劍橋華人博士融資535萬美元：打造AI平行世界，讓人類決策告別盲目猜測

你有沒有想過，也許我們終于找到了預(yù)測人類行為的方法？我們常常在發(fā)布產(chǎn)品、投放廣告或者制定政策時，心中都有一個巨大的問號：人們會如何反應(yīng)？這種不確定性讓無數(shù)商業(yè)決策變成了昂貴的賭博。但如果告訴你，現(xiàn)在有一家公司能夠在真實世界之外，創(chuàng)建一個完整的人工社會來測試任何想法，你會相信嗎？這不是科幻小說的情節(jié)，而是剛剛獲得 535 萬美元融資的 Artificial Societies 正在實現(xiàn)的現(xiàn)實。

這家由劍橋大學(xué)行為科學(xué)背景的 James He 和 Patrick Sharpe 創(chuàng)立的公司，聲稱能夠通過 AI 模擬整個人類社會的互動模式。他們不是在構(gòu)建另一個聊天機(jī)器人或者內(nèi)容生成工具，而是在嘗試解決一個困擾人類社會數(shù)千年的根本問題：如何準(zhǔn)確預(yù)測群體行為。

這種技術(shù)的潛在影響范圍超出了我最初的想象。從營銷活動的效果預(yù)測，到產(chǎn)品發(fā)布的市場反應(yīng)，再到政策制定的社會影響評估，幾乎所有涉及人類群體行為的決策都可能因此而改變。這家公司的融資背景也印證了投資界對這種技術(shù)的看好：Point72 Ventures 領(lǐng)投了 250 萬英鎊的種子輪，Kindred Capital VC 領(lǐng)投了此前的預(yù)種子輪，參與方還包括 Y Combinator、Pioneer Fund、Ventures Together 等知名機(jī)構(gòu)，以及來自 Sequoia Capital Scout、Figma、Prolific 和 Google DeepMind 的天使投資人。這樣的投資者陣容說明，他們看到的不僅是一個有趣的技術(shù)實驗，而是一個可能重塑多個行業(yè)的商業(yè)機(jī)會。

AI 模擬社會的工作原理

要理解 Artificial Societies 的創(chuàng)新之處，我們需要從他們解決問題的方式開始。傳統(tǒng)的市場研究依靠問卷調(diào)查、焦點小組或者歷史數(shù)據(jù)分析，這些方法不僅成本高昂、耗時很長，而且往往無法準(zhǔn)確預(yù)測真實的群體行為。人們在被問及如何反應(yīng)時說的話，和他們在真實情況下的實際行為，經(jīng)常存在巨大差異。我們都知道那種尷尬的經(jīng)歷：精心策劃的營銷活動在市場上遭遇冷遇，明明在焦點小組測試中反響很好的產(chǎn)品卻銷售慘淡。

Artificial Societies 的方法截然不同。他們首先收集目標(biāo)人群在數(shù)字平臺上的真實行為數(shù)據(jù)，比如在 LinkedIn 上發(fā)布了什么內(nèi)容、點贊了什么帖子、評論了什么話題等等。然后，他們使用這些行為數(shù)據(jù)創(chuàng)建出對應(yīng)的 AI 人格模型，每個模型都能夠模擬一個真實個體的行為模式和反應(yīng)傾向。這些 AI 人格不是簡單的統(tǒng)計模型，而是能夠像真實用戶一樣思考和反應(yīng)的智能體。他們會根據(jù)個人偏好、過往行為和社交網(wǎng)絡(luò)位置來做出決策，就像真實的人類一樣。

但真正的魔法在于社交網(wǎng)絡(luò)的模擬。Artificial Societies 不僅創(chuàng)建了個體的 AI 人格，還構(gòu)建了這些人格之間的社交關(guān)系網(wǎng)絡(luò)。在他們的可視化系統(tǒng)中，每個點代表一個真實的人，而連接這些點的線條則表示人與人之間的互動關(guān)系。這種網(wǎng)絡(luò)結(jié)構(gòu)至關(guān)重要，因為信息在社交媒體上的傳播往往依賴于人際關(guān)系的連鎖反應(yīng)。一個帖子之所以能夠病毒式傳播，不是因為它本身有多好，而是因為它能夠激發(fā)人們之間的互動和轉(zhuǎn)發(fā)。

