人才，Simile AI 旨在构建一个既能推动技术边界，又能高效交付产品的强大团队。这种人才策略是公司实现其“模拟人类”宏大愿景的关键保障。