近年来，预测人类行为的初创公司备受关注。过去一年中，Simile 融资2亿美元，估值达20亿美元；Aaru 融资8800万美元，估值10亿美元；而AI初创公司 Humans& 则在今年1月完成了4.8亿美元的种子轮融资，估值高达44.8亿美元，并推出了用于模拟人类行为的产品 Persimmon。
目前，预测人类行为的主流方法主要依赖于大型语言模型（LLMs），通过提示或微调让模型扮演目标人群的角色。但总部位于旧金山、成立仅两年的 Mirror Particle 认为这种方法存在根本性缺陷。
Mirror Particle 联合创始人兼CEO Abhivyakti Ahuja 表示：“这就像拿着超级水枪去尼亚加拉大瀑布。LLMs 训练时使用了数千亿的数据点，但用极少量数据去微调，能对其行为产生多大影响呢？它们依然停留在过去。”
Ahuja 认为，LLMs 只是对书面语言进行建模，而人类的认知还包括视觉感知、空间推理和社交智能。依赖LLMs，得到的洞察往往基于人类未曾注意的内容，这对于预测人类行为来说并不合适。
Mirror Particle 采用了不同的策略：构建一个基础模型，或者说是一个“世界模型”，从零开始模拟人类行为的动因及其随时间的变化。
“我们不想捕捉静态的人，而是想捕捉变化中的人。这意味着要收集关于人们如何变化、哪些触发因素影响他们以及影响程度的纵向数据。如果他们没有变化，这也是一个信号。”Ahuja 说道。
Mirror Particle 已完成天使轮融资，且接近完成首轮风险投资。公司将于下周参加在旧金山举办的 TechCrunch Disrupt 2026 大会上的 Startup Battlefield 200 创业大赛。
该公司依托专有数据组合，包括客户的用户数据、时事、流行文化、社交媒体等，来模拟特定人群，视其为一个随时间演变的系统，追踪动机如何随着经历而变化。重点关注“显性行为”——人们实际的行为，而非自我报告的调查答案。
与竞争对手类似，Mirror Particle 的初步市场策略聚焦于已有预算的领域，如市场调研、品牌和产品策略。例如，帮助美妆品牌不仅撰写更吸引Z世代的广告文案，还能判断该人群是否真正需要该产品。
“如果目标人群不想要眼影盘呢？也许腮红才是更好的选择。”Ahuja 说。
Mirror Particle 的预测引擎还能为客户提供行为背后的“原因”——动机、限制和额外背景，帮助品牌做出更明智的决策。
在一次早期试点中，一知名宠物食品品牌想知道包装上该放鸡肉、牛肉还是蔬菜的图片以提升销量。Mirror 的技术发现品牌问错了问题，图片并不重要，问题在于品牌过于大众化且被视为廉价，销售额会停滞不前，除非解决这一认知问题。
“我们希望模型的发展方式像婴儿学习世界一样，”Ahuja 说，婴儿的认知从视觉到语言，再到身体意识和社交智能逐步发展。
Ahuja 的神经科学和计算机科学背景激发了她对模拟人脑的兴趣。她来自印度，曾在多伦多大学学习，深受AI先驱 Geoffrey Hinton 在神经网络领域贡献的启发。
毕业后，Ahuja 在亚马逊机器人部门工作，参与制造机器人以构建其他机器人。在那里，她遇到了联合创始人 Will Song 和 Thomson Yen。Song 曾致力于销售个性化引擎的开发，Yen 则专注于利用深度学习研究AI代理如何理解人类行为。
这家初创公司的长期愿景是成为“预测人类行为的通用层”，从宏观的人群分析逐步迈向个体层面的洞察。
“如果我们要与AI和彼此协作，就必须拥有更好的‘人类模型’。”Ahuja 说。
下周，欢迎关注 Mirror Particle 及其他由 TechCrunch 编辑团队甄选的创新初创公司，参加在旧金山市中心举办的 Disrupt 大会。今年 Startup Battlefield 的冠军将于10月15日下午由风险投资评委团评选产生。