當(dāng)你想測試一條內(nèi)容時，系統(tǒng)會模擬這條內(nèi)容如何在整個社交網(wǎng)絡(luò)中傳播。每個 AI 人格都會根據(jù)自己的特點決定是否關(guān)注、點贊、評論或分享這條內(nèi)容。如果一個人格選擇了分享，那么這條內(nèi)容就會傳播到它的社交網(wǎng)絡(luò)中，影響更多的人格。這種連鎖反應(yīng)會在整個模擬社會中展開，最終產(chǎn)生一個關(guān)于內(nèi)容表現(xiàn)的預(yù)測結(jié)果。令人印象深刻的是，這種模擬的準(zhǔn)確率已經(jīng)達(dá)到了 83%，而如果讓 ChatGPT 做同樣的預(yù)測，準(zhǔn)確率只有 17%。

更令人興奮的是，因為這是一個完全的模擬環(huán)境，他們可以同時運(yùn)行數(shù)百個平行實驗。想象一下，你可以為同一個營銷活動創(chuàng)建 100 個不同的版本，然后在模擬環(huán)境中同時測試它們的效果，找出表現(xiàn)最好的那個版本。這就像擁有了一個時間機(jī)器，讓你能夠在不承擔(dān)真實世界風(fēng)險的情況下，看到不同決策的潛在結(jié)果。對于那些動輒花費數(shù)百萬美元的營銷活動來說，這種預(yù)測能力的價值是巨大的。

從 LinkedIn 測試到更廣闊的應(yīng)用場景

James He 在 Y Combinator 的演示中分享了一個生動的例子，完美展現(xiàn)了這種技術(shù)的實用性。他的合作伙伴 Matt 需要在 LinkedIn 上發(fā)布一個活動公告，但不知道如何撰寫才能獲得最好的互動效果。傳統(tǒng)做法是憑直覺寫一個版本，發(fā)布后聽天由命。但 Artificial Societies 為 Matt 構(gòu)建了一個包含他整個 LinkedIn 網(wǎng)絡(luò)的模擬環(huán)境，在這個環(huán)境中測試不同版本的帖子內(nèi)容。

在這個模擬的 LinkedIn 網(wǎng)絡(luò)中，每個與 Matt 有互動的真實用戶都被轉(zhuǎn)化為了相應(yīng)的 AI 人格。這些 AI 人格基于真實用戶的歷史行為數(shù)據(jù)，能夠模擬他們看到 Matt 帖子后的真實反應(yīng)：是會忽略、點贊、評論，還是分享給自己的網(wǎng)絡(luò)。通過這種方式，Matt 可以在實際發(fā)布前就看到帖子可能獲得的反響，并根據(jù)模擬結(jié)果調(diào)整內(nèi)容，直到找到最佳版本。

這個例子看似簡單，但背后體現(xiàn)的思維方式是革命性的。我們第一次能夠在不承擔(dān)任何實際成本的情況下，測試我們的想法在真實社會環(huán)境中的表現(xiàn)。這就像擁有了一個社會實驗室，你可以在其中安全地進(jìn)行各種測試，而不用擔(dān)心失敗的后果。

James He 和他的團(tuán)隊顯然意識到這種技術(shù)的更廣泛應(yīng)用潛力。他們不僅模擬了個人的 LinkedIn 網(wǎng)絡(luò)，還構(gòu)建了投資人網(wǎng)絡(luò)的模擬系統(tǒng)，用來測試如何撰寫 Y Combinator 申請書和如何向投資者推銷他們的創(chuàng)業(yè)公司?？紤]到他們成功通過了 Y Combinator 并獲得了 535 萬美元融資，這種方法顯然是有效的。他們甚至模擬了整個 Y Combinator Winter 2025 批次的創(chuàng)始人群體，用來測試什么樣的編程工具可能在這個群體中火起來。

讓我感到驚訝的是，連 Anthropic 也開始使用他們的平臺來測試如何向 Y Combinator 創(chuàng)始人銷售 Anthropic 的 AI 服務(wù)積分。這表明，即使是 AI 領(lǐng)域的領(lǐng)先公司，也認(rèn)識到了人工社會模擬技術(shù)的價值。當(dāng)技術(shù)公司開始使用 AI 來預(yù)測其他技術(shù)創(chuàng)始人的行為時，我們正在見證一種全新的商業(yè)智能形式的誕生。

