境瞳科技弭宝瞳，以人为中心的下一代 AI，社会世界模型会是 LLM 之后的新基座吗？

📌 一句话摘要

本文深度访谈境瞳科技创始人弭宝瞳，系统拆解社会智能从模拟器到社会世界模型的演进路径，论证以人为中心的 Social World Model 可能成为 LLM 之后的下一代基座。

📝 详细摘要

本文是 Z Potentials 对境瞳科技创始人弭宝瞳的深度访谈，围绕社会智能与社会世界模型展开。弭宝瞳自 2016 年研究社会计算，历经十年学术与创业后重新聚焦这一方向，认为 LLM 补上了社会模拟三十年缺失的「像人的人」，使千万级 Agent 社会模拟从设想变为可运行系统，置信度从两年前的 30%～40% 提升到约 90%。文章详细拆解社会智能的四层技术架构（个体心理层、交互动力层、群体行为层、社会制度层），阐述图作为多尺度状态表征的优势、多步推演误差控制的 L1/L2/L3 分级机制，以及从 1950 年代注入历史背景增强模拟器可信度的实践。弭宝瞳判断社会模拟器只是过渡态，终局是能对信念、意图与关系结构进行状态建模和转移预测的 Social World Model，它将成为 Agent 进入人类社会的基座模型。他同时对比了 Humans&AI、Simile、Aaru 等海外公司路径，坦诚讨论 sim-to-real gap、循环偏差等未解难题，认为社会智能的价值不会低于具身智能，团队计划明年推出自研社会世界模型。

💡 主要观点

- 社会认知是 AGI 能力版图中缺口最深的一层，LLM 的「懂人」只是表面模仿。 Google DeepMind 最新 AGI 定义将社会认知列为十项认知能力之一并公开征集评测方案；LLM 学到的只是社交语言的表面规律，真正理解人需要对社会状态进行建模。

LLM 补上了社会模拟三十年缺失的「像人的人」，使千万级社会模拟成为可能。 规则驱动的 ABM 缺乏泛化能力，LLM 的拟人化生成使模拟器置信度从两年前的 30%～40% 提升到约 90%，个体层突破后交互层、群体层、社会层一并跑通。

社会模拟器是过渡态，终局是能预测社会状态转移的 Social World Model。 模拟器能生产真实世界不存在的社会反事实数据，是基座模型的核心数据来源；最终社会推理能力会被内化为每个 Agent 在面对个人、多人或群体时的自带能力层，位于 LLM 决策之前。

多步推演误差控制是社会智能从可用走向成熟的最大技术瓶颈。 单步推断没有误差累积问题，但多步社会推演每一步都会放大偏移；团队按 L1/L2/L3 分级防控，在多步推演中持续用经典社会规律 benchmark 校验每一步输出，学术上仍大量未收敛。

社会智能的价值不会低于具身智能，未来绝大部分 Agent 都要与人类打交道。 AI 伴侣、协作 Agent、营销 Agent、具身机器人都需要读懂人的信念、意图与关系；相比以任务为中心的 LLM，以人为中心的社会智能可能是更大的终局机会。

💬 文章金句

- 一个虚拟社会要可信，它就得有自己的历史。

• 任务只是手段，而这个世界终究是要以人为中心的。
• 历史只跑一遍，你永远不知道那条没被选中的路上会发生什么。
• 被高估的是模拟器里的 Agent 像不像人。
• 被低估的是社会智能的应用最后会有多密集。

📊 文章信息

AI 初评：89

来源：Z Potentials

作者：Z Potentials

分类：人工智能

语言：中文

阅读时间：48 分钟

字数：11754

标签： 社会智能, 世界模型, AI Agent, LLM, AGI

阅读完整文章