深度｜对话 WorldVac 高森泉：当 AI 开始模拟社会，我们离「基地」里的心理史学还有多远？

阿西莫夫在《基地》里写过一门虚构的学科：心理史学。在那个宏大的银河帝国故事里，哈里·谢顿试图用数学预测文明的走向。一个帝国如何衰落，一场危机如何爆发，一个社会又会怎样在数百年甚至数千年的尺度上滑向某个结局，都被装进一套复杂的概率模型里。

这个设定之所以迷人，是因为它把人类最古老的野心包装成了一个科学问题：我们能不能不只是解释社会，而是提前看见社会？

很长时间里，这只是科幻。直到大模型出现之后，事情开始变得微妙起来。过去的社会模拟，往往依赖手写规则、统计假设和有限样本。研究者需要提前设定每一种行为规则，再观察这些规则在系统中如何互动。但今天，LLM 让一个“虚拟人”可以拥有记忆、情绪、偏好、社会身份和语言能力。它可以在一个模拟城市里上班、消费、交友、争吵、被谣言影响，也可以和成千上万个其他智能体一起，形成某种宏观社会现象。

WorldVac 想做的，就是这样一个东西。

这一期播客，我们邀请到了 WorldVac 创始人高森泉。他 2001 年出生，2019 年进入清华药学本科，2023 年进入清华系统生物学博士项目，现在休学创业。WorldVac 是一个由多智能体系统驱动的大型 Agent 模拟系统，也会以互动的demo形式面向公众：在一个持续演化的世界里，数百万个社会智能体生老病死、彼此影响，形成复杂的经济和社会动态，用户可以在里面通过买卖 agent 公司的股票来影响整个 agent 世界。

这看起来非常像一个游戏，

但聊到最后，我们发现，它不只是一个游戏。

它更像是一个同时跨过 AI、游戏、社会学、商业预测和科幻想象的实验：如果我们真的能制造一群足够像人的虚拟人，能不能在真实世界之外，先跑一遍社会？

当AI开始复刻人类社会

Jane：欢迎来到这期AI播客。这期我们很高兴邀请到了高森泉，他创立了一家新的公司Astraculum AI，同时推出了第一个产品WorldVac。首先请森泉跟我们打个招呼，然后简单介绍一下自己。

高森泉：Hello，我是高森泉，Astraculum AI 的 CEO。我是 01 年的，今年 25 岁。2019 年入学清华药学本科，2023 年进入清华系统生物学 PhD 项目，现在算是休学创业。

我们刚刚release了一个 demo，用上百万个agent填满了一个模拟的星球，他们在里面婚配、繁衍、劳动、斗争，然后死去，你可以看到里面形成了很复杂的权力模式和财富分配形态，然后你能够通过介入股市去间接地影响这个世界——我也是一个老游戏玩家，其实这个东西已经很像一些模拟游戏里的世界架构了。

如果只是一个能聊天、能执行任务、能调用工具的虚拟角色，它只是一个 Agent。但如果这个 Agent 有自己的身份、记忆、需求、关系、空间位置和社会处境，并且被放进一个有资源、有组织、有权力结构、有冲突的世界里，它就不再只是一个角色，而变成了一个社会单元。WorldVac 想做的不是单点 Agent，而是一整个由 Agent 组成的社会。

Jane：你说你是一个老游戏玩家，你心中被严重低估的一款游戏是什么？

高森泉：我觉得是《矮人要塞》。大多数人可能没听说过这个名字。它是国外一对兄弟做的游戏，在模拟游戏这个品类里非常有影响力，但一直走得不太顺。截止到 2024 年，它仍然是（我心目中/很多人心目中）最好的模拟游戏之一，也是规模最宏大、最有历史感的多角色模拟游戏之一。

它会模拟几个矮人怎么去建造一个要塞。里面的矮人会用一些非 NLP 的手法，比如 prefix 的状态机脚本，去执行自己的行动，然后把自己的经历叙述成日记一样的形式。这一点让我非常珍重。他们就是用脚本硬生生把历史性和随机性的事件堆出来，我非常敬佩。

这款游戏吸引人的，不是画面，也不是商业包装，而是“历史感”。一群看似粗糙的虚拟角色，因为规则、事件和随机性的叠加，逐渐形成了自己的生活、冲突和命运。

这是 WorldVac 的底层信念：用数据和算法去逼近人类行为和复杂社会是可能的。

Jane：你最想在WorldVac里面复刻的一个现象，或者一段历史是什么？

高森泉：这个事情很有意思，我们可以慢慢倒回去讲。

最早我的 CTO 参与过一个社会模拟框架叫 AgentSociety，它可以模拟十几万人在北京市或者其他现实城市里的生活。那个系统里已经可以模拟一些很有趣的现象，比如社会极化。两拨人本来好好的，但因为一个谣言，或者某种特别有煽动性的言论，这两拨人就开始分化起来。

AgentSociety(arXiv:2502.08691) 的前端界面，展示了对南卡罗来纳州首府哥伦比亚的模拟

但那个阶段有一个问题：在 AgentSociety 的阶段，它没有足够强的社会组织建模，也没有人与人之间的支配能力。社会不是只有一个个原子化的人，它还有公司、政府、组织、层级和权力关系。

我特别好奇，如果在一个更有社会组织的设定下，比如有 A 组织、B 组织，有公司、有政府，这样更 detail 的组织建模里，一个谣言或者煽动性叙事，会对处于不同组织中的人产生什么样的影响？它又会如何改变这个数字世界的宏观组织架构？

严肃的社会模拟讲微观、中观和宏观。AgentSociety 当时完成了微观这一层，也就是每个人每天的原子化行动。我们现在更关心的是中观和宏观：组织层面会如何受到谣言、煽动性叙事和冲突的影响。

