題圖來(lái)自：AI生成

2023 年，斯坦福和 Google 聯(lián)手做了一個(gè)實(shí)驗(yàn)：25 個(gè) AI 居民在一個(gè)叫 Smallville 的虛擬小鎮(zhèn)里生活，會(huì)自己組織一場(chǎng)情人節(jié)派對(duì)，會(huì)互相八卦，會(huì)因?yàn)椤皼](méi)被邀請(qǐng)”而不高興。

Generative Agents：游戲世界中的 25 個(gè)生成式智能體

這個(gè)叫《Generative Agents》的項(xiàng)目，作者之一正是斯坦福博士生 Joon Sung Park，當(dāng)時(shí)更多被當(dāng)作一個(gè)好玩的技術(shù)展示——原來(lái)大模型不只是一個(gè)聊天窗口，它還能“扮演人”，還能被放進(jìn)一個(gè)持續(xù)運(yùn)轉(zhuǎn)的世界里，自己生成記憶、自己做計(jì)劃、自己和別人互動(dòng)。論文里最出圈的一張圖，就是智能體們自發(fā)在 Hobbs 咖啡館辦起情人節(jié)派對(duì)的場(chǎng)景——沒(méi)人安排劇本，是幾個(gè) agent 自己商量、自己發(fā)邀請(qǐng)、自己決定要不要去。

Generative Agents：智能體自發(fā)組織的情人節(jié)派對(duì)場(chǎng)景

CMU 論文 Figure 1：應(yīng)急管理人員從不信任到信任LLM智能體模擬的 16 個(gè)月過(guò)程

過(guò)去幾年，這項(xiàng)技術(shù)被一批研究機(jī)構(gòu)從派對(duì)場(chǎng)景，一路帶進(jìn)了地鐵火災(zāi)、颶風(fēng)疏散、畢業(yè)典禮疏散預(yù)案這類不能開(kāi)玩笑的場(chǎng)景里?？▋?nèi)基梅隆大學(xué)、清華大學(xué)、天津大學(xué)、斯坦福 HAI……這些機(jī)構(gòu)在做同一件事：讓AI智能體不再演一場(chǎng)派對(duì)，而是演一場(chǎng)逃命。而與此同時(shí)，另一批研究者——比如阿姆斯特丹大學(xué)的計(jì)算社會(huì)科學(xué)學(xué)者 Petter T?rnberg ——正在從方法論根子上質(zhì)疑：這些“演得像”的智能體，到底能不能被當(dāng)真。這篇文章就想把這兩撥人放在一起看。

逃命是決策問(wèn)題，不是物理問(wèn)題

傳統(tǒng)的疏散仿真是純物理模型：給定一個(gè)空間、一群點(diǎn)、一個(gè)出口，用元胞自動(dòng)機(jī)或者社會(huì)力模型算出人流怎么走、多久能走完。這類模型的問(wèn)題是，它假設(shè)人是理性的、勻速的、只服從物理規(guī)律的粒子——但真實(shí)災(zāi)難現(xiàn)場(chǎng)里，人會(huì)愣住、會(huì)往回跑找家人、會(huì)因?yàn)榭床磺宄隹跇?biāo)志而原地打轉(zhuǎn)、會(huì)因?yàn)槿后w恐慌而互相踩踏。這些恰恰是純物理模型算不出來(lái)的東西，卻是歷史上大多數(shù)踩踏事故里真正致命的部分。

物理模型想象的人群 vs 災(zāi)難現(xiàn)場(chǎng)真實(shí)的人群

新一代仿真的思路是把系統(tǒng)拆成兩層：“物理層”繼續(xù)負(fù)責(zé)碰撞、力學(xué)這些傳統(tǒng)計(jì)算機(jī)圖形學(xué)擅長(zhǎng)的事，“認(rèn)知層”則交給大語(yǔ)言模型驅(qū)動(dòng)的智能體，去處理判斷、猶豫、恐慌、信息不對(duì)稱——這套“物理—認(rèn)知分離架構(gòu)，本質(zhì)上是給虛擬人群配了一個(gè)會(huì)猶豫的“腦子”，而不只是一具會(huì)跑的身體。過(guò)去一年里，至少有四組獨(dú)立的研究，分別從“決策”、“身體”、“規(guī)?！?、“個(gè)體精度”四個(gè)不同角度，往這套架構(gòu)里填內(nèi)容。