但我認(rèn)為最有趣的應(yīng)用場景還沒有完全展開。James He 在采訪中提到，他們看到了將這種技術(shù)應(yīng)用于政策制定的巨大潛力。想象一下，政府在推出一項新政策之前，可以在人工社會中模擬這項政策對不同人群的影響，預(yù)測可能的反對聲音、支持程度和潛在的意外后果。這種能力可能會徹底改變公共政策的制定過程，讓政策更加科學(xué)、更加精準(zhǔn)，也更能獲得公眾支持。

從商業(yè)應(yīng)用的角度看，我認(rèn)為這種技術(shù)對于那些需要大規(guī)模用戶互動的行業(yè)特別有價值。比如媒體公司可以預(yù)測不同內(nèi)容的傳播效果，社交平臺可以測試新功能的用戶接受度，電商公司可以模擬促銷活動的效果，甚至政治組織也可以預(yù)測不同信息策略的影響。每一個需要理解和影響群體行為的行業(yè)，都可能從這種技術(shù)中受益。

技術(shù)背后的科學(xué)基礎(chǔ)

作為一個對技術(shù)細(xì)節(jié)感興趣的人，我深挖了 Artificial Societies 的技術(shù)實現(xiàn)方式。他們的方法建立在行為科學(xué)和 AI 技術(shù)的交叉點上，這種跨學(xué)科的結(jié)合正是他們能夠取得突破的關(guān)鍵。創(chuàng)始人 James He 和 Patrick Sharpe 都有行為科學(xué)的研究背景，這讓他們深刻理解人類行為的復(fù)雜性和社會互動的微妙之處。

他們的技術(shù)核心是什么他們稱之為"AI 人格"的系統(tǒng)。這些不是簡單的聊天機(jī)器人，而是基于大量真實行為數(shù)據(jù)訓(xùn)練出來的復(fù)雜模型，能夠模擬特定個體的思維模式、價值觀、興趣偏好和行為傾向。每個 AI 人格都是獨一無二的，反映了它所代表的真實個體的特征。這種個性化的程度讓模擬結(jié)果更加準(zhǔn)確，因為它考慮了人與人之間的差異，而不是將所有人視為同質(zhì)化的群體。

但僅有個體模擬是不夠的，社會互動的復(fù)雜性在于人與人之間的相互影響。Artificial Societies 構(gòu)建了一個動態(tài)的社交網(wǎng)絡(luò)模型，能夠模擬信息如何在網(wǎng)絡(luò)中傳播、觀點如何被塑造、以及群體意見如何形成。這種網(wǎng)絡(luò)效應(yīng)的模擬非常重要，因為在現(xiàn)實中，人們的行為很少是孤立的，而是受到社交環(huán)境的強(qiáng)烈影響。一個人是否會分享某條內(nèi)容，不僅取決于他個人的喜好，還取決于他的朋友們對這條內(nèi)容的反應(yīng)，以及他在社交網(wǎng)絡(luò)中的地位和角色。

我特別感興趣的是他們的數(shù)據(jù)收集和處理方式。他們通過分析用戶在 LinkedIn 等平臺上的公開行為，包括發(fā)布的內(nèi)容、點贊的帖子、評論的話題等，來構(gòu)建每個人的行為檔案。這種方法的優(yōu)勢在于，它基于真實的行為數(shù)據(jù)，而不是自我報告的偏好或意圖。人們可能會在調(diào)查中說他們喜歡某種類型的內(nèi)容，但他們的實際點擊和分享行為卻可能完全不同。通過觀察真實行為，Artificial Societies 能夠構(gòu)建更準(zhǔn)確的預(yù)測模型。

從技術(shù)架構(gòu)的角度看，這個系統(tǒng)的復(fù)雜度是驚人的。James He 提到他們在劍橋時曾經(jīng)"將 33,000 個 AI 聊天機(jī)器人拼接在一起，觀看它們構(gòu)建數(shù)字社會"。這種規(guī)模的模擬需要大量的計算資源和精心設(shè)計的算法，以確保每個 AI 人格都能夠獨立運(yùn)行，同時又能與其他人格進(jìn)行復(fù)雜的互動。這不僅是一個技術(shù)挑戰(zhàn)，也是一個工程挑戰(zhàn)，因為系統(tǒng)需要在合理的時間內(nèi)處理數(shù)千甚至數(shù)萬個并行的模擬過程。

