人类行为预测初创公司迎来融资风口
承诺预测人类行为的初创企业正备受资本青睐。过去一年，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。今年1月，AI初创公司 Humans& 完成4.8亿美元种子轮融资，估值高达44.8亿美元，并推出 Persimmon 模拟人类行为。
然而，总部位于旧金山、成立仅两年的 Mirror Particle 认为，当前依赖大型语言模型（LLMs）微调以扮演目标人群的主流思路存在根本缺陷。
Mirror Particle 联合创始人兼 CEO Abhivyakti Ahuja 指出：“这就像带着超级水枪去尼亚加拉大瀑布。”她强调，LLMs 虽在数千亿数据点上训练过，但仅凭少量数据微调难以改变其固有模式，“它仍然被困在过去”。
Ahuja 进一步解释，LLMs 建模的是书面语言，而人类由视觉感知、空间推理和社会智能构成。依赖此类模型获取基于“未注意到事物”的见解，对预测真实人类行为毫无意义。
构建从头开始的“世界模型”
Mirror Particle 选择另辟蹊径：构建一个基础模型，即 Ahuja 所称的“从头开始的世界模型”，专门模拟人类行为动机及其随时间的演变。
“我们不想捕捉静态的人，而是不断变化的人。”Ahuja 表示，该模型需追踪纵向数据、变化触发点及程度，“即使没有变化，本身也是一个信号。”
目前，Mirror Particle 已完成天使轮融资，即将关闭首笔风险投资轮次。该公司还将参加 TechCrunch Disrupt 2026 旗下的 Startup Battlefield 200 竞赛（10月13日至15日于旧金山举办）。
聚焦显性行为与深层动机
Mirror Particle 利用客户数据、时事、流行文化及社交媒体等专有数据组合，将人口统计群体视为动态系统进行模拟，重点追踪“显性行为”（实际行为而非自我报告），并分析事件对动机的影响。
在市场研究和品牌战略领域，Mirror 不仅能优化营销文案，更能验证产品需求真伪。例如，若目标群体并不想要眼影盘，技术可能建议转向腮红等更优选项。
此外，其预测引擎还能揭示行为背后的动机、限制因素及背景信息，为品牌决策提供深层依据。
在某宠物食品品牌试点中，Mirror 发现包装图像并非销量关键。真正问题在于品牌被视为“大众廉价”，导致增长停滞。这一洞察帮助客户解决了核心认知障碍。
神经科学背景驱动的长期愿景
Ahuja 将模型发展比作婴儿认知世界的过程：从视觉到语言，再到身体意识与社会智能。这种对人类大脑建模的兴趣源于她的神经科学与计算机科学背景。她在多伦多大学受 AI 先驱 Geoffrey Hinton 启发，后加入亚马逊机器人部门，并结识了联合创始人 Will Song 和 Thomson Yen。
Mirror Particle 的长期愿景是成为“预测人类行为的通用层”，从群体分析迈向个体洞察。Ahuja 总结道：“要与 AI 协作，我们需要一个更好的人类模型。”
10月13日至15日，TechCrunch Disrupt 2026 将在旧金山举行，Startup Battlefield 200 获胜者将于10月15日下午揭晓，Mirror Particle 等创新企业将现场展示成果。