“物理—認(rèn)知分離”架構(gòu)示意

四個(gè)真實(shí)案例，四種做法

卡內(nèi)基梅隆大學(xué)：從 100 人到 13000 人的畢業(yè)典禮預(yù)案

這項(xiàng)研究由 CMU 計(jì)算機(jī)學(xué)院的 Yuxuan Li、Sauvik Das 和 Hirokazu Shirado 三人主導(dǎo)，和學(xué)校應(yīng)急管理團(tuán)隊(duì)做了一項(xiàng)歷時(shí) 16 個(gè)月的迭代設(shè)計(jì)研究，目標(biāo)是給學(xué)校真實(shí)的畢業(yè)典禮疏散預(yù)案提供參考。系統(tǒng)經(jīng)歷了五輪迭代：從 100 個(gè)智能體的小規(guī)模驗(yàn)證，擴(kuò)展到 500、3000，最終做到 13000 個(gè)智能 體——這個(gè)數(shù)字直接對(duì)應(yīng)了這所學(xué)校畢業(yè)典禮的真實(shí)人群規(guī)模。研究團(tuán)隊(duì)沒(méi)有一上來(lái)就做大規(guī)模仿真，而是花了很長(zhǎng)時(shí)間先解決“應(yīng)急管理人員愿不愿意相信一個(gè)AI模擬結(jié)果”這個(gè)更基礎(chǔ)的問(wèn)題：論文標(biāo)題里用的說(shuō)法是“從不信任到信任”的轉(zhuǎn)變過(guò)程，這本身說(shuō)明，這類系統(tǒng)的門檻不完全是技術(shù)門檻，也是一個(gè)組織信任建立的過(guò)程。

Figure 4：真實(shí)畢業(yè)典禮人群動(dòng)力學(xué)與模擬結(jié)果對(duì)比

論文里有一張圖（對(duì)應(yīng)上方Figure 4）把真實(shí)畢業(yè)典禮的人群動(dòng)力學(xué)數(shù)據(jù)和模擬結(jié)果做了對(duì)比，另有一張圖畫(huà)出了不同疏散方案下的累積疏散進(jìn)度曲線。

Figure 5：不同疏散方案下的累積疏散進(jìn)度曲線

最終，這項(xiàng)為期 16 個(gè)月的合作產(chǎn)出了三條具體建議，已經(jīng)被寫(xiě)進(jìn)了學(xué)校真實(shí)的標(biāo)準(zhǔn)操作流程（SOP）——這是目前四個(gè)案例里，唯一一個(gè)已經(jīng)從“論文里的 demo ”變成“真被寫(xiě)進(jìn)制度文件”的例子。

天津大學(xué) + 卡迪夫大學(xué) + 清華大學(xué)：地鐵火災(zāi)里的“身體”

這個(gè)叫 RESCUE 的系統(tǒng)由天津大學(xué)教授李坤（國(guó)家優(yōu)青、天大智能與計(jì)算學(xué)部三維視覺(jué)研究組負(fù)責(zé)人）牽頭，聯(lián)合卡迪夫大學(xué)、清華大學(xué)團(tuán)隊(duì)完成，解決的是另一個(gè)問(wèn)題：光有“會(huì)決策的腦子”還不夠，虛擬人還得有一具“物理上可信”的身體——推擠時(shí)手臂會(huì)不會(huì)真的碰到別人、摔倒姿態(tài)自不自然、不同體型的人跑起來(lái)速度是否符合真實(shí)生理數(shù)據(jù)。

RESCUE 項(xiàng)目：個(gè)性化、物理合理、三維自適應(yīng)的在線人群疏散模擬

團(tuán)隊(duì)在項(xiàng)目主頁(yè)上還放了一段實(shí)際的 demo 視頻（imgs/demo_4201.mp4），可以看到虛擬人群在擁擠中推搡、摔倒、爬起來(lái)繼續(xù)跑的連貫過(guò)程，這是目前四個(gè)案例里唯一能看到“動(dòng)態(tài)演示”而不只是論文截圖的一個(gè)。

