1亿美元A轮！李飞飞、Karpathy下重注：这家公司要用AI"复制"全人类

你有没有想过一个问题：为什么飞行员不用真实乘客来训练，外科医生不在真人身上练手，演员不对着真实观众彩排，但那些影响数百万人生活的重大决策，却总是直接推向现实世界？一个新产品能否成功、一项政策是否有效、一次企业战略调整会带来什么后果，这些决定往往只能依靠直觉、经验和运气。我一直觉得这种做法风险太大，代价也太高。如果我们能在真正执行之前，先在虚拟世界里模拟一遍结果，会怎么样？如果每个人都能预见自己决策的影响，在触发原因之前就能看到效果，整个社会的决策质量会不会提升一个数量级？

这个看似科幻的想法，正在被一家名为Simile的公司变成现实。他们刚刚完成了1亿美元的A轮融资，由Index Ventures领投，Hanabi、A星、Bain Capital Ventures参与投资，连人工智能领域的传奇人物Andrej Karpathy、Fei-Fei Li、Adam D'Angelo等都加入了投资行列。这家公司做的事情听起来有点疯狂：他们构建了全球第一个基于真实人类的AI社会模拟系统，用生成式AI agents来预测人类在任何情况下的行为。这不是简单的数据分析或者市场调研，而是真正意义上的"数字孪生社会"。

当我深入了解Simile的技术和应用案例后，我意识到这可能是我见过的最具变革性的AI应用之一。它不是在优化某个具体任务，而是在重新定义人类如何做决策。这家从斯坦福大学孵化出来的公司，在过去七个月里一直处于隐身模式，专注于开发一个能够预测人类行为的AI模型。他们的方法很独特：对数百名真实人类进行深度访谈，收集他们的生活细节、决策模式和价值观，同时输入历史交易数据和行为科学实验文献。这些数据被用来训练AI agents，每个agent都代表一个真实人类的数字孪生体。

从理论到现实：Simile的技术突破

我一直认为，真正的技术突破不在于发明全新的概念,而在于把看似不可能的想法变成可行的现实。Simile的创始团队在这方面有着无与伦比的优势。CEO Joon Park本人就是一个很有意思的人物，他原本是一位油画家，后来转型成为创业者。Index Ventures的合伙人Shardul Shah在投资博客中描述他"拥有天才般的能力，能够舒适地处理各种矛盾：极具创造力却又能可靠地执行；有着天高的野心却脚踏实地；竞争意识强烈却又充满人性和同理心"。这种独特的气质在创始团队的其他成员身上也有体现。

联合创始人Michael Bernstein、Percy Liang和Lainie Yallen都有着深厚的学术背景。特别值得一提的是Michael Bernstein，他是ImageNet项目的共同作者，这个项目为计算机视觉技术设立了基准，对整个AI领域产生了深远影响。更重要的是，这个团队引入了生成式agents的原始概念，创造了丰富的agent模拟系统，甚至"foundation model"（基础模型）这个术语都是他们提出的。可以说，他们不仅在技术层面有深厚积累，更在概念框架层面塑造了整个AI agent领域的发展方向。

但真正让我感到震撼的，是他们如何将这些理论转化为实际应用。Simile的核心技术是与真实人类合作，构建每个人生活和决策方式的高保真模型。这些数字孪生体被精心编排，用来回答"真实的人会做什么，以及为什么这样做"。听起来简单，但实现起来极其复杂。要准确模拟一个人的行为，你需要理解他们的价值观、文化背景、过往经历、情感状态，甚至是那些他们自己都没有意识到的潜在偏好。传统的AI只能根据历史数据做统计预测，但Simile的AI agents能够理解人类决策背后的深层动机和情境因素。

从技术架构来看，Simile正在开发一个能够预测任何情况下、任何规模的人类行为的基础模型。这个野心听起来有点吓人，但他们已经有了初步成果。在一次真实的财报电话会议案例中，Simile成功预测了10个问题中的8个。CEO Joon Park在接受彭博电视采访时说："Simile是前沿研究人员与优秀产品和工程人才的真正结合。"这种研究与应用的结合，正是Simile的核心竞争力。

从焦点小组到数字孪生：应用场景的革命

我最感兴趣的是Simile如何在实际商业场景中发挥作用。传统上，企业想要了解消费者偏好，通常会组织焦点小组访谈。但这种方法有很多局限性：样本量小、成本高、耗时长，而且参与者的反馈往往受到社会期望偏差的影响。更关键的是，焦点小组只能告诉你人们"说"他们会做什么，而不是他们"实际上"会做什么。

