在科幻作品描绘的先进文明中，科学进步通常依托两大支柱：通用人工智能（AGI）与模拟技术。Simile联合创始人兼首席执行官Joon Sung Park更倾向于后者。这家致力于构建“人类行为基础模型”的AI应用公司，近期已完成超过3亿美元融资，估值达到20亿美元。
Simile的核心业务是创建真实人物（如作家、消费者或特定群体）的数字孪生体，并模拟其在特定情境下的反应。据媒体报道，该模型在预测人类行为方面的准确率超过85%。对于企业而言，这一能力极具商业价值：CVS Health可利用数千个模拟患者测试新定价政策，银行可在调整费用前预判客户反应，从而在决策前获得低成本的试错空间。
从斯坦福实验室到20亿美元估值
Simile的技术雏形源于2023年Joon Sung Park在斯坦福大学攻读博士期间发表的一篇论文。当时，他将25个AI代理置于一个虚拟小镇中，观察其互动行为，包括举办情人节派对等社交活动。这一实验验证了生成式AI在模拟人类行为方面的潜力。
此后，Simile将这一概念商业化。公司通过与盖洛普（Gallup）等知名调研机构建立战略合作，获取全球约3000万至4000万真实人类受试者的数据支持。Simile并不完全依赖公开数据，而是通过每人为时15至30分钟的深度访谈及行为数据收集，构建高保真的个人数字孪生体。Joon Sung Park表示，这种“情感严谨性”的数据采集方式，使得模型能够捕捉到个体深层的行为动机，而不仅仅是表面言论。
逆向工作：解决“棘手问题”
Simile的野心不止于市场调研。Joon Sung Park深受阿西莫夫《基地》系列中“心理史学”概念的启发，主张采用“逆向工作”的思维模式。与传统预测不同，Simile旨在通过模拟海量可能的未来路径，帮助用户找到通往特定目标（如缓解气候变化、维持社会稳定）的最佳策略。
这种模拟技术试图解决社会学家所称的“棘手问题”（Wicked Problems），即涉及多方利益冲突、因果复杂的系统性难题。通过构建多代理模拟环境，Simile能够揭示个体互动中产生的涌现现象，帮助决策者理解政策或战略可能引发的连锁反应。
信任与可解释性
在推广过程中，Simile面临的最大挑战是客户对模拟结果的信任。为此，公司采取了类似网络安全行业的透明化策略：明确展示数据来源、处理逻辑及模型的置信度。Simile内部训练的预测准确性模型，能够根据输入数据的质量和问题类型，实时评估预测的可信度，帮助用户校准依赖程度。
Joon Sung Park指出，当模拟技术变得普及，竞争优势将转向观点、专有数据和算力。尽管目前Simile主要服务于企业级的市场研究和政策模拟，但其终极愿景是构建一个能够代表全社会互动的模拟系统，为应对复杂的社会挑战提供全新的决策工具。