Mirror Particle 正在构建人类行为的“世界模型”

承诺预测人类行为的初创公司正迎来高光时刻。在过去一年中，Simile 筹集了 $200 million，估值为 $2 billion；Aaru 筹集了 $88 million，估值为 $1 billion；以及在 1 月份宣布以 $4.48 billion 估值完成巨额 $480 million 种子轮融资 的人工智能初创公司 Humans&，推出了 Persimmon 来模拟人类行为。

目前人类行为预测的现状严重依赖于大型语言模型 (LLMs)，这些模型通过提示或微调来扮演目标人群。但总部位于旧金山、成立两年的 Mirror Particle 认为这种方法从根本上是行不通的。

“这就像是带着一把超级浸泡者水枪去尼亚加拉大瀑布，”Mirror Particle 的联合创始人兼首席执行官 Abhivyakti Ahuja 说道，该公司为品牌提供一种预测消费者行为及其背后原因的人工智能引擎。“LLMs 已经在数千亿个数据点上进行了训练。通过这么少量的数据进行[微调]，你能对它的行为产生多大影响？它仍然停留在过去。”

Ahuja 不认为 LLMs 像人类一样观察世界。“LLMs 正在模拟书面语言，但人类是由视觉感知、空间推理、社交智能构成的。”她表示，依赖它们意味着获得的洞察是基于人类*没有*注意到的事情，这在试图预测人类行为时是抓不住重点的。

Mirror Particle 正在采取另一种方法：构建一个基础模型，或者正如 Ahuja 所描述的，一个从零开始构建的世界模型，模拟人类为什么会这样做，以及人类行为如何随时间变化。

“我们不想捕捉静态的人，”Ahuja 说。“我们想捕捉变化中的人。这意味着捕捉关于人们如何变化、什么触发因素在改变他们以及改变到什么程度的纵向数据。”她补充说，如果他们没有变化，“那也是一个信号。”

Mirror Particle 已经筹集了天使轮融资，并表示即将完成其首轮风险融资。该公司下周还将参加 Startup Battlefield 200，这是 TechCrunch 著名的初创公司竞赛，将于 10 月 13 日至 15 日在旧金山举行的 TechCrunch Disrupt 2026 上进行。

这家初创公司依赖于专利数据组合，包括客户的消费者数据、时事、流行文化、社交媒体等，来对人口细分群体进行建模，将其视为一个随时间演变的系统，并追踪动机在经历不同体验时的转变。重点大部分放在“显性行为”上——即人们实际做了什么，而不是自我报告的调查答案。

与竞争对手一样，Mirror Particle 最初的市场进入策略专注于已经存在此类洞察预算的领域：市场研究以及品牌和产品策略。例如，Mirror 可能会帮助一家美妆品牌，不仅为吸引 Gen Z 的化妆品撰写更好的广告文案，还会确定该人群是否真的想要该产品。

“如果[目标人群]不想要眼影盘怎么办？”Ahuja 说。“如果你想向这个市场销售产品，也许腮红是一个更好的选择。”