讓我印象深刻的是他們對驗證和改進(jìn)的重視。他們選擇從社交媒體開始，正是因為這個領(lǐng)域可以快速獲得反饋。你可以在模擬環(huán)境中預(yù)測一個 LinkedIn 帖子會獲得多少互動，然后幾小時或幾天后就能看到真實結(jié)果，從而驗證模擬的準(zhǔn)確性。這種快速反饋循環(huán)讓他們能夠不斷改進(jìn)模型，就像 James He 所說的"帶有社會反饋的強(qiáng)化學(xué)習(xí)"。通過數(shù)千名用戶在過去幾個月中的使用，他們積累了大量的驗證數(shù)據(jù)，不斷提高預(yù)測的準(zhǔn)確性。

重新定義市場研究和商業(yè)決策

在我看來，Artificial Societies 正在做的事情，可能會徹底重新定義市場研究這個行業(yè)。傳統(tǒng)的市場研究方法存在諸多局限性：問卷調(diào)查受到社會期望偏見的影響，焦點小組的規(guī)模太小難以代表真實市場，而歷史數(shù)據(jù)分析則無法預(yù)測未來的變化。這些方法不僅成本高昂，而且往往需要數(shù)周甚至數(shù)月的時間才能得出結(jié)論。更糟糕的是，當(dāng)你終于得到研究結(jié)果時，市場環(huán)境可能已經(jīng)發(fā)生了變化，讓這些結(jié)論失去了時效性。

Artificial Societies 的方法解決了這些傳統(tǒng)問題。他們可以在幾分鐘內(nèi)完成原本需要數(shù)周的調(diào)查工作，成本只是傳統(tǒng)方法的一小部分。更重要的是，他們可以測試任何想法，無論這個想法多么新穎或者實驗性。你不需要擔(dān)心會"浪費"真實用戶的時間或者影響品牌形象，因為所有測試都在模擬環(huán)境中進(jìn)行。這種無風(fēng)險的測試環(huán)境，讓企業(yè)能夠更大膽地嘗試創(chuàng)新想法，而不用擔(dān)心失敗的后果。

我認(rèn)為這種技術(shù)對于內(nèi)容創(chuàng)作者和營銷人員來說特別有價值。以往，他們只能憑借經(jīng)驗和直覺來判斷什么樣的內(nèi)容會受歡迎，這種不確定性讓內(nèi)容創(chuàng)作變成了一種藝術(shù)而非科學(xué)。但有了人工社會模擬，他們可以在發(fā)布前就測試不同版本的內(nèi)容，找出最有可能獲得好反響的版本。這不僅提高了成功率，也讓內(nèi)容創(chuàng)作變得更加高效和精準(zhǔn)。

對于產(chǎn)品開發(fā)來說，這種技術(shù)的意義更加深遠(yuǎn)。產(chǎn)品經(jīng)理可以在開發(fā)階段就測試不同的產(chǎn)品概念、功能設(shè)計或者用戶界面，預(yù)測用戶的接受度和使用模式。這樣可以大大降低產(chǎn)品失敗的風(fēng)險，避免在錯誤的方向上投入大量資源。想象一下，如果每個產(chǎn)品團(tuán)隊都能夠在開發(fā)前就知道用戶會如何反應(yīng)，那么產(chǎn)品開發(fā)的成功率將會顯著提高。

我也思考了這種技術(shù)對于初創(chuàng)公司的特殊價值。對于資源有限的初創(chuàng)公司來說，每一個決策都可能影響公司的生死存亡。傳統(tǒng)的市場研究方法對他們來說往往太昂貴、太耗時，因此很多初創(chuàng)公司只能憑借創(chuàng)始人的直覺來做決策。但 Artificial Societies 提供了一種可負(fù)擔(dān)的替代方案，讓小公司也能夠獲得大公司級別的市場洞察能力。James He 自己就是一個很好的例子，他們用自己的技術(shù)來優(yōu)化融資過程，最終成功獲得了投資。

