1億美元A輪！李飛飛、Karpathy下重注：這家公司要用AI"復制"全人類

你有沒有想過一個問題：為什么飛行員不用真實乘客來訓練，外科醫生不在真人身上練手，演員不對著真實觀眾彩排，但那些影響數百萬人生活的重大決策，卻總是直接推向現實世界？一個新產品能否成功、一項政策是否有效、一次企業戰略調整會帶來什么后果，這些決定往往只能依靠直覺、經驗和運氣。我一直覺得這種做法風險太大，代價也太高。如果我們能在真正執行之前，先在虛擬世界里模擬一遍結果，會怎么樣？如果每個人都能預見自己決策的影響，在觸發原因之前就能看到效果，整個社會的決策質量會不會提升一個數量級？

這個看似科幻的想法，正在被一家名為Simile的公司變成現實。他們剛剛完成了1億美元的A輪融資，由Index Ventures領投，Hanabi、A星、Bain Capital Ventures參與投資，連人工智能領域的傳奇人物Andrej Karpathy、Fei-Fei Li、Adam D'Angelo等都加入了投資行列。這家公司做的事情聽起來有點瘋狂：他們構建了全球第一個基于真實人類的AI社會模擬系統，用生成式AI agents來預測人類在任何情況下的行為。這不是簡單的數據分析或者市場調研，而是真正意義上的"數字孿生社會"。

當我深入了解Simile的技術和應用案例后，我意識到這可能是我見過的最具變革性的AI應用之一。它不是在優化某個具體任務，而是在重新定義人類如何做決策。這家從斯坦福大學孵化出來的公司，在過去七個月里一直處于隱身模式，專注于開發一個能夠預測人類行為的AI模型。他們的方法很獨特：對數百名真實人類進行深度訪談，收集他們的生活細節、決策模式和價值觀，同時輸入歷史交易數據和行為科學實驗文獻。這些數據被用來訓練AI agents，每個agent都代表一個真實人類的數字孿生體。

從理論到現實：Simile的技術突破

我一直認為，真正的技術突破不在于發明全新的概念,而在于把看似不可能的想法變成可行的現實。Simile的創始團隊在這方面有著無與倫比的優勢。CEO Joon Park本人就是一個很有意思的人物，他原本是一位油畫家，后來轉型成為創業者。Index Ventures的合伙人Shardul Shah在投資博客中描述他"擁有天才般的能力，能夠舒適地處理各種矛盾：極具創造力卻又能可靠地執行；有著天高的野心卻腳踏實地；競爭意識強烈卻又充滿人性和同理心"。這種獨特的氣質在創始團隊的其他成員身上也有體現。

聯合創始人Michael Bernstein、Percy Liang和Lainie Yallen都有著深厚的學術背景。特別值得一提的是Michael Bernstein，他是ImageNet項目的共同作者，這個項目為計算機視覺技術設立了基準，對整個AI領域產生了深遠影響。更重要的是，這個團隊引入了生成式agents的原始概念，創造了豐富的agent模擬系統，甚至"foundation model"（基礎模型）這個術語都是他們提出的。可以說，他們不僅在技術層面有深厚積累，更在概念框架層面塑造了整個AI agent領域的發展方向。

但真正讓我感到震撼的，是他們如何將這些理論轉化為實際應用。Simile的核心技術是與真實人類合作，構建每個人生活和決策方式的高保真模型。這些數字孿生體被精心編排，用來回答"真實的人會做什么，以及為什么這樣做"。聽起來簡單，但實現起來極其復雜。要準確模擬一個人的行為，你需要理解他們的價值觀、文化背景、過往經歷、情感狀態，甚至是那些他們自己都沒有意識到的潛在偏好。傳統的AI只能根據歷史數據做統計預測，但Simile的AI agents能夠理解人類決策背后的深層動機和情境因素。

從技術架構來看，Simile正在開發一個能夠預測任何情況下、任何規模的人類行為的基礎模型。這個野心聽起來有點嚇人，但他們已經有了初步成果。在一次真實的財報電話會議案例中，Simile成功預測了10個問題中的8個。CEO Joon Park在接受彭博電視采訪時說："Simile是前沿研究人員與優秀產品和工程人才的真正結合。"這種研究與應用的結合，正是Simile的核心競爭力。

從焦點小組到數字孿生：應用場景的革命

我最感興趣的是Simile如何在實際商業場景中發揮作用。傳統上，企業想要了解消費者偏好，通常會組織焦點小組訪談。但這種方法有很多局限性：樣本量小、成本高、耗時長，而且參與者的反饋往往受到社會期望偏差的影響。更關鍵的是，焦點小組只能告訴你人們"說"他們會做什么，而不是他們"實際上"會做什么。