RESCUE 論文：24 個(gè)身體部位碰撞受力可視化

團(tuán)隊(duì)做了一個(gè)個(gè)性化步態(tài)轉(zhuǎn)換器，可以實(shí)時(shí)計(jì)算 24 個(gè)身體部位在擁擠碰撞中的受力情況（上圖），論文附帶的定性對(duì)比結(jié)果和消融實(shí)驗(yàn)顯示這套方法比過(guò)去的疏散仿真更貼近真實(shí)人群錄像，團(tuán)隊(duì)還專門統(tǒng)計(jì)了不同類別人群（老人、兒童、成年人）在擁擠狀態(tài)下的速度分布箱線圖，用來(lái)驗(yàn)證模擬出的個(gè)體差異是否符合真實(shí)生理數(shù)據(jù)。這項(xiàng)工作已被計(jì)算機(jī)視覺(jué)頂會(huì) ICCV 2025 接收，項(xiàng)目代碼和主頁(yè)已經(jīng)公開(kāi)。

清華大學(xué)：把智能體放進(jìn)一整座城市

如果說(shuō)前兩個(gè)案例是“事件級(jí)”的模擬，清華大學(xué)電子工程系李勇教授團(tuán)隊(duì)做的 AgentSociety 做的是“城市級(jí)”：論文 16 位作者名單里，Jinghua Piao、Yuwei Yan 等為共同一作，李勇是通訊作者。論文摘要里寫(xiě)的數(shù)字是，給超過(guò)一萬(wàn)個(gè)智能體生成完整的社會(huì)生活，累計(jì)產(chǎn)生了 500 萬(wàn)次互動(dòng)。

AgentSociety 論文 Figure 2：總體框架圖

這套系統(tǒng)被用來(lái)跑過(guò)好幾組社會(huì)實(shí)驗(yàn)，其中一組專門模擬颶風(fēng)等外部沖擊下的城市反應(yīng)，另外幾組則用來(lái)看社交媒體上極端信息傳播、無(wú)條件基本收入這類政策變量如何影響一整座虛擬城市的行為分布。這意味著，同一套底層技術(shù)，既能拿來(lái)算一場(chǎng)畢業(yè)典禮怎么疏散，也能拿來(lái)算一場(chǎng)颶風(fēng)來(lái)了以后一整座城市會(huì)不會(huì)亂——從單一場(chǎng)館到整座城市，驗(yàn)證難度是指數(shù)級(jí)上升的，這也是后面 T?rnberg 那波質(zhì)疑最主要針對(duì)的規(guī)模區(qū)間。

AgentSociety 論文 Figure 10：大規(guī)模社會(huì)模擬引擎系統(tǒng)架構(gòu)

斯坦福：AI分身能有多像你

前三個(gè)案例都在解決“怎么讓一群虛擬人看起來(lái)像真人在逃命”，斯坦福 HAI 這項(xiàng)由博士生 Joon Sung Park 主導(dǎo)的研究問(wèn)的是更基礎(chǔ)的問(wèn)題：AI 分身到底能在多大程度上準(zhǔn)確預(yù)測(cè)一個(gè)具體真人會(huì)怎么做決定。團(tuán)隊(duì)招募了 1052 名具有全美代表性的受試者，先做兩小時(shí)深度訪談，再結(jié)合社會(huì)調(diào)查量表（GSS）、五因素人格測(cè)試、五種行為經(jīng)濟(jì)學(xué)博弈實(shí)驗(yàn)，最后比較AI生成的“數(shù)字分身”和真人本人兩周后重新作答的結(jié)果有多接近。結(jié)論是：結(jié)合訪談和問(wèn)卷數(shù)據(jù)的智能體，復(fù)現(xiàn)真人自己兩周后重復(fù)作答的準(zhǔn)確率達(dá)到 0.86，比單純依賴人口統(tǒng)計(jì)學(xué)變量的傳統(tǒng)方法明顯更準(zhǔn)，也明顯減少了按政治立場(chǎng)、種族、性別分組時(shí)的預(yù)測(cè)偏差。