也就是说，WorldVac 的野心不是模拟一个人，而是模拟“人和人之间的结构”。一个谣言如何穿过关系网络，一个组织如何因为内部叙事发生撕裂，一次政策干预如何改变居民幸福感、就业、消费、迁徙和组织秩序，这些才是它真正想观察的东西。

Jane：如果你能获得一个“人”，或者一群人的完美副本，模拟他在虚拟社会环境中的行为和其他个体的交互，你会选谁？

高森泉：这是一个有点危险的问题，我个人比较好奇，如果 Anthropic 的 Dairo 变成这样一个模拟里的人物，他会怎么样。

因为他自己就是做这个的。假如他知道自己是 Dairo ，又突然发现自己生活在一个模拟环境里，他会怎么想？他会怎么做？如果他在那个世界里决定这个世界的走向，又会发生什么？当然，我们不可能真的复刻一个 Dairo 。只能说，复刻大家印象中 Dairo 的一个集合体。但这会是一个很危险而有趣的故事。

这几乎是一个非常侯世达式的“自指”问题：如果一个正在制造智能体世界的人，自己也被放进一个智能体世界，他会如何理解自己的位置？

WorldVac 对技术的兴趣，不是从“效率”开始，而是从一个带有科幻感的故事开始。

人的叙事冲动如何塑造模型的偏好？

Jane：你在清华的时候参加过话剧社，现在做的事情跟社会科学相关，你自己的专业其实是生物，还包括计算机方向。这些复杂的标签背后，最跟你相关性高的是哪个？

高森泉：这么多标签的话，我觉得我一直想做一个导演吧。Director。不管说去立一个组织，还是去立一个剧组，还是去带领一群人开发，我觉得我的方法论始终是我在清华做戏剧的时候学到的做导演的方法论。本质上创业是在讲故事，这是我的一个看法。

Jane：包括你的爱好，其实跟现在做的事情有一些共同之处，对吧？

高森泉：对。我跟 CTO 闫珺博，就是因为一直玩掌机上的《火焰纹章》认识的。我们玩得比较多的是 3DS 上那几作。《火焰纹章》讲的是如何带着一批人，去影响世界的各个部分，并从中招募新的伙伴。这样的故事一直围绕在我和身边伙伴的现实关系里，可以说有一定程度的影响。

Jane：可这里有个很有意思的反转——RPG也好、剧本也好，现在其实都是大模型的训练语料，这些东西能影响你，应该也能影响模型。

高森泉：是的，大模型对于如何扮演或者说模拟一个人的能力，不是从真实社会中习得的，而是完全的来自预训练过程中的、人类对自己真实历史反刍之后得到的故事文本。或者说创作者和读者先从现实里筛选并加了偏好，模型从这些成品里学习一个“二手”的社会。我们的叙事冲动和组织文本的技术，造成了模型的很多偏好。这里的偏好不是指在酒馆这种场景下复读文本的刻板行为，而是特定的价值观和自我认知偏好，后面我们可以具体展开。

Jane：你的戏剧训练具体是在哪里完成的？

高森泉：正式训练是在清华。当时叫学生文工团，后来是学生艺术团，下面有话剧队。我是编剧组，指导老师都是中戏来的，小班教学，一年两百多人面试进来十个，做一到两年的戏剧训练。我做过对鲁迅作品的改编，也和鲁迅文学院的老师合作过，后面还有一些剧评和文艺理论的小作品，能在知网上查到。

Jane：你小时候是一个狂热的故事爱好者吗？

高森泉：小时候更多是信息狂热者，我更关心的是信息是什么样子的。故事这个概念在那个时候还不太明显。我迫切想知道有什么样的信息，这个人会怎么样，百科全书里有没有故事。我同样也很喜欢读百科全书。

对信息的狂热更多是我童年的一个诅咒。年纪更长之后，我才越来越关心构建人物的技巧，以及虚构的个体到底在哪些方面能打动人心。叙述技巧和手法怎么把一个不好的故事变成一个好的故事，这是后来才知道的事情。

从最早的简单事件小品，到比较复杂的多人戏、对手戏，再到大的本子训练，其实是中央戏剧学院那套东西的一个简化复刻。先学剧作理论，也读经典剧本，学校还提供过戏剧训练证书。戏剧训练于我而讲，提供的不是某种文艺爱好，而是对“因果”在叙事中是如何被操作的这个事情的感知。

Jane：这些戏剧训练是怎么融合到你们现在做的事情里的？可以举一个具体例子吗？

高森泉：我更多是知道了创作时人类是怎么创作的。

当你在工程上写剧本、把手弄脏的时候，会发现所有好故事的取材、好的灵感，更多来自真实历史事件，来自真实社会里发生的事情。你从里面挑一些东西组成因果，再加上自己的 preference，组成一个由你主导、能影响观众喜好的故事。更理论化的来讲，可以借用俄罗斯的文学理论家普罗普的结构主义的视角，他有两本书，一本是《故事形态学》，说的是民间故事表面千变万化，但本质是一组有限的、顺序相对固定的"功能"，角色也就那么十几类。《神奇故事的历史根源》讲得更具体些：这些母题不是凭空来的，能一直追溯到古代的成年礼、仪式、那个社会曾经存在而现在已经消失的制度。也就是说，许多叙事结构其实是某个社会形态留下的化石。

Jane：这和大语言模型的关系是？

高森泉：既然这种在社会中扮演特定角色的能力没有被SFT（监督微调）或者RL(强化学习)去涵盖，那么这种能力就完全的来自于预训练里读过的故事文本，训练语料里占主导的故事是在哪个社会、在哪个时代、被什么阶层写的，模型的价值观就带着哪个社会的偏好，这也就是为什么模型的价值观和英语国家、新教欧洲国家的价值观是高度接近的。更确切的说，模型不是中立的社会模型——事实上这种中立的社会模型也不可能存在——而是人的叙事冲动的压缩包，一方面压进了故事的深层语法，会把每个人都当作故事的理想主人公，另一方面，也压进了讲故事那群人的价值观。所以说，所以当你想用它去模拟一个中国县城青年、一个辍学的“少女妈妈”时，得到的偏差就可想而知了。

