Mirror Particle构建人类行为世界模型

过去一年，人类行为预测成为 AI 创业领域最受关注的赛道之一。Simile 以 20 亿美元估值完成 2 亿美元融资；Aaru 以 10 亿美元估值完成 8800 万美元融资；Humans& 则在 1 月宣布了高达 4.8 亿美元的种子轮，估值 44.8 亿美元，并推出用于建模人类行为的产品 Persimmon。

目前这一领域的通行做法，是让大语言模型通过提示词或微调去角色扮演某个目标人群。但成立两年的旧金山初创公司 Mirror Particle 认为，这条路从根上就走不通。

“这就像拿着水枪去扑尼亚加拉瀑布。”Mirror Particle 联合创始人兼首席执行官 Abhivyakti Ahuja 说。该公司为品牌提供一套 AI 引擎，用于预测消费者行为以及行为背后的原因。“大语言模型是在几千亿个数据点上训练出来的，你用那么一点数据去微调，能改变它多少行为？它仍然停留在过去。”

在 Ahuja 看来，大语言模型并不像人类那样看世界。“大语言模型建模的是书面语言，而人是由视觉感知、空间推理和社交智能构成的。”她认为，依赖大语言模型意味着得到的洞察建立在人类根本不会注意到的信息之上，而这恰恰与预测人类行为的目标背道而驰。

Mirror Particle 选择了另一条路线：从零开始构建一个基础模型，用 Ahuja 的话说，是一个“世界模型”，用来模拟人类为什么做某件事，以及人类行为如何随时间变化。

“我们不想捕捉一个静止的人，”Ahuja 说，“我们要捕捉的是正在变化的人。这意味着要收集纵向数据，了解人们如何改变、什么触发了改变、改变到什么程度。”她还补充说，如果人们没有发生变化，“那同样是一种信号”。

融资方面，Mirror Particle 已经完成一轮天使融资，并表示即将完成第一轮风险投资。公司还将在下周参加 TechCrunch 知名的创业竞赛 Startup Battlefield 200，该赛事将在 10 月 13 日至 15 日于旧金山举行的 TechCrunch Disrupt 2026 上举办。

技术路径上，公司依赖一套专有的数据组合，包括客户的用户数据、时事、流行文化、社交媒体等，用以建模一个人群细分，把它视为一个随时间不断演化的系统，并追踪其动机如何在各种经历中发生偏移。公司关注的重点是“显露行为”，也就是人们实际做了什么，而不是调查问卷里的自我陈述。

与竞争对手类似，Mirror Particle 最初的商业化策略聚焦在原本就有预算的领域：市场研究、品牌与产品策略。举例来说，它可能帮助一个美妆品牌写出更能打动 Z 世代的广告文案，但更重要的是判断这个人群到底想不想要这款产品。“如果目标人群根本不想要眼影盘呢？”Ahuja 反问道。

从大语言模型到世界模型，人类行为预测这条赛道正在出现技术路线的分化。谁能更准确地刻画“变化中的人”，或许将决定下一阶段的竞争格局。