Park在斯坦福HAI的采訪中說(shuō)得很直接：“這些語(yǔ)言模型其實(shí)是在扮演它剛剛采訪過(guò)的那個(gè)人。”（The language model is trying to role-play as the person it just interviewed.）他認(rèn)為訪談數(shù)據(jù)比單純的人口統(tǒng)計(jì)標(biāo)簽更關(guān)鍵，因?yàn)椤霸L談數(shù)據(jù)的好處在于，它包含了每個(gè)人的獨(dú)特之處，語(yǔ)言模型因此不會(huì)那么頻繁地做出基于種族的籠統(tǒng)概括”。他也把這項(xiàng)研究的野心說(shuō)得很明白：“我確實(shí)認(rèn)為，現(xiàn)在有很多社會(huì)問(wèn)題我們沒(méi)能很好解決，而這個(gè)測(cè)試平臺(tái)可以讓它們變得更容易應(yīng)對(duì)，氣候變化、疫情政策這類'棘手問(wèn)題'都需要極其復(fù)雜的規(guī)劃和條件推演?！边@項(xiàng)研究的價(jià)值在于，它給“ AI 分身到底有多可信”這個(gè)問(wèn)題提供了一個(gè)可以量化的基準(zhǔn)線，而這條基準(zhǔn)線，正是前面幾個(gè)逃生仿真系統(tǒng)能不能被信任的地基。

潑冷水的人：驗(yàn)證才是真正的難題

如果只聽(tīng)這四組研究者的說(shuō)法，這項(xiàng)技術(shù)的發(fā)展軌跡會(huì)顯得異常順利——從 100 人到 13000 人，從單一場(chǎng)館到一整座城市，準(zhǔn)確率還能量化到 86%。但阿姆斯特丹大學(xué)計(jì)算社會(huì)科學(xué)副教授Petter T?rnberg 和合作者 Maik Larooij 在一篇題為《大語(yǔ)言模型解決了基于智能體建模的問(wèn)題嗎？》的批評(píng)性綜述里，給這條樂(lè)觀敘事潑了一盆冷水。他們論文摘要里的原話是：

"We argue that there are reasons to believe that LLMs will exacerbate rather than resolve the long-standing challenges of ABMs. The black-box nature of LLMs moreover limit their usefulness for disentangling complex emergent causal mechanisms."

——Larooij & T?rnberg, arXiv:2504.03274

他們提出的第一個(gè)問(wèn)題是黑箱性質(zhì)：“大語(yǔ)言模型從根本上是黑箱模型……幾乎不可能確定為什么某個(gè)特定輸入會(huì)產(chǎn)生某個(gè)特定輸出?！备闊┑氖?，同樣的輸入在不同次運(yùn)行里可能給出不同的輸出，這直接威脅到科學(xué)研究最看重的可復(fù)現(xiàn)性。第二個(gè)問(wèn)題是偏差與刻板化：“模型經(jīng)常錯(cuò)誤地表征群體及其特征，經(jīng)常表現(xiàn)出夸張的刻板印象”。第三個(gè)問(wèn)題是幻覺(jué)和分布外場(chǎng)景下的失控：“在歷史上沒(méi)有先例的場(chǎng)景中，模型行為可能變得不穩(wěn)定”——而災(zāi)難現(xiàn)場(chǎng)，恰恰經(jīng)常是“歷史上沒(méi)有先例的場(chǎng)景”。

T?rnberg 團(tuán)隊(duì)給出的核心診斷是：“驗(yàn)證仍然是核心挑戰(zhàn)”，而且“加入大語(yǔ)言模型，惡化而非解決了這個(gè)問(wèn)題”（“the addition of LLMs exacerbates rather than resolves this issue”）。他們認(rèn)為，目前很多研究依賴的是“表面效度或者只是松散關(guān)聯(lián)底層機(jī)制的結(jié)果指標(biāo)”，這讓這類模型"占據(jù)了一個(gè)模糊不清的方法論位置"——聽(tīng)起來(lái)很像科學(xué)，但既不完全是傳統(tǒng)的基于規(guī)則的仿真，也不是被充分驗(yàn)證過(guò)的統(tǒng)計(jì)模型。