现在，真正的技术难题被重新定义了：不是把模型推向更强、更理性，而是反过来——把这套被训练数据灌进去的"叙事本能"识别出来、校正掉，再重新锚定到一个具体的、真实的人群上。

后面会看到，这恰好是我们和"让 agent 自由生长出一个架空世界"之间最根本的分界线。

从药学博士到休学创业：转折发生在一篇论文之后

Jane：回到你在清华期间做的AI研究。你本科和博士主要做什么？

高森泉：我是通过生物学竞赛进到清华，我本科是药学专业。当时选药学，是因为它稍微更靠近计算机一点。药学里会有更多计算机辅助药物设计的内容。我就是从这个轨道上，慢慢靠到 AI 里面去。

最早做过一些项目，比如本科期间参与过一个生物学不同模态的 CLIP 的工作，关于如何对齐小分子的一些性质，做性质预测，用没有那么大的模型去做 prediction。

在 AI for Science 的热潮里，这是一个很自然的方向。AI 可以帮助发现分子、预测性质、加速药物研发，几乎每一个环节都看上去充满机会。但这条路也有冷启动之外的现实约束。

Jane：大模型对AI for Science也带来了很大变化。你有没有经历过某种新技术发现，直接把旧路径带掉，带来很amazing的结果？

高森泉：我很想讲这样的故事，因为之前也在投资机构做过 intern，也听过这样的故事。

但人们往往会高估一个事情的短期影响，尤其是在 AI for Science 这方面。说到底，如果说加速药物临床发现或者 preclinical 步骤，最后卡住的其实往往是临床资源的获取。你一年上不了那么多临床实验，临床实验的数据又不足以支撑一个模型去预测临床一期、二期效应。

所以短期之内，靠 AI 剧烈地产生很多药，然后给各种病人用，至少我们还没看到。但长期的话，我相信总会看到。像晶泰科技这样的公司已经很好地打通了一些管线，长期来说我看好，但短期这是很难的事情。

Jane：是你对这个行业的观察，决定了之后不再做这个方向吗？

高森泉：这些理念始终让我兴奋。但很遗憾的是，医药行业、biotech 不是一个适合年轻人创业的行业。它适合 PI、老教授、药厂高管。

没有人会因为一个 PPT 就 drop out 去做 biotech，非常少，成功概率也非常低。而且它本身风险性很强。可能我第三次或者第四次创业，如果有的话，会去搞这个事情。

这段判断解释了为什么一个药学和系统生物学背景的人，没有继续沿着 AI 制药创业，而是转向了社会模拟。

不是因为不相信 AI for Science，而是因为那不是一个适合年轻人第一次创业的战场。生物医药的门槛不只在算法，而在临床、管线、资本周期、产业资源和风险承受能力。

相比之下，Agent 社会模拟虽然同样困难，却更接近一个可以快速验证、快速搭建、快速形成产品反馈的方向。

但真正触发行动的，不是一个商业计划，而是一篇论文。

Jane：你什么时候开始想创业？哪怕当时方向还没想清楚。

高森泉：最早是在一家清华校友企业，叫克睿基因，我在那里做临床前模型的实习生。那时候感受到 startup 的氛围，和我待过的课题组完全不一样。我开始认识到 startup 确实是很不一样的东西。

那是我大二的时候。我当时就想，我应该有一家自己的 startup。

Jane：后来真正刺激你一定要出来干的，是CTO那篇论文？

高森泉：对。我们之前私下聊过很多，但我当时对技术可行性还是很质疑的。

Jane：你看到那篇论文是什么时间？

高森泉：就是2025年年初，2 月份。

Jane：那篇论文直接影响了你们要做的事情？

高森泉：对。如果你看我背后的显示器，就是这篇文章，AgentSociety，一个大规模社会模拟。

在看到 AgentSociety 之前，他并不相信这件事能以可负担成本完成。要模拟很多 agents，甚至模拟一个城市级别的社会系统，听起来更像游戏爱好者和科幻想象里的谈资。

但那篇论文把它变成了一个可以动手做的工程问题。

与此同时，博士阶段的研究则提供了另一个背景。

Aaron：你博士和本科做的是一个方向吗？

高森泉：博士做的东西更 crazy 一点。我跟博士导师的故事，也是一个挺好的 story。你们知道陈春雨吗？

Aaron：知道，我们访谈过他。

高森泉：对，陈春宇和我是一个导师。他博士期间发的那几篇论文，都是我导师指导的。我导师对我影响很大，他很像一个投资者，尽管他的身份是 PI。他的想法就是在学校的学生里面找天才，然后给他一个比较好的环境，让他去做想做的事情。

我最早是在他一门叫核酸分子设计的课程上认识他的，后来到他的实验室读博士。主要方向是用 DNA 做神经网络。DNA 可以做分子电路，分子电路可以做神经网络。

我们当时最终目标，是做一个用 DNA 搭的 transformer。在一个小小的EP管里面，可能有上千万个 transformer的的物理实例。

这听上去几乎像另一个科幻项目：不是在 GPU 上跑神经网络，而是在试管里用 DNA 搭一个 transformer。

但导师给出的建议非常现实。

Jane：你选择休学创业时，导师是什么态度？

高森泉：他让我去休学。

Jane：身边的人都支持，没有什么反对？

高森泉：对，没有什么反对。我要做什么事情，周围人很少反对，可能我比较擅长辩论。

其实我导师也帮我下定了决心。我当时觉得用 DNA 做神经网络挺好，像Caltech的winfree和钱璐璐夫妻两个在这个领域发了不少nature，但他认为这个现在还是 toy model。现在工业界神经网络都是几百 billion 的参数，你试管里搞一个几百参数的东西，有什么用？