Simile提供了一個全新的選擇。以CVS為例，這家美國知名連鎖藥店已經使用Simile的模型長達五個月，用AI agents來代表真實客戶，取代傳統的人工焦點小組。通過這些數字孿生體，CVS能夠測試哪些商品應該備貨、哪些商品應該放在顯眼位置，甚至能預測不同陳列方式對銷售的影響。這種方法不僅更快更便宜，而且能夠進行大規模的情景模擬。你可以測試一千種不同的陳列組合，在虛擬環境中找出最優方案，然后再在現實中實施。這種能力對零售行業來說簡直是顛覆性的。

但應用遠不止于零售。Simile的客戶正在用這個平臺做各種各樣的事情：預演財報電話會議、模擬訴訟結果、測試政策變化。想象一下，如果你是一家上市公司的CEO，即將面對季度財報電話會議。分析師會問什么問題？投資者會關注哪些指標？你的回答會引發什么反應？傳統上，公司會依靠經驗豐富的投資者關系團隊來準備，但再有經驗的團隊也無法預見所有可能的問題。而Simile可以模擬出數百個可能的場景，讓你在真正面對分析師之前就做好充分準備。

對于訴訟來說，這種能力更加寶貴。律師可以模擬陪審團的反應，測試不同的辯護策略，甚至預測法官可能的判決傾向。這不是在玩弄法律，而是在更好地理解人類決策的復雜性。畢竟，法庭上的判決不僅基于法律條文，還受到陪審員的價值觀、情感反應和認知偏見的影響。如果你能提前了解這些因素如何相互作用，你就能制定更有效的策略。

政策制定者也能從中受益。一項新政策推出前，能否先在虛擬社會中測試一下？不同人群會有什么反應？會不會產生意想不到的副作用？這些問題在現實世界中只能靠實際執行來回答，但有了Simile，我們可以在虛擬環境中反復測試和優化，大大降低政策失敗的風險。

市場需求的爆發：為什么是現在

我在觀察科技行業這么多年，很少看到一家公司能在剛剛走出隱身模式時就獲得如此強烈的市場響應。Index Ventures的合伙人Shardul Shah在投資聲明中說，他"自從Wiz早期以來就沒有經歷過這種程度的市場拉力"。Wiz是一家網絡安全獨角獸，曾創下最快達到10億美元估值的紀錄。當全球最大的公司，跨越不同行業和地域，都表達出同樣的痛點和相似的需求時，這種市場拉力是不可否認的。

我認為這種需求爆發背后有幾個深層原因。商業環境的復雜性正在指數級增長。全球化、數字化、社交媒體的興起，讓消費者行為變得越來越難以預測。一個小小的社交媒體事件可能在幾小時內演變成全球性危機。一個看似無害的產品決策可能因為文化差異而引發巨大爭議。在這種環境下，依靠直覺和經驗做決策的風險越來越高。

同時，AI技術的成熟讓這種模擬成為可能。大語言模型的突破不僅在于它們能夠生成流暢的文本，更在于它們能夠理解上下文、捕捉細微差別、處理復雜的因果關系。這些能力正是構建高保真人類行為模型所必需的。沒有這些技術基礎，Simile的愿景只能停留在科幻小說的層面。

企業對確定性的渴求也在推動這種需求。在充滿不確定性的世界里，能夠提前預見決策后果的工具具有巨大價值。這不僅能夠降低風險，還能夠加快決策速度。當你知道一個策略在虛擬環境中已經測試過數千次，你就能更有信心地在現實中執行它。這種確定性在今天的商業環境中價值連城。

從投資者的反應也能看出市場的熱度。除了Index Ventures、Bain Capital Ventures等頂級風投機構，AI領域的傳奇人物Fei-Fei Li、Andrej Karpathy、Adam D'Angelo等都參與了投資。Fei-Fei Li作為ImageNet項目的另一位共同作者，她的背書意義重大。Andrej Karpathy曾是特斯拉的AI主管，現在是OpenAI的重要成員。這些人不會輕易投資，他們的參與說明Simile的技術確實具有突破性。

技術倫理：模擬的邊界在哪里

當然，這種強大的技術也帶來了深刻的倫理問題。我們應該在多大程度上依賴AI模擬來做決策？如果模擬結果與現實出現偏差，誰來承擔責任？更重要的是，當企業或政府能夠精確預測人類行為時，這種能力會不會被濫用？

