Mirror Particle 融资中：自建「世界模型」预测人类行为
又一家做「人类行为预测」的初创公司押注非 LLM 路线，认为纯文本模型看不到人类真正在意的东西，值得关注这条赛道的技术分歧。
过去一年，多家预测人类行为的 AI 初创公司拿到大额融资，主流做法是把 LLM 微调成目标人群的角色扮演，Mirror Particle 认为这条路走不通，改用视觉、空间、社交等多模态数据从零训练「世界模型」，追踪人群动机随时间的变化，而不是刻画某个静态切片。
正文摘录
承诺预测人类行为的创业公司正在迎来自己的高光时刻。过去一年里，[Simile 以 20 亿美元估值融资 2 亿美元](https://techcrunch.com/2026/07/30/synthetic-user-startup-simile-raises-200m-at-2b-valuation-5-months-after-100m-series-a/)；[Aaru 以 10 亿美元估值融资 8800 万美元](https://techcrunch.com/2025/12/05/ai-synthetic-research-startup-aaru-raised-a-series-a-at-a-1b-headline-valuation/)；而 AI 创业公司 Humans& 于今年 1 月宣布完成一笔高达 [4.8 亿美元的种子轮](https://techcrunch.com/2026/01/20/humans-a-human-centric-ai-startup-founded-by-anthropic-xai-google-alums-raised-480m-seed-round/)，估值 44.8 亿美元，并推出了 [Persimmon](https://persimmon.humansand.ai/blog/) 来建模人类行为。 目前人类行为预测的常规做法，严重依赖大语言模型（LLM）——通过 prompt 或 fine-tune 让它扮演某个目标人群。但成立两年、位于旧金山的 [Mirror Particle](https://mirrorparticle.com/) 认为，这条路从根上就是错的。 “这就像拿着水枪去扑尼亚加拉大瀑布，”Mirror Particle 联合创始人兼 CEO Abhivyakti Ahuja 说。