两个世界模型

所有人都在用 AI 取代人。

我们用 AI 来理解人。

一个 28 岁的上海白领女性。她在小红书上写道："我是理性消费者。"她解释自己买护肤品"只看成分，不看品牌。" 但在她内心的优先级排序里——如果闺蜜都在用 La Mer，她不想拿出一瓶平替。最终她买了 La Mer，却发了一条"成分党推荐"的笔记。

说的、想的、做的、展示的，四层彼此矛盾。但这恰恰是一个真实的消费者。不矛盾的人设才是假的。

问题是：有没有一种模型，能同时容纳这四层矛盾？

用 AI 理解人

维特根斯坦说过：语言的边界，就是世界的边界。

反过来，如果能用语言完整地描述一个人，就等于进入了他的世界。

学术界的进展正在验证这条路。斯坦福大学与 Google 构建了 1,000 个 AI"数字分身"，让它们代替真人回答问卷。AI 与真人的吻合率达到 85%——而同一个人隔两周重做问卷，前后一致性也不过如此。

我们基于全球 100 万真实用户数据，训练了一个基础模型——"主观世界模型"（Subjective World Model）。它用四个递进的层次描述一个人：

表达层——他说了什么。

叙事层——他怎么解释自己。

认知层——他内心真正在意什么。

行为层——他最终做了什么。

只有能容纳矛盾的模型，才配说自己理解了人。

用户洞察不该是一个项目，而是一种始终在线的能力

没有一家企业会承认自己不以用户为中心。但现实是：大多数企业理解用户的方式依然是按季度做调研，甚至一年一次。那些报告最终安静地躺进抽屉，无人再翻。

我们将主观世界模型产品化为 Atypica——一个 AI 原生的用户研究平台。过去做一次千人调研需要数周和六位数预算。通过 Atypica：速度提升 100 倍。成本降低 100 倍。覆盖拓宽 100 倍。用户洞察不该是一个项目，而是一种始终在线的能力。

一家母婴品牌发现：年轻妈妈嘴上说"我只买性价比高的"，但购买数据里反复复购最贵的产品。问卷解决不了这个问题——它只能抓到用户愿意说出口的那一层。

Atypica 让 AI 与 2,000 个真实用户展开深度对话——像朋友聊天一样追问，层层深入，直到触碰真正的决策逻辑。

但更关键的一步是：消费决策从来不是一个人做的。她老公怎么想？婆婆怎么看？闺蜜群在推荐什么？我们把一个家庭里的多个角色全部建模为 AI Persona，让他们在模拟场景中对话、争论、妥协。

妈妈嘴上说"性价比"，但当婆婆说出"孩子的东西不能省"时，她的选择立刻翻转。

这不是一份报告——这是一个可以反复调用的、活的消费者认知系统。

企业的世界模型：从管理内容到赋能决策

Jack Dorsey 最近写了一篇文章叫《From Hierarchy to Intelligence》。他的洞察很锋利：中层管理者的核心功能不是做决策，而是传递"上下文"。这套信息路由机制，从罗马军团到跨国公司，两千年没变过。

大语言模型，第一次让这件事可以被 AI 接管。

企业的世界模型从哪里来？它已经存在了，只是散落在各处。调研报告、设计稿、广告视频、用户反馈……一份三年前的报告里藏着一个关键洞察，恰好和今天的新品高度相关——但没有人会想起它。

过去十年，特赞帮助企业管理海量创意内容——我们称之为"内容系统"。但我们逐渐意识到：上下文才是目的，内容只是传递上下文的手段。当非结构化内容经过大语言模型的理解和激活，它从"内容资产"升级为"认知资产"。这就是从内容系统到上下文系统的演进：从"管理内容"到"赋能决策"。

当每一次决策的结果回写进去，每一次成功和失败都变成新的认知——它就变成了一个不断自我进化的企业世界模型。

当两个世界模型相遇

"世界模型"是对复杂系统建立一个可推理、可计算的描述。人是一个复杂系统，企业也是。

主观世界模型——由外而内：理解用户是谁、想要什么、为什么这么做。

企业世界模型——由内而外：理解自己是谁、有什么能力、积累了什么认知。

当两者在同一个系统中交汇，我们得到的是一个能够自主运转的商业智能体——GEA（Generative Enterprise Agent）。

一家世界知名的食品集团是 GEA 的第一批使用者。7×24 小时自主运行：扫描全球行业趋势，自动生成新品概念，再调用 AI Persona 模拟消费者验证。人只需要在关键节点提供判断。

商业，开始像一个智能体一样运转。

我们选择回答另一个问题

大多数人谈 AI 落地，谈的是供给侧——怎么做得更快、更便宜、更高效。文本自动生成，图片秒级输出，代码自我编写，客服 7×24 应答。

这条路的终局已经可以看见：当生产的边际成本趋近于零，供给不再是壁垒。你能做的，竞争对手也能做，同样快，同样便宜。

那什么决定了谁赢？

不再是"怎么做"，而是"做什么"。做什么产品、给谁做、为什么是这个而不是那个。这些问题的本质，是对需求的理解。

答案不在已有的数据里。它在用户沉默的部分、在企业遗忘的角落、在两者尚未发生的碰撞中。

主观世界模型理解人，上下文系统理解企业，GEA 让两者持续碰撞、自主进化。这是特赞正在构建的系统——不是替人做决定，而是帮人看见那些尚未被想到的可能。

特赞的愿景是"科技赋能商业与社会的想象力"。

AI不仅是让机器生产更多，也让商业离人更近。

最近做客 @进击的沈帅波 ，和波波老师聊了AI原生组织，关于企业怎么转型、组织怎么变、上下文为什么才是真正的壁垒，完整播客内容欢迎大家收听👇🏻