這個(gè)批評(píng)并非無(wú)的放矢。就連專門做“數(shù)字分身”驗(yàn)證的斯坦福團(tuán)隊(duì)，也在論文里承認(rèn)自己的方法存在局限；另一項(xiàng)研究疫苗猶豫政策模擬的論文里，作者們同樣明確寫(xiě)道“這項(xiàng)早期探索不旨在提供確定的政策指導(dǎo)”，并且發(fā)現(xiàn)不同大模型之間的表現(xiàn)差異巨大，部分模型的偏差能超過(guò) 20%，這背后正是“預(yù)訓(xùn)練數(shù)據(jù)偏差”在作祟。換句話說(shuō)，連身處這個(gè)領(lǐng)域內(nèi)部、真心想把這件事做成的研究者，也在論文的角落里，寫(xiě)下了和 T?rnberg 遙相呼應(yīng)的保留意見(jiàn)。

三層商業(yè)價(jià)值

把這四類研究串起來(lái)看，能看出一條清晰的商業(yè)化路徑，一共三層，風(fēng)險(xiǎn)隨層級(jí)依次升高：

• 第一層 · 應(yīng)急管理 SaaS 工具：把 CMU 那樣耗時(shí) 16 個(gè)月的定制研究，做成學(xué)校、體育場(chǎng)館、地鐵站可以直接調(diào)用的標(biāo)準(zhǔn)化預(yù)案生成服務(wù)。

• 第二層 · 城市數(shù)字孿生行為層：AgentSociety 這類城市級(jí)模擬可以讓數(shù)字孿生從“看得見(jiàn)的建筑物理模型”升級(jí)成“算得出人會(huì)怎么反應(yīng)的社會(huì)模型”。

• 第三層 · 保險(xiǎn)風(fēng)險(xiǎn)定價(jià)：如果一套系統(tǒng)能相對(duì)準(zhǔn)確地模擬出某個(gè)場(chǎng)館在特定人群密度下的傷亡概率分布，這本身就是一種可以被保險(xiǎn)精算模型直接使用的數(shù)據(jù)。

但按照 T?rnberg 的批評(píng)，這三層商業(yè)化里，越往后風(fēng)險(xiǎn)越大：SaaS 化的預(yù)案生成工具，出錯(cuò)了大不了是建議不夠好；但如果保險(xiǎn)公司真的把一個(gè)尚未被充分驗(yàn)證的黑箱模型的輸出，直接喂進(jìn)精算定價(jià)模型，一旦模型在某個(gè)“沒(méi)有先例的場(chǎng)景”里悄悄失控，代價(jià)可能是系統(tǒng)性的。

圖：逃生模擬技術(shù)的三層商業(yè)化路徑

別高興太早：三個(gè)具體風(fēng)險(xiǎn)

結(jié)合 T?rnberg 的批評(píng)和四個(gè)案例本身暴露的問(wèn)題，至少有三個(gè)風(fēng)險(xiǎn)值得單獨(dú)拎出來(lái)。

逃生模擬技術(shù)的三個(gè)具體風(fēng)險(xiǎn)

第一個(gè)風(fēng)險(xiǎn)是“模型太平均”。大語(yǔ)言模型的訓(xùn)練數(shù)據(jù)本質(zhì)上是海量人類文本的統(tǒng)計(jì)平均，這意味著它扮演出來(lái)的“虛擬人”，行為上很容易向“最常見(jiàn)的反應(yīng)”收斂，而真實(shí)災(zāi)難現(xiàn)場(chǎng)的極端個(gè)體行為——比如某個(gè)人因?yàn)樘厥庑睦韯?chuàng)傷而做出完全反常的舉動(dòng)——恰恰是最容易被模型“磨平”的部分，而這些極端個(gè)體行為往往又是傷亡集中發(fā)生的地方。這正好對(duì)應(yīng) T?rnberg 說(shuō)的“夸張的刻板印象”問(wèn)題的反面：不是刻板印象太夸張，而是個(gè)體差異被抹得太平。