我認為關鍵在于透明度和問責制。Simile的模型是基于真實人類的數據構建的，這意味著參與者必須知情并同意。他們的數據如何被使用？誰能訪問這些數字孿生體？這些問題需要明確的規則和嚴格的監管。好在Simile團隊似乎意識到了這些問題。他們強調與真實人類"合作"構建模型，而不是單方面收集數據。這種合作關系建立在信任和透明的基礎上。

另一個重要問題是模擬的準確性。再先進的AI也無法完美預測人類行為，因為人類本身就是復雜、多變、有時甚至是不理性的。Simile在財報電話會議案例中預測對了8個問題中的8個，這確實很厲害，但也意味著還有2個問題沒有預測到。如果企業過度依賴模擬結果，忽視了那些無法預測的因素，可能會導致新的風險。

我的看法是，AI模擬應該被視為決策輔助工具，而不是決策替代品。它可以提供洞察、揭示盲點、測試假設，但最終的決策仍然應該由人類做出。人類的直覺、道德判斷和創造力是AI無法替代的。Simile的價值在于擴展人類的認知能力，讓我們能夠看到更多可能性，做出更明智的選擇，而不是讓我們放棄自主判斷。

還有一個更深層次的哲學問題：當我們模擬人類行為時，我們是在客觀地預測，還是在某種程度上塑造現實？如果一家公司因為模擬結果而改變策略，那些被模擬的消費者的行為也會相應改變，這是否會形成一種自我實現的預言？這種反饋循環可能會讓模擬變得越來越準確，但也可能導致社會行為的同質化，減少了人類行為的多樣性和自發性。

我對AI模擬未來的思考

盡管有這些擔憂,我依然對Simile代表的這個方向充滿期待。人類歷史上每一次重大進步，都伴隨著新的工具和能力的出現。文字讓我們能夠跨越時空傳遞信息，印刷術讓知識得以大規模傳播，互聯網讓全球連接成為可能。AI模擬可能是下一個改變游戲規則的工具，讓我們能夠在行動之前預見后果，在犯錯之前修正方向。

我特別看好Simile在教育和培訓領域的潛力。想象一下，如果管理者能夠在虛擬環境中練習困難的對話，比如裁員談判或績效反饋，會怎么樣？如果政策制定者能夠在模擬社會中測試不同的政策方案，學習如何平衡各方利益，會怎么樣？這種基于模擬的學習可以大大降低現實中試錯的成本，加速人類的學習曲線。

在科學研究領域，AI模擬也有巨大潛力。社會科學研究一直面臨著實驗倫理的限制，很多假設無法通過真實實驗來驗證。但在虛擬環境中，研究人員可以安全地測試各種假設，探索社會現象的因果機制。這可能會帶來社會科學的一次飛躍，讓我們對人類行為和社會動力學有更深入的理解。

從商業角度看，Simile代表的市場機會是巨大的。全球企業每年在市場研究、咨詢服務、風險管理等方面花費數千億美元，而這些領域都可以從AI模擬中受益。如果Simile能夠提供更準確、更快速、更經濟的解決方案，他們有可能顛覆整個商業決策咨詢行業。1億美元的估值聽起來很高，但如果他們能夠實現愿景，這可能只是個開始。

我也在想，隨著這種技術的普及，決策質量的整體提升會給社會帶來什么影響。如果企業能夠更準確地預測消費者需求，資源配置會更有效率，浪費會減少。如果政府能夠更好地理解政策影響，社會治理會更加精準，公共服務會更加貼近民眾需求。從宏觀層面看，這種決策質量的提升可能會推動整個社會向更加理性、更加高效的方向發展。

當然，這一切的前提是技術能夠持續進步，倫理框架能夠跟上技術發展的步伐。Simile現在還處于早期階段，他們能否實現"模擬整個世界"的宏大愿景，還有待觀察。但從他們已經取得的成果來看，這個方向是值得探索的。至少，他們已經證明了高保真人類行為模擬是可能的，剩下的只是規模和精度的問題。

最后，我想回到開頭的那個問題：為什么那些影響數百萬人的重大決策總是直接推向現實世界？也許不久的將來，這種情況會成為歷史。就像飛行員在模擬器中訓練、外科醫生在虛擬病人上練習一樣，企業領袖、政策制定者和各行各業的決策者都能在虛擬世界中預演他們的選擇。這不會讓決策變得完美，但至少能讓我們少犯一些可以避免的錯誤。而在一個充滿不確定性的世界里，這已經是巨大的進步了。

結尾

也歡迎大家留言討論，分享你的觀點！

覺得內容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產出更好的內容。

歡迎關注深思圈，一起探索更大的世界。