Simile：AI 能模拟 80 亿人吗？

⏰ 时效声明：本课内容整理自原文发布时（2026-08-16）的报道，融资与研究进展截至原文发布时。

以下来自 Turing Post 记者 Ksenia Se 的深度报道。主角 Simile 是一家 2026 年估值 20 亿美元的 AI 公司，终极目标听起来像科幻：模拟 80 亿人——整个，人类社会。

但报道开篇就泼了冷水：当前最强的证据窄得多。合成人群今天能做的，是帮企业筛想法、复现部分人类研究、决定"什么值得做真人实验"。80 亿是愿景，不是现状。

以下来自 Turing Post 报道，Simile 的技术路线是一条清晰的"规模化"之路：

2022 Social Simulacra：模拟 subreddit（论坛）里的群体行为。2023 Smallville：25 个 AI 小镇居民，有记忆、会反思、能计划、互相有社会关系——出自 Stanford 的论文《Generative Agents》。2025 千人研究：1,052 人，每人两小时访谈 + 问卷，用真实数据给 agent "grounding"（打地基）。2025 SocSci210：210 个实验、400,491 名参与者、290 万条回答的大数据集。2026 Simile：面向企业的模拟平台。

创始人 Joon Sung Park（Stanford，导师 Percy Liang、Michael Bernstein）的比喻："研究是广度优先搜索，公司是深度优先搜索。"——先把面铺开，再选一条路扎深。

以下来自 Turing Post 报道，这节专门拆一个容易误解的数字。报道提到"85% 准确"级别的 claim，它的真实含义是：

用访谈 + 问卷做 grounding 的 agent，达到人类受访者"两周后重答自己问卷"时一致性的 86%。

翻译成人话：你今天填一份问卷，两周后再填一遍，你自己两次的答案也不是 100% 一致——大概 86% 一致。而 agent 模拟你，能达到这个水平的 86%。它不是"能预测 86% 的任意人类行为"。

记住这个拆法：以后看到"AI 模拟人类准确率 XX%"，先问——分母是什么。

以下来自 Turing Post 报道。SocSci210 是这条路线上的关键资产：210 个实验、400,491 名参与者、290 万条回答。

用它能做什么？拿一个 14B 的 Qwen 模型做微调，在"全新研究"上与人类分布的一致性：比 base 模型 +26%，比 GPT-4o +13%。

含义：模拟能力是可以被"训练"出来的——喂给模型足够多的人类行为数据，它在没见过的新研究上也能更像人。这是从"演示"到"产品"的关键一跃。

以下来自 Turing Post 报道，截至原文发布时：2026 年 2 月 A 轮 1 亿美元，5 个月后 B 轮超 2 亿美元，投后估值 20 亿美元，融资总额超 3 亿美元。

客户例：CVS Health、Gallup 在用（原文付费墙后的细节未展开，如实注明）。

投资人赌的是什么？不是"模拟 80 亿人"这个科幻目标，而是中间态的产品价值：企业每年花大钱做市场调研、用户访谈、A/B 测试——如果合成人群能先筛掉 80% 的烂想法，真人实验只做剩下的 20%，这就是一门大生意。

以下来自 Turing Post 报道。CEO 对长期目标的比喻："人类社会的 CERN"——像欧洲核子研究中心那样，成为全人类共用的基础科学设施。

他举的例子：银行挤兑、气候合作、民主崩溃——这些没法做真人实验的大问题，也许能在模拟里先做一遍。

但报道也给了冷静的数字：单个基础模拟未来可能耗资 1 亿美元、跑几个月。80 亿人模拟不是"明年上线"，而是"以十年为单位"的基础设施赌注。

与本专题第 13 课（Jev）呼应：Jev 是"让 AI 拍板"，Simile 是"模拟人类会怎么拍板"——一个管执行，一个管预测。