第二個(gè)風(fēng)險(xiǎn)是“微觀可信、宏觀失真”。斯坦福的研究證明了單個(gè)數(shù)字分身在特定任務(wù)上可以做到 86%的還原度，但這不代表幾千個(gè)這樣的分身放在一起模擬一場(chǎng)疏散時(shí)，群體層面涌現(xiàn)出的踩踏、擁堵、次生恐慌這些宏觀現(xiàn)象也同樣可信——微觀精度和宏觀涌現(xiàn)是兩個(gè)不同量級(jí)的驗(yàn)證問(wèn)題，這恰恰是T?rnberg 那句“驗(yàn)證仍是核心挑戰(zhàn)”想說(shuō)的事情：目前沒(méi)有哪項(xiàng)研究能證明兩者可以簡(jiǎn)單疊加。

第三個(gè)風(fēng)險(xiǎn)是“過(guò)度對(duì)齊導(dǎo)致失真”。大模型在訓(xùn)練過(guò)程中被反復(fù)調(diào)教得“安全、禮貌、避免過(guò)激反應(yīng)”，但災(zāi)難現(xiàn)場(chǎng)里恰恰需要模擬出違規(guī)、非理性、甚至攻擊性的人類行為，一個(gè)被安全對(duì)齊磨平了棱角的模型，很可能天然地低估真實(shí)人群的混亂程度和恐慌烈度——這也是一種分布外失控，只不過(guò)失控的方向不是“太混亂”，而是“太乖”。

結(jié)語(yǔ)：?jiǎn)栴}變了

從 AI 小鎮(zhèn)到今天，這項(xiàng)技術(shù)真正的進(jìn)步不是讓虛擬人“看起來(lái)更像人”，而是讓研究者開(kāi)始問(wèn)一個(gè)更尖銳的問(wèn)題：這些虛擬人在最壞的那幾分鐘里，還像不像人？

派對(duì)上像不像人，考驗(yàn)的是語(yǔ)言和社交表現(xiàn)；火災(zāi)里像不像人，考驗(yàn)的是在信息缺失、極度恐慌、生死攸關(guān)的狀態(tài)下，會(huì)不會(huì)跟真人一樣做出誤判、跟風(fēng)、甚至互相傷害。

CMU、天大、清華、斯坦福這四組人，正在用各自的方式回答“能不能做到”；T?rnberg 這樣的批評(píng)者，則在提醒所有人先回答“你怎么知道它做到了”。這才是 “逃生模擬” 和 “AI 小鎮(zhèn)”之間真正的分野，也是這項(xiàng)技術(shù)接下來(lái)能不能被應(yīng)急管理部門、保險(xiǎn)公司真正信任并投入使用的關(guān)鍵。

但不管這些系統(tǒng)能做到多精確，最后按下疏散指令、決定是否相信模擬結(jié)果的，終究還得是人。

參考資料：

1. CMU應(yīng)急疏散研究：arXiv:2509.21868（作者：Yuxuan Li, Sauvik Das, Hirokazu Shirado / CMU）

2. RESCUE地鐵疏散系統(tǒng)：arXiv:2507.20117｜項(xiàng)目主頁(yè)｜演示視頻｜GitHub（負(fù)責(zé)人：李坤 / 天津大學(xué)，ICCV 2025）

3. AgentSociety城市級(jí)模擬：arXiv:2502.08691｜項(xiàng)目文檔（通訊作者：李勇 / 清華大學(xué)）

4. 斯坦福數(shù)字分身研究：arXiv:2411.10109｜項(xiàng)目頁(yè)｜GitHub｜Joon Sung Park采訪原文，Stanford HAI

5. T?rnberg批評(píng)性綜述：arXiv:2504.03274《Do Large Language Models Solve the Problems of Agent-Based Modeling? A Critical Review of Generative Social Simulations》（Petter T?rnberg, Maik Larooij / 阿姆斯特丹大學(xué)）

6. 疫苗猶豫模擬局限性討論：arXiv:2503.09639

7. 2023年"AI小鎮(zhèn)"原始論文：arXiv:2304.03442《Generative Agents: Interactive Simulacra of Human Behavior》