他的意思是，现在先出去，把大的时代浪潮跟上。等时代浪潮退一退，再回来做这个。他说，你现在做这个事情，本质上是看空大模型。你现在先别看空，回头再看空。

这句话几乎构成了这个创业选择的隐喻：不是离开科学，而是从一个更遥远、更底层的科学问题，转向一个正在发生的时代问题。

大模型浪潮还没有退。既然如此，不如先进入浪潮内部。

为什么资本和学界重新盯上“社会模拟”

WorldVac 并不是孤立出现的。

从 Smallville 到 Simile，从 ARRU 到各种虚拟用户和社会预测创业公司，社会模拟正在重新变成一个被学界、资本和产业界共同关注的方向。

Aaron：你刚才说WorldVac做的是social simulation，相当于是一个social world model。那我们把概念讲清楚，什么是社会模拟？为什么它今天突然被更多人关注？

高森泉：社会模拟其实很简单，就是对社会里面的人做模拟，或者对社会整体的一些指标动态进行拟合。这是最原始的定义。

那为什么需要社会模拟？因为我们只有一个世界，没有办法在真实世界里做各种各样想做的策略。所以需要一个模拟场景，代替真实世界做可能的策略筛选和评估。

社会模拟今天很多时候会被放进 agent-based method 里。这个方向其实从上世纪 70 年代开始就有相当程度的人气。早期方法是通过一系列手工调教的规则，去模拟社会中的人以及社会本身。agent-based model 也相当程度上成为这个行业里主流的方法。直到 2023 年，J.S. Park 做了 Smallville，向大家证明语言模型通过庞大的预训练知识，可以摆脱手动设计规则，去做社会中一个角色的模拟。

再往后，他们出了一些更细致的工作，比如采访 1000 个人，然后把这 1000 个人做成 agent，复刻受访者自己的一些情况，让这些受访者的“副本”在模拟世界中运行。

这在学术界引起了比较大关注。

社会模拟不是新东西。它的旧范式是 agent-based model，研究者手写规则，让虚拟个体按照设定好的行为逻辑运行。比如一个人在什么条件下迁移、什么时候消费、什么时候相信谣言、什么时候改变立场，都需要提前设计。

但 LLM 改变了这件事。语言模型本身已经吸收了大量关于人类社会的文本知识，它可以生成理由，可以扮演角色，可以维持身份，也可以在对话中做出看似合理的行动选择。

这让“模拟一个人”第一次从纯规则工程，变成了语言模型可以部分承担的任务。

Aaron：如果是B端，它具体服务哪些场景？

高森泉：大部分水上商业化场景，比如 ARRU 和 EY 这样的老牌咨询公司合作，模拟全球高净值人群的用户画像，以及他们如何有自我认知，通过问卷量表来做 simulation output。

Simile 更多是和 Gallup、CVS 做交付案例。比如它的展示很像 Deep Research：假设我是纽约市政府，我做一个策略，它会影响什么样的人？这其实就是政策研究。

所以服务对象包括政府、咨询机构，也包括保险公司这类企业。它们对人口动态和人的模拟很关心。

这也是社会模拟在今天重新变热的原因：它不仅是一个研究问题，也能变成一个商业问题。政府想知道政策会影响谁。咨询公司想知道一个策略会怎样改变人群反应。保险公司关心人口动态和风险结构。消费公司关心用户画像、广告投放和行为预测。过去，这些问题依赖调研、访谈、焦点小组、A/B test 和统计模型；现在，创业公司开始尝试用虚拟人口和智能体模拟来补充甚至替代其中一部分环节。

Aaron：Simile和ARRU是否代表两个不同的时代？

高森泉：我觉得不能说是两个时代，更多是两个方向。

Simile 和学术界有比较好的公开关系，也有 publication，所以我们能知道它的技术栈大概搭建在什么思想之下。比如他们坚持做 self-reported agent 构建，或者基于访谈录音的 agent 构建。它比较善于分享，也带着行业进步。

ARRU 的信息更封闭，不太能知道它内部到底用了什么技术，也不太知道 benchmark 情况。从公开信息看，ARRU 可能相比 Simile 没有那么依赖大语言模型，他们会强调一些更传统的解决方法。至少水上信息看是这样。

这两条路线背后，是今天社会模拟赛道尚未收敛的状态。一条更接近学术：公开论文、构建受访者 agent、验证虚拟人能否复刻真实人的态度和反应。另一条更接近商业：不强调技术透明，而强调能否服务政府、咨询、保险、广告和用户研究。

WorldVac 的位置则介于两者之间。一方面，它有面向公众的互动形态，去探索人类社会和 Agent构成的虚拟社会的关系；另一方面，它也明显看到了 B 端的价值：虚拟用户画像、策略评估、广告投放、用户偏好 alignment、推荐系统优化。