Simile提供了一个全新的选择。以CVS为例，这家美国知名连锁药店已经使用Simile的模型长达五个月，用AI agents来代表真实客户，取代传统的人工焦点小组。通过这些数字孪生体，CVS能够测试哪些商品应该备货、哪些商品应该放在显眼位置，甚至能预测不同陈列方式对销售的影响。这种方法不仅更快更便宜，而且能够进行大规模的情景模拟。你可以测试一千种不同的陈列组合，在虚拟环境中找出最优方案，然后再在现实中实施。这种能力对零售行业来说简直是颠覆性的。

但应用远不止于零售。Simile的客户正在用这个平台做各种各样的事情：预演财报电话会议、模拟诉讼结果、测试政策变化。想象一下，如果你是一家上市公司的CEO，即将面对季度财报电话会议。分析师会问什么问题？投资者会关注哪些指标？你的回答会引发什么反应？传统上，公司会依靠经验丰富的投资者关系团队来准备，但再有经验的团队也无法预见所有可能的问题。而Simile可以模拟出数百个可能的场景，让你在真正面对分析师之前就做好充分准备。

对于诉讼来说，这种能力更加宝贵。律师可以模拟陪审团的反应，测试不同的辩护策略，甚至预测法官可能的判决倾向。这不是在玩弄法律，而是在更好地理解人类决策的复杂性。毕竟，法庭上的判决不仅基于法律条文，还受到陪审员的价值观、情感反应和认知偏见的影响。如果你能提前了解这些因素如何相互作用，你就能制定更有效的策略。

政策制定者也能从中受益。一项新政策推出前，能否先在虚拟社会中测试一下？不同人群会有什么反应？会不会产生意想不到的副作用？这些问题在现实世界中只能靠实际执行来回答，但有了Simile，我们可以在虚拟环境中反复测试和优化，大大降低政策失败的风险。

市场需求的爆发：为什么是现在

我在观察科技行业这么多年，很少看到一家公司能在刚刚走出隐身模式时就获得如此强烈的市场响应。Index Ventures的合伙人Shardul Shah在投资声明中说，他"自从Wiz早期以来就没有经历过这种程度的市场拉力"。Wiz是一家网络安全独角兽，曾创下最快达到10亿美元估值的纪录。当全球最大的公司，跨越不同行业和地域，都表达出同样的痛点和相似的需求时，这种市场拉力是不可否认的。

我认为这种需求爆发背后有几个深层原因。商业环境的复杂性正在指数级增长。全球化、数字化、社交媒体的兴起，让消费者行为变得越来越难以预测。一个小小的社交媒体事件可能在几小时内演变成全球性危机。一个看似无害的产品决策可能因为文化差异而引发巨大争议。在这种环境下，依靠直觉和经验做决策的风险越来越高。

同时，AI技术的成熟让这种模拟成为可能。大语言模型的突破不仅在于它们能够生成流畅的文本，更在于它们能够理解上下文、捕捉细微差别、处理复杂的因果关系。这些能力正是构建高保真人类行为模型所必需的。没有这些技术基础，Simile的愿景只能停留在科幻小说的层面。

企业对确定性的渴求也在推动这种需求。在充满不确定性的世界里，能够提前预见决策后果的工具具有巨大价值。这不仅能够降低风险，还能够加快决策速度。当你知道一个策略在虚拟环境中已经测试过数千次，你就能更有信心地在现实中执行它。这种确定性在今天的商业环境中价值连城。

从投资者的反应也能看出市场的热度。除了Index Ventures、Bain Capital Ventures等顶级风投机构，AI领域的传奇人物Fei-Fei Li、Andrej Karpathy、Adam D'Angelo等都参与了投资。Fei-Fei Li作为ImageNet项目的另一位共同作者，她的背书意义重大。Andrej Karpathy曾是特斯拉的AI主管，现在是OpenAI的重要成员。这些人不会轻易投资，他们的参与说明Simile的技术确实具有突破性。

技术伦理：模拟的边界在哪里

当然，这种强大的技术也带来了深刻的伦理问题。我们应该在多大程度上依赖AI模拟来做决策？如果模拟结果与现实出现偏差，谁来承担责任？更重要的是，当企业或政府能够精确预测人类行为时，这种能力会不会被滥用？

