# Mirror Particle 正在构建人类行为的「世界模型」 | TechCrunch
Source: https://techcrunch.com/2026/10/06/mirror-particle-is-building-a-world-model-of-human-behavior/
承诺预测人类行为的初创公司，正迎来属于它们的高光时刻。过去一年里，Simile 在 20 亿美元估值下完成了 2 亿美元融资（https://techcrunch.com/2026/07/30/synthetic-user-startup-simile-raises-200m-at-2b-valuation-5-months-after-100m-series-a/）；Aaru 在 10 亿美元估值下融资 8800 万美元（https://techcrunch.com/2025/12/05/ai-synthetic-research-startup-aaru-raised-a-series-a-at-a-1b-headline-valuation/）；而由 Anthropic、xAI、Google 前员工创立的 AI 初创公司 Humans&，在 1 月以 44.8 亿美元估值宣布了一笔规模巨大的 4.8 亿美元种子轮（https://techcrunch.com/2026/01/20/humans-a-human-centric-ai-startup-founded-by-anthropic-xai-google-alums-raised-480m-seed-round/），并推出了 Persimmon（https://persimmon.humansand.ai/blog/）来建模人类行为。
当前的人类行为预测，很大程度上依赖于大语言模型（LLMs）——通过提示词或微调，让模型「扮演」目标人群。但成立两年、总部位于旧金山的 Mirror Particle（https://mirrorparticle.com/）认为，这条路在根本上就是错的。
「这就像拿着一把滋水枪站在尼亚加拉大瀑布面前。」Mirror Particle 的联合创始人兼 CEO Abhivyakti Ahuja 说。该公司为品牌方提供一套 AI 引擎，用于预测消费者行为及其背后的原因。「LLM 的训练用了数千亿个数据点。靠这么少量的数据去 [微调]，你究竟能多大程度上改变它的行为？它依然困在过去里。」
Ahuja 并不认为 LLM 看待世界的方式与人类相同。「LLM 建模的是书面语言，而人类是由视觉感知、空间推理和社会智能构成的。」她说，依赖它们，就意味着得出的洞察建立在人类*没有*注意到的事物之上——而在预测人类行为时，这完全偏离了重点。
Mirror Particle 选择了另一条路径：构建一个基础模型，用 Ahuja 的话说，一个从零开始构建的「世界模型」，用来模拟人类为何会做出某些行为，以及人类行为如何随时间推移而演变。
「我们不想刻画一个静止的人，」Ahuja 说，「我们要刻画一个正在变化的人。这意味着要捕捉纵向数据：人们在如何变化，是什么触发因素在改变他们，以及改变的程度有多深。」她补充道，如果人们并没有变化，「那本身也是一个信号。」
Mirror Particle 已经完成了一轮天使融资，并表示即将敲定其首笔风险投资。该公司下周还将参加 TechCrunch 的知名创业大赛 Startup Battlefield 200（https://techcrunch.com/startup-battlefield/）——该赛事将于 10 月 13 日至 15 日在旧金山举行的 TechCrunch Disrupt 2026（https://techcrunch.com/events/techcrunch-disrupt/?utm_source=tc&utm_medium=post&utm_campaign=disrupt2026&utm_content=sb200&promo=post_sb200judges_10052026&display=）上举办。
这家初创公司依赖一套专有数据的组合来建模某个特定人群——数据来源包括客户自身的数据、时事、流行文化、社交媒体等。它把目标人群视为一个随时间推移而不断演化的系统，并追踪其中的动机如何在一次次体验中发生偏移。其工作重心很大程度上放在「可观察行为」上——即人们实际做了什么，而非自我报告的问卷答案。
和竞争对手一样，Mirror Particle 的初期市场策略，瞄准的是这些洞察本来就有预算的地方：市场调研，以及品牌与产品策略。例如，Mirror 不仅能帮助某个美妆品牌写出更能打动 Z 世代的广告文案，还能判断这一人群是否真的想要那款产品。
「如果 [目标人群] 根本不想要眼影盘呢？」Ahuja 说，「如果你要把产品卖给这个市场，也许腮红才是更好的切入点。」
Mirror Particle 的预测引擎还会向客户揭示当前或未来行为背后的「为什么」——那些足以支撑其推荐建议的动机、限制条件和额外背景，帮助品牌方做出更明智的决策。
在早期的一次试点项目中，一家知名的宠物食品品牌想知道，包装上该放什么样的图片才能提升销量：鸡肉？牛肉？蔬菜？Mirror 的技术发现，这个品牌问错了问题。图片并不重要。真正的问题在于，这个品牌知名度太高，以至于被视作大众化、廉价的代名词；在解决这一认知问题之前，销量注定会陷入停滞。
「我们看待模型演进的方式，就像婴儿认知世界的过程，」Ahuja 说，并指出婴儿的学习路径是从视觉开始，再到语言，然后是身体感知，最后是社会智能。
这种对「建模人脑」的根本性兴趣，源于 Ahuja 攻读神经科学与计算机科学的学术背景。她来自印度，最终在多伦多大学求学——在那里，她深受 AI 先驱 Geoffrey Hinton 在神经网络领域贡献的启发。
求学结束后，Ahuja 进入了 Amazon Robotics，从事制造机器人的机器人研发。也正是在那里，她结识了联合创始人 Will Song 和 Thomson Yen。Song 在职业生涯中花了大量时间构建销售个性化引擎，而 Yen 则专注于利用深度学习，研究 AI 智能体如何理解人类行为。
这家初创公司的长期愿景，是成为「预判人类行为的通用层」，并从更宏观的群体层面分析，逐步走向个人层面的洞察。
「如果我们要与 AI 协作、也要彼此协作，我们就需要一个更好的人类模型。」Ahuja 说。
下周，欢迎在旧金山市中心的 Disrupt 大会上（https://techcrunch.com/events/techcrunch-disrupt/?utm_source=tc&utm_medium=post&utm_campaign=disrupt2026&utm_content=ticketsales&promo=post_sb200inclusion&display=），了解 Mirror Particle 以及众多经过 TechCrunch 编辑团队甄选的创新初创公司。今年 Startup Battlefield 的冠军，将由我们特邀的 VC 评审团于 10 月 15 日（周四）下午揭晓。
*当你通过文章中的链接进行购买时，我们可能会获得一小笔佣金（https://techcrunch.com/techcrunch-affiliate-monetization-standards/）。这不会影响我们编辑工作的独立性。*
Rebecca Bellan 是 TechCrunch 的资深记者，报道塑造人工智能格局的商业、政策与新兴趋势。她的作品还曾发表于《Forbes》、《Bloomberg》、《The Atlantic》、《The Daily Beast》等媒体。
你可以通过电子邮件 [
[email protected]](mailto:
[email protected])，或通过 Signal 加密消息账号 rebeccabellan.491 联系或验证来自 Rebecca 的信息。
查看作者简介 (https://techcrunch.com/author/rebecca-bellan/)