所以，WorldVac 的真正竞争对手不是 AI 游戏公司，而是咨询公司、用户研究公司、广告系统、推荐系统，甚至是未来某种社会科学基础设施。

最难的不是让Agent变聪明，而是让它变普通

如果说社会模拟重新变热，是因为 LLM 让“模拟一个人”变得可行，那么它真正的困难也来自 LLM 本身。

大模型越强，越会推理，越会总结，越会在对话里给出漂亮答案，就越可能不像一个真实的普通人。

Aaron：LLM本身的进步，对基于智能体的社会模拟有什么影响？

高森泉：这是一个我觉得即将成为共识的非共识：reasoning model 上的一系列进步，不一定能帮助语言模型更好理解社会中的人如何决策、如何行动。

举个最简单的例子，它总是倾向于把模型训练成社会里最聪明的人。这会导致模型在做 simulation，或者作为代理去模拟真实人行动时，有一系列内生偏见。

比如 Simile 公开的例子里，从 4o 到 GPT-5，这方面能力没有明显进步。他们自己的微调收效也比较有限。

这是社会模拟里一个反直觉的地方。

在大多数 AI 任务中，我们希望模型更聪明、更理性、更准确。但在社会模拟里，一个“太聪明”的模型反而是问题。真实社会中的人并不总是理性，也不总是有完整信息，更不会永远按照最优策略行动。人会拖延、误判、冲动、被情绪支配、被身份影响，也会因为社会关系和组织结构做出非最优选择。

如果所有 agent 都像一个受过高等教育、表达清晰、长期理性的模型，那么模拟出来的就不是社会，而是某种经过 RLHF 清洗之后的理性人剧场。如果说 RLHF 给了它一层理性人滤镜，那预训练里的海量剧本材料，则给了它一层主角滤镜。

Aaron：所以原因是智能体AI本身更像一个利益最大化、理性人的假设？

高森泉：可以这么说，它有很强的理性人倾向。但我不只局限于理性人，更重要的是它的思维方式。

比如它在价值观上会倾向于一个受高等教育的北美白人，这些 RLHF 带来的倾向会进入模型。语言模型的种族偏见、文化偏见，在 2022、2023 年就有大量心理学和社会学研究讨论。

我们自己做也会发现，用 Llama 或 Qwen 这样的开源模型去扮演、去测，它们的价值观有一些显然区别。因为每个公司的后训练团队和对齐团队都有自己的价值倾向，这些倾向会映射到模型上。

所以我们现在真正要做的，是让模型去拟合任意一类人的社会行动。这是一个类似对齐的问题，但不是把模型对齐成更安全、更礼貌，而是对齐到不同人群。

这也是 WorldVac 技术问题的核心：不是让模型更强，而是让模型更像某一类具体的人。

一个中国县城青年、一个美国中产老人、一个一线城市白领、一个低收入家庭母亲、一个高中生、一个公司中层、一个政府官员，他们的行为模式、信息环境、价值判断和行动约束都不一样。社会模拟不能让所有人都共享同一个大模型默认人格。

Aaron：这和personalized LLM是什么关系？

高森泉：很多人会想到 personalized large language model。做角色扮演、做 AI 陪伴的人都会提这个概念。

但这里有一个很大问题：现在个性化语言模型的指标比较落后。很多时候还是用词频、BERT score 去衡量语言模型输出和我们想要对象的输出有多像。但这和社会模拟里人的动作相差很远。

我们更关心 agent 怎么使用工具，以及达成什么结果。这些目的性的东西，比“说话风格像不像”更能量化。

过去个性化 LLM 受限于测量工具，比如测词频、测 L2、测 embedding similarity。这些指标会受输出长度、句式偏好等影响，不能刻画社会中人的行动。因为在社会模拟里，我们关心的是这个人会不会换工作、会不会买东西、会不会响应政策、会不会被谣言煽动。

所以 personalized LLM 和社会模拟共享一套底层模型调整技术，但目标不一样。一个偏表达，一个偏行动。

在技术架构上，WorldVac 把问题拆成两部分：一部分是 infra，一部分是模型侧。

Aaron：基于智能体的社会模拟，相关技术有哪些？可以详细说一下吗？有哪些流派，区别和关联是什么？

高森泉：智能体社会模拟大概分两部分：infra 侧和模型侧。

infra 侧有很多 agent infra，核心问题是模拟环境怎么构建。我们需要一个 3D 环境，还是 2D 平面环境？是由语言文字构成的社会环境，还是更多模态的环境？这是 agent 本身的技术区别。

还有一个关键问题：agent 之间是否相互影响，是否构成动态社会网络。

这个区别很重要。因为如果我们模拟一个 agent swarm，一个智能体集群，最后目标只是产出代码、产出产品、交付 demo 或版本，那它内部不需要什么异质性、差异性，也不需要权力动态和博弈。

但在社会模拟里，这些东西都需要。社会模拟需要更去中心化的信息 message system，也需要做量表、做监测的一套技术。比如问卷调查，或者类似模型内部探针的工具。

普通的 agent swarm 可以只关心协作效率：谁写代码，谁做测试，谁查资料，谁总结。但社会模拟不能只关心效率。它必须关心谁信任谁，谁支配谁，谁被谁影响，谁有资源，谁被排斥，谁在组织里有权力，谁因为谣言而改变立场。这也是为什么空间很重要。

Aaron：你们是怎么实现这种agent的，从技术上怎么实现这个东西的？

高森泉：从现在的sota来讲，AgentSociety 的模拟其实是一个生成式的社会模拟。什么叫生成式的社会模拟？就是 Generative AI 驱动的社会模拟。在那个阶段，大家想复刻人类行为的复杂性，通过基于 LLM 去建模人类的情感、需求和认知，去稳固他的社会身份。然后再加上社会关系作为一个辅助的嵌入，去调整他的行为。这样我们就拿到了一个可以被语言模型驱动的社会智能体组件。

现在，我们想要让智能体之间可以相互影响，因为社会系统的本质就是构成元素之间非线性的活动。接下来我们就需要一个空间。没有空间的话，你谈不上一个社会。

珺博在清华的时候做过一些消融实验：如果你把智能体的空间参数去掉，它不知道自己在哪里，不知道自己在家还是在市政厅，这个模拟很快就会崩溃。所以你需要一个真实的城镇环境和内部 context，去帮助它理解自己的处境。