從更宏觀的角度看，這種技術(shù)可能會改變我們對市場風(fēng)險的理解。傳統(tǒng)上，推出新產(chǎn)品或新服務(wù)總是伴隨著不確定性，企業(yè)必須在有限的信息基礎(chǔ)上做出重大決策。但如果我們能夠準(zhǔn)確預(yù)測市場反應(yīng)，那么很多原本看起來冒險的決策就變得相對安全了。這可能會鼓勵更多的創(chuàng)新和實驗，因為失敗的成本大大降低了。

當(dāng)然，這也引發(fā)了一些有趣的哲學(xué)問題。如果我們能夠準(zhǔn)確預(yù)測人類的群體行為，這對自由意志和個人選擇意味著什么？這種技術(shù)是否會被用來操縱公眾意見？這些都是需要認(rèn)真考慮的問題。但我認(rèn)為，就像任何強(qiáng)大的技術(shù)一樣，關(guān)鍵在于如何使用它。如果用得得當(dāng)，它可以幫助創(chuàng)建更好的產(chǎn)品、更有效的溝通和更明智的決策。

技術(shù)挑戰(zhàn)與發(fā)展?jié)摿?/strong>

盡管 Artificial Societies 已經(jīng)取得了令人印象深刻的成果，但我也看到了一些技術(shù)挑戰(zhàn)和發(fā)展空間。首先是數(shù)據(jù)質(zhì)量和覆蓋范圍的問題。目前他們主要依靠 LinkedIn 等平臺的公開數(shù)據(jù)來構(gòu)建 AI 人格，但這種數(shù)據(jù)可能存在偏見或者不夠全面。LinkedIn 上的行為模式可能無法完全代表一個人在其他環(huán)境中的行為，特別是在涉及購買決策或政治觀點等更私人領(lǐng)域時。

我注意到，在他們的演示中，觀眾提出了一個很關(guān)鍵的問題：LinkedIn 上只有大約 1% 的用戶會積極評論和發(fā)帖，其余 99% 的人主要是被動觀看。這種"沉默的大多數(shù)"現(xiàn)象在所有社交平臺上都存在，如何準(zhǔn)確模擬這些較少表達(dá)觀點的用戶，是一個重要的技術(shù)挑戰(zhàn)。James He 的回應(yīng)是，他們專注于模擬那些實際會與內(nèi)容互動的用戶，因為這些用戶才是信息傳播的關(guān)鍵節(jié)點。這種方法有其合理性，但也意味著模擬結(jié)果可能低估了被動用戶的影響。

另一個挑戰(zhàn)是模擬的時間尺度問題。在社交媒體領(lǐng)域，他們可以在幾小時或幾天內(nèi)驗證預(yù)測的準(zhǔn)確性，這讓模型能夠快速迭代和改進(jìn)。但如果要將這種技術(shù)應(yīng)用到產(chǎn)品開發(fā)或政策制定等需要更長時間才能看到結(jié)果的領(lǐng)域，如何驗證和改進(jìn)模型就成了一個更復(fù)雜的問題。James He 也承認(rèn)了這一點，他們之所以從社交媒體開始，正是因為它提供了最快的反饋循環(huán)。

我認(rèn)為數(shù)據(jù)隱私也是一個需要仔細(xì)考慮的問題。雖然 Artificial Societies 聲稱只使用公開數(shù)據(jù)，但隨著模擬變得越來越精確，這些 AI 人格可能會揭露真實用戶的一些隱私信息。如何在提供準(zhǔn)確預(yù)測的同時保護(hù)用戶隱私，是這類技術(shù)必須面對的倫理挑戰(zhàn)。

從技術(shù)發(fā)展的角度看，我相信這只是一個開始。隨著大語言模型技術(shù)的進(jìn)步和計算能力的提升，人工社會模擬的規(guī)模和精確度都會繼續(xù)提高。我可以想象未來的版本能夠模擬更大規(guī)模的社會群體，處理更復(fù)雜的互動模式，甚至預(yù)測長期的社會趨勢。這種技術(shù)可能會成為政府、企業(yè)和研究機(jī)構(gòu)的標(biāo)準(zhǔn)工具，就像今天的數(shù)據(jù)分析軟件一樣普及。

