人类行为预测赛道正在升温。过去一年，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；Humans& 则在 1 月宣布了 4.8 亿美元的种子轮，估值达 44.8 亿美元，并推出了 Persimmon 模型。但旧金山初创公司 Mirror Particle 认为，当前依赖 LLM 提示或微调来扮演目标人群的做法根本行不通。CEO Abhivyakti Ahuja 打了个比方：这就像拿着一把超级水枪去对付尼亚加拉瀑布。LLM 已在数千亿数据点上训练，靠少量数据微调很难改变其行为，它本质上仍然停留在过去。LLM 建模的是书面语言，而人类由视觉感知、空间推理和社交智能构成，因此用 LLM 得到的洞察往往基于人们不会注意到的信息，与预测人类行为这一目标背道而驰。

Mirror Particle 选择从头构建一个基础模型——用 Ahuja 的话说，是一个“世界模型”，模拟人类行为背后的原因以及行为如何随时间变化。公司不想捕捉静态的人，而要捕捉变化中的人，包括纵向数据、触发变化的因素及变化程度；如果没有任何变化，那本身也是信号。该模型整合了客户数据、时事、流行文化、社交媒体等专有组合，对特定人口群体建模，跟踪动机在经历中的迁移。其重点放在“revealed behavior”上，即人们实际做了什么，而非调查问卷中的自我报告。

Mirror Particle 的首个市场方向是市场研究和品牌/产品战略，因为这些领域已有现成预算。例如，它可以帮助美妆品牌决定是否该为 Gen Z 推出眼影盘，而不只是优化广告文案。在早期试点中，一家知名宠物食品品牌咨询包装上该放什么图像（鸡肉？牛肉？蔬菜？），Mirror 的模型发现品牌问错了问题：图像无关紧要，真正的瓶颈是品牌过于大众化、被认为是廉价产品，不解决这个认知问题，销量就无法提升。引擎还会给出推荐背后的“为什么”——动机、约束和上下文，帮助品牌决策。

公司已获得天使轮融资，并称接近完成首轮风投。团队背景上，Ahuja 研究过神经科学和计算机科学，在多伦多大学受 Geoffrey Hinton 的神经网络研究启发，后来在 Amazon Robotics 与联合创始人 Will Song 和 Thomson Yen 结识。Song 曾构建销售个性化引擎，Yen 专注用深度学习理解 AI 智能体对人类行为的认知。长期来看，Mirror Particle 希望成为“预测人类行为的一般层”，从群体分析走向个体洞察。如 Ahuja 所说：“我们要与 AI 并肩工作、彼此协作，就需要一个更好的人类模型。”该公司将参加 TechCrunch Disrupt 上的 Startup Battlefield 200 竞赛。