有了空间、身份、关系、记忆和行动之后，社会模拟才真正开始成立。

AgentSociety已经可以模拟一些具体场景：政府给每个人发钱之后，居民行为如何变化；飓风吹到城市里，穷人和富人如何逃离；交通工具堵车时，不同群体之间会发生什么争吵和互动；谣言如何传播，UBI 会不会提升居民幸福感，对就业整体又有什么影响。

而下一步，是把社会学研究的工具箱放进去：给 agent 发问卷，问它感觉怎么样；给 agent 注入某种 prompt，改变它的行为；对同一组虚拟人口做不同干预，再观察结果是否在统计意义上发生变化。

但要让这个系统真正可用，还需要更精细的模型校准。

高森泉：另一部分是模型侧，而且现在看来可能更重要：我们怎么把模型对齐、拟合到不同人群身上。

最近普林斯顿的谢宇老师有一个研究，讨论模型本身内生的多样性，也就是它如何生成不同的虚拟人口。不管是补充社会调查研究数据，还是从零生成一个人口，模型都会有特定的内部偏好。问题是，怎么做偏好校正？

学术界通用的方法是 LoRA。当然也可以用类似 Anthropic 研究里对“金门大桥”神经元的 steering 技术，对模型做调整。这两种技术是并行不悖的。

我们现在比较关心另一个技术：能不能类似 text-through-LoRA 的方法，生成一个 hyper-net，也就是一个生成神经网络权重的生成器。它可以根据人群的先验信息，生成对应 LoRA，再套在模型上。

这是一种很典型的社会模拟式难题：你不是要训练出一个最强模型，而是要训练出很多个足够不同、足够贴近特定人群的模型人格。

但这个领域现在还缺少共识。

Aaron：这个技术有收敛吗？

高森泉：方向上有。但 social simulation 现在还没有一个公开 benchmark。

怎么定义一个人群的模拟是好的？怎么做干预？怎么评估干预结果？这些都缺少公开共识。

Simile 做得很好，它开放了很多关于怎么构建 agent、怎么让 agent 动起来的方法。但在数据集来源、模拟干预方式以及 output 上，行业还没有很好共识。

我们看到国内也有一些课题组在做类似事情，比如玉兰、创智那边。但大家说的都是模拟，模拟的东西又很不一样。有时候是把代理当作个人助手，在一轮轮交互中做对齐；有时候是单纯模拟一个完全架空的社会环境，不做校正，只看里面产生的现象能不能对应现实的已知规则。

我们的思路是：给定一个现实人群，去做校正，然后看能不能重复现实人群上的影响、微扰或干预，在虚拟世界里重现出来。

Aaron：如果没有benchmark，怎么评估技术是否在进步？

高森泉：从 Simile 自己的报告和 publication 来看，这个领域的技术在这段时间里还没有非常显著的进步。

但 benchmark 和模型调整是并行不悖的。benchmark 是测量指标，但即使指标还不明朗，我们仍然知道，要模拟得更好，就需要更好的方法去调整模型内部偏好。

在 WorldVac 的设想里，像 中国家庭追踪调查（China Family Panel Studies，CFPS）这样的社会调查数据可以成为一种校准参照。

Aaron：你们怎么理解“模拟得好”？比如是能不能replicate现实社会？

高森泉：最简单来讲，一个人在生命周期里会经历一些事件，比如结婚、生子、就业。像 CFPS 这样的量表里，我们可以知道个体大概会经历什么事件。

如果我们把个体放到类似环境里，让他做出和真实人类似的选择，就可以拿到一个由智能体 action 组成的 list。很多智能体堆起来之后，就可以看到智能体反应集合与真实人类集合之间的差异，然后在这个差异上调整它。

如果是长期的，就按照类似 CFPS 的时间尺度来做。也可以结合一些更小、更细的数据集，比如教育相关数据，做统计整合。

这里的关键不在于让 agent 说话像人，而在于让 agent 的行动序列像人。

一个人会不会读大学、什么时候结婚、是否生育、如何就业、怎样消费、是否迁移、是否相信某种叙事，这些行动组合，才构成一个社会模拟是否有意义的基础。

AI不能算命，但可以让我们看见未来如何失控

社会模拟最容易被误解的地方，是它看起来像算命。

既然可以模拟社会，那是不是可以预测未来？既然可以生成虚拟人口，那是不是可以替代调研？既然可以在虚拟世界里跑无数次政策实验，那是不是可以得出一个确定答案？

这些问题的答案都需要非常谨慎。

Aaron：现在social simulation这个概念是不是被滥用了？领域是不是缺乏共识？

高森泉：这个领域确实缺乏共识，但大家做 social simulation 时，想解决的问题大体还是清楚的，只是暂时都归到社会模拟这个范畴之下。

社会模拟本身层次很多。社会学会讲从个体到中观再到宏观，大家模拟的是不同层次。模拟一个人的态度转变也是模拟；某种意义上，模拟小说角色扮演也可以叫社会模拟，比如模拟《红楼梦》后几十回，也可以叫 simulation。

但它显然不是统计学上可用的 simulation。如果不重复多次，不在不同变量下做干预，就没有什么因果意义。因为源模型本身有很强的不确定性。

说到底，我们认为，如果不在统计学意义上做 simulation，不做重试、不做反复推断，simulation 本身没有意义。

这是对整个赛道的一个基本判断：不是所有“模拟”都有意义。语言模型续写一个故事，也可以叫 simulation；让一群角色在虚拟世界里聊天，也可以叫 simulation；模拟《红楼梦》人物之后的生活，也可以叫 simulation。但如果没有重复实验、变量控制、统计分析和因果推断，它就只是一个生成故事的系统，而不是一个严肃的社会模拟系统。