我认为关键在于透明度和问责制。Simile的模型是基于真实人类的数据构建的，这意味着参与者必须知情并同意。他们的数据如何被使用？谁能访问这些数字孪生体？这些问题需要明确的规则和严格的监管。好在Simile团队似乎意识到了这些问题。他们强调与真实人类"合作"构建模型，而不是单方面收集数据。这种合作关系建立在信任和透明的基础上。

另一个重要问题是模拟的准确性。再先进的AI也无法完美预测人类行为，因为人类本身就是复杂、多变、有时甚至是不理性的。Simile在财报电话会议案例中预测对了8个问题中的8个，这确实很厉害，但也意味着还有2个问题没有预测到。如果企业过度依赖模拟结果，忽视了那些无法预测的因素，可能会导致新的风险。

我的看法是，AI模拟应该被视为决策辅助工具，而不是决策替代品。它可以提供洞察、揭示盲点、测试假设，但最终的决策仍然应该由人类做出。人类的直觉、道德判断和创造力是AI无法替代的。Simile的价值在于扩展人类的认知能力，让我们能够看到更多可能性，做出更明智的选择，而不是让我们放弃自主判断。

还有一个更深层次的哲学问题：当我们模拟人类行为时，我们是在客观地预测，还是在某种程度上塑造现实？如果一家公司因为模拟结果而改变策略，那些被模拟的消费者的行为也会相应改变，这是否会形成一种自我实现的预言？这种反馈循环可能会让模拟变得越来越准确，但也可能导致社会行为的同质化，减少了人类行为的多样性和自发性。

我对AI模拟未来的思考

尽管有这些担忧,我依然对Simile代表的这个方向充满期待。人类历史上每一次重大进步，都伴随着新的工具和能力的出现。文字让我们能够跨越时空传递信息，印刷术让知识得以大规模传播，互联网让全球连接成为可能。AI模拟可能是下一个改变游戏规则的工具，让我们能够在行动之前预见后果，在犯错之前修正方向。

我特别看好Simile在教育和培训领域的潜力。想象一下，如果管理者能够在虚拟环境中练习困难的对话，比如裁员谈判或绩效反馈，会怎么样？如果政策制定者能够在模拟社会中测试不同的政策方案，学习如何平衡各方利益，会怎么样？这种基于模拟的学习可以大大降低现实中试错的成本，加速人类的学习曲线。

在科学研究领域，AI模拟也有巨大潜力。社会科学研究一直面临着实验伦理的限制，很多假设无法通过真实实验来验证。但在虚拟环境中，研究人员可以安全地测试各种假设，探索社会现象的因果机制。这可能会带来社会科学的一次飞跃，让我们对人类行为和社会动力学有更深入的理解。

从商业角度看，Simile代表的市场机会是巨大的。全球企业每年在市场研究、咨询服务、风险管理等方面花费数千亿美元，而这些领域都可以从AI模拟中受益。如果Simile能够提供更准确、更快速、更经济的解决方案，他们有可能颠覆整个商业决策咨询行业。1亿美元的估值听起来很高，但如果他们能够实现愿景，这可能只是个开始。

我也在想，随着这种技术的普及，决策质量的整体提升会给社会带来什么影响。如果企业能够更准确地预测消费者需求，资源配置会更有效率，浪费会减少。如果政府能够更好地理解政策影响，社会治理会更加精准，公共服务会更加贴近民众需求。从宏观层面看，这种决策质量的提升可能会推动整个社会向更加理性、更加高效的方向发展。

当然，这一切的前提是技术能够持续进步，伦理框架能够跟上技术发展的步伐。Simile现在还处于早期阶段，他们能否实现"模拟整个世界"的宏大愿景，还有待观察。但从他们已经取得的成果来看，这个方向是值得探索的。至少，他们已经证明了高保真人类行为模拟是可能的，剩下的只是规模和精度的问题。

最后，我想回到开头的那个问题：为什么那些影响数百万人的重大决策总是直接推向现实世界？也许不久的将来，这种情况会成为历史。就像飞行员在模拟器中训练、外科医生在虚拟病人上练习一样，企业领袖、政策制定者和各行各业的决策者都能在虚拟世界中预演他们的选择。这不会让决策变得完美，但至少能让我们少犯一些可以避免的错误。而在一个充满不确定性的世界里，这已经是巨大的进步了。

文章来自微信公众号 “ 深思圈 ”