從商業(yè)模式的角度看，我覺得 Artificial Societies 找到了一個很好的切入點。他們從個人用戶的 LinkedIn 優(yōu)化需求開始，這是一個相對簡單、風(fēng)險較低的應(yīng)用場景，讓他們能夠驗證技術(shù)可行性并獲得用戶反饋。同時，他們也在與企業(yè)客戶合作，測試更復(fù)雜的商業(yè)應(yīng)用。這種從簡單到復(fù)雜、從個人到企業(yè)的發(fā)展路徑，是很多成功技術(shù)公司都采用過的策略。

對未來商業(yè)決策的深遠(yuǎn)影響

我經(jīng)常思考一個問題：如果我們真的能夠準(zhǔn)確預(yù)測人類的群體行為，商業(yè)世界會變成什么樣子？Artificial Societies 的技術(shù)讓我們第一次看到了這種可能性的輪廓。想象一下，當(dāng)每一個營銷活動、每一次產(chǎn)品發(fā)布、每一項政策改變都能夠在實施前就被準(zhǔn)確預(yù)測其效果時，我們的決策過程將會如何改變？

我認(rèn)為最直接的影響是風(fēng)險管理方式的改變。在商業(yè)環(huán)境中，很多決策之所以困難，是因為我們無法準(zhǔn)確預(yù)測結(jié)果。這種不確定性讓企業(yè)不得不采取保守策略，或者承擔(dān)巨大的風(fēng)險。但如果有了準(zhǔn)確的預(yù)測能力，企業(yè)就可以更加大膽地嘗試創(chuàng)新，因為他們知道哪些想法有成功的可能性。這可能會加速創(chuàng)新的步伐，讓市場變得更加活躍和多樣化。

對于營銷行業(yè)來說，這種技術(shù)的影響可能是顛覆性的。目前的營銷決策很大程度上依賴于創(chuàng)意直覺、歷史經(jīng)驗和有限的測試數(shù)據(jù)。但 Artificial Societies 的技術(shù)讓營銷變得更像一門精確科學(xué)。營銷人員可以測試無數(shù)種不同的信息策略、視覺設(shè)計和傳播渠道，然后選擇最有效的組合。這不僅會提高營銷活動的成功率，也會讓營銷投資的回報更加可預(yù)測。

我也看到了這種技術(shù)對于媒體和內(nèi)容行業(yè)的巨大潛力。內(nèi)容創(chuàng)作者一直在努力理解什么樣的內(nèi)容會受到觀眾喜愛，但這個過程往往充滿了試錯和不確定性。有了人工社會模擬，內(nèi)容創(chuàng)作者可以在發(fā)布前就測試不同的內(nèi)容概念、標(biāo)題、格式和傳播策略。這不僅會提高內(nèi)容的質(zhì)量和影響力，也會讓內(nèi)容創(chuàng)作變得更加高效。

從更深層次看，這種技術(shù)可能會改變我們對消費者洞察的理解。傳統(tǒng)的消費者研究試圖通過調(diào)查和觀察來理解消費者的需求和行為，但這種方法往往滯后且不夠準(zhǔn)確。Artificial Societies 的方法則是通過模擬來預(yù)測消費者的未來行為，這是一種更加前瞻性的方法。企業(yè)不再需要被動地響應(yīng)市場變化，而是可以主動地塑造市場反應(yīng)。

我想到了一個更具想象力的應(yīng)用場景：產(chǎn)品迭代的預(yù)測性優(yōu)化。目前，產(chǎn)品團(tuán)隊通過 A/B 測試來優(yōu)化產(chǎn)品功能，但這個過程往往很慢，而且只能測試有限的變量組合。如果有了人工社會模擬，產(chǎn)品團(tuán)隊可以同時測試數(shù)百種不同的產(chǎn)品配置，快速找到最優(yōu)解。這種能力可能會加速產(chǎn)品迭代的速度，讓產(chǎn)品更快地達(dá)到最佳狀態(tài)。