Aaron：我们应该怎么对待社会模拟给出的预测？

高森泉：可以从小说出发理解。我非常理解很多声称能做模拟或 prediction 的人，会从小说文本出发。最早有预测《西游记》，或者对名著做文本分析。现在有了大语言模型，它最基础的技能就是续写，所以它当然能续写一个社会故事。

但社会不是由文本构成的。即使社会是由文本构成的，也是每个人维护一套自己的文本、一套自己的规则，甚至是某种“私人语言”。

社会模拟能给出的预测，肯定不是续写一个故事，然后续写 180 万种可能性，最后说百分之多少是这样、百分之多少是那样。这很滑稽。

更严谨地说，模型在未校正之前，这 180 万种可能性只是反映语言模型内部现象，不能声称它符合曹雪芹，或者符合真实社会的动态统计学特征。

所以我们倾向于说，要有一个最基本的校正，然后在此基础上做外推、模拟和反复重演，最后得出一些概率特征。

这也是 WorldVac 和“心理史学”保持距离的地方。

Aaron：你刚才提到《基地》里的心理史学。你觉得这个赛道最后会像《基地》一样，预测四五千年维度的历史吗？

高森泉：《银河帝国》有一个特别有趣的现象：心理史学不能预测科技现象，而且银河帝国本身的科技发展在他的制度下也是受限的。

但现在在我们看来，科技始终是社会发展的巨大变量。我们不是生活在一个停止的时代，而是生活在一个高歌猛进的时代。

所以即使是谢顿的心理史学，也没有预测出“骡”这样的突变体。不管它是技术上的，还是基因上的，它都会对整个历史产生巨大影响。

我们只能说，在一定条件下，采取什么样的措施，能够以什么概率导向我们想要的结果。不是直接给一个论断。

更详细来说，我们能够通过社会模拟给出各种各样的可能世界，知道如果最终达到某些可能世界，是什么样的干预在起作用。我们可以做反事实推断，或者做重演。这样会让我们对想要操作的未来，有一个更理性、更可操作化的认知。

所以，社会模拟不是“预言未来”，而是生成可能世界。它不是告诉你未来一定如何，而是告诉你：在某些条件下，哪些路径更可能出现，哪些干预可能改变系统，哪些结果对参数高度敏感。长期预测尤其危险。

Aaron：你觉得这个东西是价值中立的吗？

高森泉：价值在历史上永远都不是中立的。

Aaron：比如预测欧洲多少年之后某个人群会占多少比例，这里面肯定有伦理挑战，你怎么看？

高森泉：如果做长期预测，预测结果本身是发散的。任何外推系统，不管是 next token prediction 的外推，还是拟合的外推，越往长期越可能是错的。

如果预测 50 年之后的人口结构，结果一定非常多样。1 万次模拟之后，不同超参数影响非常大。

所以如果最后一个 report 确定性说，某个人群会占多少多少，那一定有差异化挑选在里面。这绝对代表了生产报告者本人的价值观。

作为一个公司，不能为太久远的未来做价值中立的预测。这本身不可能。

Aaron：所以50年尺度可能和盲猜差不多？

高森泉：对，我觉得和盲猜没有区别，因为它会对超参数非常敏感。

Aaron：你怎么看有些人讲自己要做一个“天道系统”？比如定义一套世界运行规律，让agent在里面运转，碰撞出故事。

高森泉：我知道这种说法。但我们的区别在于，我们不相信存在一个普世的“道”。

所谓“天道”，是一种诱人的想象：只要找到一套底层规则，就能解释世界如何运行，就能让 agent 在其中自然演化出故事，甚至演化出社会。但这种想法过于宏大，也过于危险。

过去大模型和推理模型太成功，会让人产生一种幻觉：是不是只要找到几个合适参数，就能把真实社会放进计算机里运行？是不是存在一条类似“天道”的路线，可以解释和模拟人类行为？

我不相信这个。

这其实是一个很 19 世纪的想法。那个时代人们刚发现物理学、生物学、自然选择和进化，会想能不能用一套自然规律理解所有人类社会。但事情不是这样。

人类内部差异巨大，被大量参数控制。我们需要非常详细的校正，才能贴近真实人口，而不是用一套通用规则生成所有人。偏差之毫厘，谬以千里。

所以我们做的不是生成规则，而是拟合规则。我们要更谦卑地看待模拟能力，先问边界在哪里：哪些东西能模拟，哪些不能；simulation 在什么时候开始发散；什么时候已经越过边界。

这才是严肃社会模拟要做的事。

在这个意义上，WorldVac 的自我定位不是“替社会找到终极规律”，而是建立一个可校准、可观测、可反复干预的实验场。

这也和社会学有关。

Aaron：你为什么会对社会学感兴趣？这和你现在做的事情有什么关系？

高森泉：我最早是竞赛进入到清华的。我一直对人和人的群体的科学研究方法感兴趣。

每一个年轻人可能都会想：有没有一套方法，能让我认识社会、改造社会？

但在清华，我第一堂社会学课是李康老师上的。他翻译过很多西方社会学著作。他上来就跟我们说，社会学是无力的。

我当时就想，什么叫无力？

他的意思是，社会学既没有能力改造社会，不能给你一条坦途告诉你怎么把社会改造好；也不能解释它自身，因为它的研究对象包含自身。它不能让自己变得更好，也不能让社会变得更好。

这种无力，是社会学和自然科学最大的区别。自然科学可以做实验，可以验证。但社会学没有一个能随便做实验的实验场。很多时候，我们只能眼睁睁看着，在焦虑和不确定中，带着所谓知识看着一切发生。即使知道了什么，也不能 claim 这一定是对的。

