先看一组有点刺眼的数字：一家不到 60 人的 AI 调研公司 Simile，最新估值 20 亿美元；而全球前五大调研公司之一的 NIQ，坐拥 3.88 万名员工，市值不过 34 亿美元。换句话说，这家成立才两三年的创业公司，估值已经逼近传统巨头市值的六成。
这不是一则融资八卦，而是一个结构信号：AI 可能第一次把市场调研这门靠人堆出来的生意，变成可以规模化复制的软件生意。一个每年 1600 亿美元的市场，几十年没跑出一家百亿美元公司，原因恰恰是商业模式太重——每接一个新项目，就要重新设计问卷、招募受访者、组织访谈、清洗数据。收入增长几乎等于人头增长。
Simile 的创始人 Joon Sung Park，正是 2023 年那篇著名论文的第一作者：他们在像素小镇 Smallville 里放了 25 个只有简单人设的 AI，没有剧本，结果这些智能体自己起床、开店、串门、传播消息，甚至在情人节前组织了一场派对。论文提出一个关键观点：当大模型拥有记忆、反思和规划能力后，AI 智能体会表现出连续、相互影响的社会行为。
Simile 把这套机制搬进了商业世界，业务分两步。第一步「造人」：企业把授权的访谈记录、历史问卷和行为数据喂进去，生成大量不同年龄、收入、偏好和消费习惯的 AI 个体。以 CVS Health 为例，合作建立在 40 多万参与者、覆盖 200 多个行为场景的约 290 万条授权回答之上，最终生成超过 10 万个「数字孪生消费者」。第二步「推演」：把新广告、新定价或新产品方案丢进模拟环境，让这些 AI 自己选择、交流、互相影响。CVS 的内部测试显示，经过企业数据校准后，部分模拟结果与历史真人反馈的相似度最高达 95%；而过去需要 4 到 6 周的调研，现在 15 到 30 分钟就能跑完。
这一波 AI 调研公司大致有两条路线：一条替代受访者——Simile 强调对真实个体的深度建模，Aaru 强调大规模人群模拟（2024 年美国大选期间，Aaru 用约 5000 个 AI 智能体模拟选民，预测纽约州民主党初选结果与实际票数相差不足 371 票）；另一条替代研究员——Listen Labs 保留真人受访者，但把设计问题、主持访谈、实时追问和结果分析交给 AI，上线九个月完成超过 100 万次真人访谈。
两条路线本质上都在改写同一件事：调研行业的人力密度。传统巨头最大的护城河——遍布全球的访谈网络、数万名研究人员、积攒多年的消费者样本库——在 AI 面前从资产变成了成本线。NIQ 的营业成本与期间费用合计占收入的比例，2023 年是 88.6%，2025 年仍有 82.4%，改善主要靠裁员。而 Simile 最贵的投入发生在前期（数据、模型、系统搭建），系统建好后，每新增一次模拟推演，边际成本只有电费和 Token 费。
这背后是一组可以复用的原则：任何「成本正比于人头」的知识服务行业，都会被 AI 原生公司重新定价。调研只是开场——咨询、投研、尽职调查、法律检索，都在同一片射程内。
当然风险同样真实：问卷里说「愿意买」和货架前掏钱本来就是两回事，模拟智能体同样继承这个 gap；模型校准得越好，也可能越忠实地继承训练数据里的盲区。更隐蔽的问题是，如果每家公司都在模拟同一个「平均消费者」，差异化可能会悄悄收敛到平均值。
所以更可能成立的打法是有边界的，而不是全盘替代：把模拟当作快速过滤器——便宜、宽泛、可迭代——把昂贵的最后一英里留给人类判断：解释结果为什么发生，以及决定要不要据此行动。
对调研买家：先做小范围试点，用自家历史数据校准，再谈信任。对创业者：真正的护城河不是模型，而是别人租不到的授权专有数据和垂直校准能力。对传统巨头：别再按小时卖人，开始卖决策系统。
Simile 的 20 亿美元，与其说是对一家创业公司的定价，不如说是资本市场对整个行业成本结构的重新定价。同样的数学，正在逼近每一个还在按小时卖人的行业。