Mirror Particle 构建预测人类行为的“世界模型”
那些承诺预测人类行为的初创公司正处在风口上。过去一年里，Simile 以 20 亿美元估值融资 2 亿美元；Aaru 以 10 亿美元估值融资 8800 万美元；而 Humans& 这家由 Anthropic、xAI 和 Google 前员工创立的 AI 初创公司，1 月份完成了一轮创纪录的 4.8 亿美元种子轮融资，估值高达 44.8 亿美元，并推出了 Persimmon 来模拟人类行为。
目前，预测人类行为的常规做法严重依赖大型语言模型（LLM），通过提示词或微调让模型扮演特定目标人群。但这家成立于两年前、总部位于旧金山的 Mirror Particle 认为，这种方法在根本上行不通。
“这就像拿着超级水枪去挑战尼亚加拉大瀑布。” Mirror Particle 联合创始人兼首席执行官 Abhivyakti Ahuja 表示。该公司为品牌提供一套 AI 引擎，用于预测消费者行为及其背后的原因。“LLM 是在数万亿数据点上训练的，用这么少的数据去[微调]，对模型行为的影响能有多大？它依然被困在过去。”
Ahuja 认为，LLM 看待世界的方式与人类截然不同。“LLM 建模的是书面语言，但人类的认知基于视觉感知、空间推理和社会智能。” 她说，依赖 LLM 意味着获得的洞察基于人类 没有 注意到的东西，这与预测人类行为的目标背道而驰。
Mirror Particle 采取了另一种路径：从头构建一个基础模型，或者如 Ahuja 所描述的，一个从零开始的世界模型，用于模拟人类行为的原因，以及人类行为如何随时间演变。
“我们不想捕捉静态的人，” Ahuja 说，“我们想捕捉变化中的人。这意味着要获取纵向数据，了解人们如何改变、是什么触发了这些改变，以及改变的程度。如果他们没有改变，” 她补充道，“那也是一个信号。”
Mirror Particle 已完成一轮天使融资，并表示即将完成首轮融资。下周，该公司还将参加在旧金山举办的 TechCrunch Disrupt 2026（10 月 13 日至 15 日）上的 Startup Battlefield 200——TechCrunch 知名创业大赛。
这家初创公司依赖一套专有的数据组合来建模人群细分，其中包含客户的用户数据、时事、流行文化、社交媒体等。它把人群看作一个随时间演化的系统，追踪人们的动机会随着经历如何变化。其重点关注的是“显示性行为”——人们实际做了什么，而不是问卷调查中自称的答案。
和竞争对手一样，Mirror Particle 最初的商业化策略瞄准了这类洞察已有预算的领域：市场调研以及品牌与产品策略。举个例子，Mirror 不仅能帮一个美妆品牌写出更能打动 Z 世代消费者的化妆品广告文案，还能判断这个人群到底是否想要这款产品。
“如果目标人群根本不想要眼影盘呢？”Ahuja 说，“那想在这个市场卖货的话，腮红可能是更好的选择。”
Mirror Particle 的预测引擎还能为客户提供行为背后的“原因”——包括动机、限制条件和相关背景，解释其推荐依据，帮助品牌做出更明智的决策。
在一项早期试点中，某知名宠物食品品牌想知道包装上放什么图像能提升销量：鸡肉？牛肉？蔬菜？Mirror 的技术发现，这个品牌问错了问题——包装图像根本不重要。真正的问题在于，品牌辨识度太高，反而被消费者视为大众化、廉价的产品，销量会一直停滞不前，直到它解决这个认知问题。
“我们设想的模型演进方式，就像婴儿认识世界的过程，”Ahuja 说。他提到，婴儿是从视觉到语言，再到身体感知，最后到社交智能，一步步发展的。
Ahuja 对人类大脑建模的浓厚兴趣，源于她在神经科学和计算机科学领域的学术背景。她来自印度，最终就读于多伦多大学，在那里受到了 AI 先驱 Geoffrey Hinton 在神经网络领域贡献的启发。
毕业后，Ahuja 加入了 Amazon Robotics，负责构建“能制造其他机器人”的机器人。正是在这里，她结识了联合创始人 Will Song 和 Thomson Yen。Song 曾花了大半职业生涯开发销售个性化引擎，而 Yen 则专注于利用深度学习来研究 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”，推动分析视角从宏观的人群层面转向微观的个体层面。
Ahuja 表示：“如果我们希望与 AI 以及彼此更好地协作，就需要一个更优质的人类行为模型。”
下周一，不妨来看看 Mirror Particle 以及其他多家由 TechCrunch 编辑团队严格筛选的创新初创公司，它们将在旧金山 downtown 举办的 Disrupt 大会上亮相。今年的 Startup Battlefield 优胜者将由我们的风险投资评委团于 10 月 15 日星期四下午揭晓。