生成式智能体作者 Joon Sung Park 创办 Simile：从 Smallville 走向行为基础模型与社会尺度模拟——用数字孪生做反事实，而非只做点预测；并讨论 80 亿人模拟的成本、评估与市场。
- 模拟≠预测：反事实轨迹服务决策。
- Smallville 血统：记忆-规划智能体交互是原型。
- 行为基础模型：学社会互动规律。
Simulation: the new Scaling Law — Joon Sung Park, Simile AI｜深度中文详解
嘉宾：Joon Sung Park（Simile AI）· 主持 swyx/Vibhu · 日期：2026-08-21（PT）
播出信息
- 日期：2026-08-21（PT）
- 嘉宾：Joon Sung Park（Simile AI）· 主持 swyx/Vibhu
- 时长：约 69 分钟（RSS=4178s）
- 章节末段：1:06:08（约 95%）
节目结构（官方章节）
- 开场：Joon 从艺术到 AI — 00:00 🎧 · ▶️
- Smallville 与生成式智能体起源 — 01:46 🎧 · ▶️
- 「直接创造一个世界」与个人 Agent — 05:03 🎧 · ▶️
- 社会物理与行为基础模型 — 09:53 🎧 · ▶️
- 预测 vs 模拟：如何塑造未来 — 14:08 🎧 · ▶️
- Simile 如何建模真实的人与人群 — 16:59 🎧 · ▶️
- 评估模拟、数字孪生与 85% 准确率 — 25:35 🎧 · ▶️
- 后训练以复现人类行为 — 30:23 🎧 · ▶️
- 缩放定律与模拟 80 亿人 — 40:04 🎧 · ▶️
- 从 Schelling 到社会尺度 Agent 模拟 — 43:10 🎧 · ▶️
- 模拟世界的成本与经济学 — 46:13 🎧 · ▶️
- 真实用例、合成人群与市场 — 52:05 🎧 · ▶️
- 模拟的未来、绘画与 UBI — 57:27 🎧 · ▶️
- 我们是否已活在模拟中？ — 1:04:23 🎧 · ▶️
- 创办 Simile 与招聘 — 1:06:08 🎧 · ▶️
分节详解
1) 开场：Joon 从艺术到 AI — 00:00 🎧 · ▶️
💬 他们说了什么： 介绍 Joon：艺术背景转向 AI；斯坦福生成式智能体/Smallville 一作，现创办 Simile。
💡 为什么重要： 奠定嘉宾权威与「社会模拟」议程。
⚡ 争议点： 艺术→AI 叙事是否过度浪漫化技术路径。
2) Smallville 与生成式智能体起源 — 01:46 🎧 · ▶️
💬 回顾 Smallville：25 个生成式智能体在沙盒小镇互动、记忆与规划；论文引爆 agent 社交模拟热潮。
💡 这是后续「行为基础模型」的思想原型。
⚡ 小沙盒能否外推到真实社会复杂性。
3) 「直接创造一个世界」与个人 Agent — 05:03 🎧 · ▶️
💬 愿景：不只聊天机器人，而是可居住的世界与个人 agent；模拟作为产品形态。
💡 把研究原型接到创业产品想象。
⚡ 「造世界」是否过早相对模型可靠性。
4) 社会物理与行为基础模型 — 09:53 🎧 · ▶️
💬 提出社会物理/行为基础模型：学习人类互动规律，而非只预测下一个 token。
💡 定义 Simile 的差异化科学主张。
⚡ 「社会物理」是否可证伪、可度量。
5) 预测 vs 模拟：如何塑造未来 — 14:08 🎧 · ▶️
💬 对比预测（点估计）与模拟（反事实轨迹）：政策/产品可用模拟试「如果…会怎样」。
💡 解释商业买家为何买模拟而非仪表盘预测。
⚡ 模拟可信度与决策者过度自信风险。
6) Simile 如何建模真实的人与人群 — 16:59 🎧 · ▶️
💬 用真实人访谈/数据校准数字孪生；从个体到人群聚合。
💡 方法学核心：如何让 agent 像特定的人。
⚡ 隐私与同意：数字孪生权利问题。
7) 评估模拟、数字孪生与 85% 准确率 — 25:35 🎧 · ▶️
💬 报告约 85% 行为复现准确率等评估；数字孪生评测框架。
💡 给声称装上可核对数字。
⚡ 85% 在何种任务/基线上？选择性报告风险。
8) 后训练以复现人类行为 — 30:23 🎧 · ▶️
💬 后训练使模型更好复现人类行为分布，而非只刷通用基准。
💡 对齐「像人」与「像有用助手」的目标冲突。
⚡ 过拟合评测人设。
9) 缩放定律与模拟 80 亿人 — 40:04 🎧 · ▶️
💬 讨论缩放：算力/成本下模拟 80 亿人是否可行；何种压缩与分层。
💡 把 scaling law 从 LM 迁到社会模拟。
⚡ 80 亿口号 vs 工程现实。
10) 从 Schelling 到社会尺度 Agent 模拟 — 43:10 🎧 · ▶️
💬 从经典 Schelling 隔离模型到大规模多智能体；涌现结构。
💡 连接计算社会科学传统。
⚡ 涌现是否被叙事过度解读。
11) 模拟世界的成本与经济学 — 46:13 🎧 · ▶️
💬 成本曲线、推理账单、何时模拟比调研便宜。
💡 商业化关键约束。
⚡ 成本下降是否自动创造需求。
12) 真实用例、合成人群与市场 — 52:05 🎧 · ▶️
💬 企业用例：合成人群、产品测试、政策沙盘；市场谁买单。
💡 从研究到 GTM。
⚡ 合成数据偏见复制社会不公。
13) 模拟的未来、绘画与 UBI — 57:27 🎧 · ▶️
💬 艺术/绘画类比；UBI 与自动化社会想象。
💡 扩展规范讨论。
⚡ UBI 段落是否离题营销。
14) 我们是否已活在模拟中？ — 1:04:23 🎧 · ▶️
💬 轻讨论模拟假说；认识论玩笑与认真边界。
💡 文化收尾。
⚡ 易滑向伪科学。
15) 创办 Simile 与招聘 — 1:06:08 🎧 · ▶️
💬 公司组建、招聘画像；需要何种研究者与工程师。
💡 听众行动号召。
⚡ 人才叙事是否空洞。
金句
- 「让我们直接创造一个世界。」
- 模拟回答的是「如果…会怎样」，而不只是「下一步最可能是什么」。
来源
- 原集：latent.space
- YouTube
- 转写
- 音频
- 分析基于 latent.space 官方 Timestamps + EN 转写；YouTube《Simulating Humanity…》。
- 未创建中文全文转写页；本页仅为深度中文详解。