對于初創(chuàng)公司來說，這種技術(shù)的價值更加明顯。初創(chuàng)公司通常資源有限，無法承受太多失敗的成本。傳統(tǒng)上，他們只能通過最小可行產(chǎn)品（MVP）來測試市場反應(yīng)，但這種方法仍然需要投入大量的開發(fā)資源。有了人工社會模擬，初創(chuàng)公司可以在開發(fā)產(chǎn)品之前就測試產(chǎn)品概念，只有當(dāng)模擬顯示產(chǎn)品有成功可能性時，才投入資源進(jìn)行實際開發(fā)。這種預(yù)測性的產(chǎn)品開發(fā)方法，可能會大大提高初創(chuàng)公司的成功率。

創(chuàng)業(yè)故事背后的深層思考

讓我特別感動的是 James He 在 LinkedIn 上分享的個人故事。他寫道："當(dāng)我 14 歲離開家鄉(xiāng)到海外開始新生活時，目標(biāo)只是生存，其他一切都是奢侈品。那時候，創(chuàng)業(yè)對我來說還是科幻小說。"這段話讓我想到了很多移民創(chuàng)業(yè)者的經(jīng)歷，他們往往帶著與眾不同的視角和強(qiáng)烈的動機(jī)來解決問題。

James He 能夠在劍橋大學(xué)深入研究人類行為建模，然后將這種學(xué)術(shù)研究轉(zhuǎn)化為實際的商業(yè)解決方案，這本身就是一個很有啟發(fā)性的故事。我認(rèn)為這種從純學(xué)術(shù)研究到商業(yè)應(yīng)用的轉(zhuǎn)化，正是當(dāng)今 AI 時代最有價值的創(chuàng)新模式之一。很多突破性的技術(shù)都源于深層的科學(xué)研究，但只有當(dāng)這些研究能夠解決真實世界的問題時，它們才能產(chǎn)生真正的影響。

他們的融資過程也很有意思。James He 提到，作為首次創(chuàng)業(yè)的創(chuàng)始人，融資環(huán)境并不容易導(dǎo)航，但他們使用自己的技術(shù)來模擬投資過程，這讓他們在向風(fēng)險投資人推銷時"相當(dāng)有準(zhǔn)備"。這種"狗糧測試"（dogfooding）的方法不僅證明了技術(shù)的實用性，也展現(xiàn)了創(chuàng)始人對自己產(chǎn)品的信心。如果連創(chuàng)始人都不愿意使用自己的產(chǎn)品，投資人怎么會相信這個產(chǎn)品有市場價值呢？

從更廣闊的視角看，Artificial Societies 的成功也反映了當(dāng)前 AI 投資領(lǐng)域的一些趨勢。投資人不再只是尋找通用的 AI 工具，而是更加關(guān)注那些能夠解決特定行業(yè)痛點的專業(yè)化 AI 應(yīng)用。Point72 Ventures 選擇領(lǐng)投這輪融資，說明他們看到了人工社會模擬技術(shù)在金融和投資領(lǐng)域的應(yīng)用潛力。畢竟，預(yù)測市場行為正是金融行業(yè)的核心需求之一。

我也注意到，Artificial Societies 的發(fā)展時間線非常緊湊：2024 年底創(chuàng)立，2025 年 1 月加入 Y Combinator，3 月發(fā)布首個演示，8 月就完成了種子輪融資并推出了公開產(chǎn)品。這種發(fā)展速度在傳統(tǒng)的企業(yè)軟件領(lǐng)域幾乎是不可能的，但在 AI 時代，這種快速迭代和驗證的模式正在變得越來越常見。

讓我印象深刻的是他們對使命的表述："也許，只是也許，我們能夠幫助人類多做一些實驗，找到我們的黃金路徑。"這種表述體現(xiàn)了一種技術(shù)樂觀主義的態(tài)度，相信技術(shù)可以幫助人類做出更好的決策，找到更好的解決方案。這種使命感不僅會激勵團(tuán)隊，也會吸引那些同樣相信技術(shù)可以改善世界的投資人和合作伙伴。

結(jié)尾

也歡迎大家留言討論，分享你的觀點！

覺得內(nèi)容不錯的朋友能夠幫忙右下角點個贊，分享一下。您的每次分享，都是在激勵我不斷產(chǎn)出更好的內(nèi)容。

歡迎關(guān)注深思圈，一起探索更大的世界。