所以我后来虽然没有拿社会学辅修学位，但我认真听完了很多课。从组织社会学、经济社会学、政治社会学这些二级学科中，我感受到的都是这样的感觉。

Aaron：所以社会学和你现在做的事情有什么关联？

高森泉：我觉得很有关联。因为我们有可能让社会学摆脱无力的境地。我们能够有一群 virtual human beings，被我们模拟、被我们操作。这是最大的转变。我们可以让社会学变得更有力。甚至可以说，我们能知道它在何种情况下与现实人类有相似度，并且建立一套完整的方法论、一套完整的行动指南，让社会学拥有一个能做实验的试验场。

这个说法很大胆。社会学之所以常常“无力”，是因为它不能随便实验。不能给真实人群注入一个谣言，观察他们是否极化；不能随便改变一个城市的政策，观察几十年后的社会结构；不能把一群人放进一个封闭系统里，测试资源分配会如何改变权力关系。

但如果有一群经过校准的虚拟人口，这些实验至少可以被部分模拟。当然，模拟本身必须有边界。否则，它就会变成想要什么结果就能跑出什么结果的游戏。

Aaron：如果有了这个东西，你以前想做什么样的社会学实验？

高森泉：我们最开始想过，能不能模拟一个终极共产主义社会。但这个 simulation 的问题是，你的限制在哪里？我最早做 AI for Science，那里有 ground truth，有真实物理世界。但社会模拟不一样。冯·诺依曼有一句著名的话，大意是四个参数画大象，五个参数鼻子晃。本质上，如果在模拟里不控制自己，你能跑出任意想要的结果。

所以你的控制在哪里，你对模拟边界的规定在哪里，这很重要。不能做天马行空的模拟。

最早我们也会做很开放的事情，比如给每个 agent 很多资源，看它们有什么有趣的社会现象，关系网会变成什么样。但这不能和真实社会有照应，也不能回应我们想改变的真实生活。

这是我从 2023 年知道这项技术到现在最大的转变：还是要扎根现实社会。先把它们 align 到真实人口上，align 到相对真实的环境上，才能知道 simulation 的边界在哪里，以及它在什么时候超出边界。

在商业化层面，这套能力最直接的应用未必是“预测社会”，而是理解人群。

Aaron：除了客户访谈、虚拟客户建模之外，还有什么效果场景？

高森泉：虚拟用户访谈和用户建模，是 Simile 和 ARRU 讲得比较多的场景。Simile 也跟 CVS 这样的大型医疗公司合作。

但我觉得模拟能力不止于此。如果做得更细，是不是能像量化系统一样，精准预测用户接下来的动作？是不是能在不同阶段给用户他最可能被打动的策略？

说到底，我们是在 simulate，是在 human behavior 上做 research。有人说人的最后的护城河是品味，是taste，那我们就在研究这样的taste能通过什么样的手段去复现。

这个想象空间远远超过单纯用户访谈。访谈力度比较粗，时间跨度大，也不够敏感。但如果能和更数字化的推荐系统、更现代的媒介形式结合，威力可能是前所未有的。

大家都在找下一个抖音是什么。它未必只是生成能力的区别，可能还是对不同用户 preference 的 alignment 更重要。无论做生成、场景生成、视频生成还是游戏生成，最后都会遇到同一个问题：如何和用户偏好处在同一个流形空间里。

Aaron：所以你觉得未来最大的场景不是客户访谈，而是商业信息投放？

高森泉：现在而言我不能说最大的市场是什么，我会说什么样的场景会使得这样的技术和方法论得到最大程度的发展，我个人认为很可能是精准商业信息投放，比如广告领域会给这套技术最好的锻炼和成长。

从技术本身来讲，商业访谈不是信息量最大、最能 scale up 的场景。更激烈的广告投放和信息推荐系统里，这个 story 会更好。

这也是 WorldVac 的另一面：它看起来像游戏，底层却可能通向广告、推荐、咨询、用户研究和政策模拟。

但越是如此，伦理问题越重要。

Aaron：在这样的世界里，有没有已经出现过一些和人类社会价值观的偏差？比如虽然我们不一定定义成奴隶、暴力，但在我们的视角里已经是一种恶意状态或关系？

高森泉：这其实和《黑客帝国》的故事一样。第一代模拟里所有人都很开心、很幸福，但它对这个系统、对 Matrix 没有价值。

Aaron：所以你觉得agent有伦理观吗？有道德观吗？

高森泉：有一些。你让它做一些违法犯罪的事情，它会抗拒。

Aaron：它的道德观来源是什么？

高森泉：比较坦诚地讲，来源于它作为base model 时训练过哪些语料，以及SFT和其他的对齐和安全策略。

这也是社会模拟绕不开的悖论：如果一个世界里没有恶意、没有冲突、没有偏见、没有误解，它就不像人类社会；但如果它真的拥有这些东西，它就必须面对伦理边界。最后，WorldVac 到底是一家什么公司？

Jane：接下来一到两年，你们有什么核心目标？最终你希望WorldVac成为一家什么样的公司？

高森泉：我觉得它首先是一家探索性的、研究型的公司。

因为所有东西都来自底层 AI 技术驱动。你必须长期探索、研究、优化这些技术，才能让大家的思维保持活跃。

我希望公司里的大家都愿意思考，愿意去接触各种各样的人，愿意每天看论文，愿意每天接触新东西。所以我会倾向于把 WorldVac 定位成一家这样的公司。

它会有类似游戏一样的互动娱乐形态，去收集和校准数据，但底层显然不是传统游戏公司。更底层的问题，还是 AI 如何理解社会，如何模拟人，怎么用数据和算法去逼近humanity，如何在模拟中重现我们的世界——为现实世界找到更优的解。

加入ZF讨论群，请先添加小助手微信

我们相信认知能够跨越阶层，

致力于为年轻人提供高质量的科技和财经内容。

稿件经采用可获邀进入Z Finance内部社群，优秀者将成为签约作者，00后更有机会成为Z Finance的早期共创成员。

我们正在招募新一期的实习生