告别“提示词工程”？Mirror Particle试图用“世界模型”重构人类行为预测

【科技24时区】当Simile以20亿美元估值拿下2亿美元融资，Aaru凭借10亿美元身价获投8800万美元，甚至Humans&在年初就狂揽4.8亿美元种子轮、估值飙至44.8亿美元时，一个明显的信号正在硅谷蔓延：预测人类行为的AI初创公司，正站在风口之上。然而，在这股热潮背后，一家成立仅两年的旧金山公司Mirror Particle却显得格格不入——它认为当下主流的技术路径，从根本上就是错的。

目前的行业惯例，大多依赖大型语言模型（LLM），通过提示词或微调让AI扮演特定人群。但在Mirror Particle联合创始人兼CEO Abhivyakti Ahuja看来，这无异于“拿着超级水枪去尼亚加拉大瀑布打水”。LLM虽经数千亿数据点训练，但仅凭少量数据进行微调，难以撼动其固有的行为模式。“它们仍被困在过去，”Ahuja直言，“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。”过度依赖文本模型，得到的往往是基于人类“未察觉之物”的洞察，这对于预测真实行为而言，可谓南辕北辙。

于是，Mirror Particle选择了一条更艰难的路：从零构建一个基础模型，或者说，一个模拟人类行为动机及其随时间演变的“世界模型”。Ahuja强调，他们不想捕捉静态的人，而是要捕捉“变化中的人”。这意味着需要追踪纵向数据，观察是什么触发了改变，以及改变的程度。有趣的是，如果一个人没有变化，这本身也是一种关键信号。据悉，该公司已完成天使轮融资，并即将敲定首笔风险投资。下周，他们将亮相TechCrunch Disrupt 2026大会上的Startup Battlefield 200竞赛，与众多经过严格筛选的创新者同台竞技。

不同于竞争对手，Mirror Particle的数据引擎融合了客户数据、时事新闻、流行文化及社交媒体等多源信息，将目标群体视为一个随时间演化的系统，追踪其在经历不同事件时的动机偏移。其核心聚焦于“显性行为”——即人们实际做了什么，而非问卷调查中自述的答案。初期市场策略上，公司瞄准了已有预算的市场研究和品牌战略领域。例如，对于美妆品牌，Mirror不仅能优化针对Z世代的广告文案，更能判断该群体是否真的需要眼影盘——也许腮红才是更优解。更重要的是，其预测引擎能提供行为背后的“为什么”，包括动机、约束条件及上下文，辅助品牌做出更明智的决策。

在一个早期试点案例中，某知名宠物食品品牌纠结于包装图案应选用鸡肉、牛肉还是蔬菜以提升销量。Mirror的技术分析却指出，品牌问错了问题。图像并非关键，症结在于该品牌因过于大众化而被贴上“廉价”标签，若不解决这一认知偏差，销售必将触及天花板。这种透过现象看本质的能力，源于Ahuja对神经科学与计算机科学的交叉研究背景。受多伦多大学AI先驱Geoffrey Hinton启发，她曾在Amazon Robotics参与制造机器人的机器人研发，并在那里结识了联合创始人Will Song和Thomson Yen。Song擅长销售个性化引擎构建，Yen则专注于利用深度学习解析AI代理对人类行为的理解。

从婴儿学习世界的过程——从视觉到语言，再到身体意识与社会智能——Ahuja看到了模型进化的方向。Mirror Particle的长期愿景，是成为“预测人类行为的通用层”，从宏观群体分析逐步下沉至个体洞察。“若要与AI协同工作，乃至彼此协作，我们需要一个更好的人类模型，”Ahuja说道。随着10月15日下午创投评委团决出最终胜者，这家试图重塑人机交互底层逻辑的公司，能否在旧金山的聚光灯下突围，值得拭目以待。