说出来你可能不信：一家不到 60 人的 AI 调研公司，估值已经逼近拥有 3.88 万名员工的行业巨头。Simile 最新估值 20 亿美元，而全球前五大调研公司之一 NIQ 的市值不过 34 亿美元——员工数量不到对方的零头，估值却已相当于后者的近六成，而 Simile 成立才两年多。
这不是一次孤立的融资，而是资本市场在给一门 1600 亿美元的古老生意重新定价。全球上市的头部调研公司里，三家市值长期不到 40 亿美元，唯一破百亿的 Gartner 主业也不是传统消费者调研。这个行业几十年没跑出过大公司，投资人眼里一直是门"很差的生意"。AI 进场后，一批成立仅两三年的公司（Simile 20 亿美元、Aaru 10 亿美元、Listen Labs 5 亿美元）估值迅速逼近经营了几十年的老巨头。
起点：25 个 AI 小人
Simile 的故事始于 2023 年 4 月斯坦福与谷歌的一篇论文：研究员搭了一个像素小镇 Smallville，塞进 25 个只有简单人设的 AI——比如"John Lin 是药店老板，有个上大学的儿子"——然后撒手不管。结果这些 AI 自己起床、吃早餐、开店、串门聊天、建立关系、传播消息。情人节前，一个 AI 提议办派对，消息在小镇传开，最后真有一批 AI 居民主动赴约，全程没有剧本。
论文的核心观点是：当大模型拥有记忆、反思和规划能力后，AI 智能体能表现出连续、相互影响的"社会行为"。这篇论文如今引用超 7000 次，第一作者 Joon Sung Park 正是 Simile 创始人。
真正促成创业的是 2024 年 11 月的后续实验：团队对 1052 名真实受访者做了约两小时访谈，建立对应的 AI 智能体，再让它们回答通用社会调查问题——结果显示 AI 智能体能高度复现真人的回答与行为模式。来斯坦福交流的财富 500 强 CEO 们开始追问同一个问题：这套东西能不能拿来做市场研究？
两步生意：造人，然后推演
传统调研有两个无解的问题：一是"说"和"做"经常不一致——问卷里勾选"愿意购买"的消费者，可能因为贵 5 美元、包装不好看或朋友一句话就变卦；二是无法模拟连锁反应——降价 10% 后竞对会不会跟进、消费者会不会开始等下一次促销，这些只有产品真正上市后才能看到。
Simile 的做法分两步：
- 造人。企业输入授权的访谈、历史问卷和行为数据。与 CVS Health 的合作建立在 40 多万参与者、200 多个行为场景、约 290 万条授权回答之上，据此生成超过 10 万个不同特征的"数字孪生消费者"。
- 推演。把新广告、价格或产品方案丢进模拟环境，让 AI 消费者自行选择、交流、互相影响。CVS 内部测试显示，经企业数据校准后，部分模拟结果与历史真人反馈的相似度最高达 95%。时间更是从 4–6 周压缩到 15–30 分钟。
商业模式是典型 B2B 订阅，年费 15 万美元到数百万美元不等，已披露客户包括 CVS Health、德勤和澳大利亚电信巨头 Telstra。
两条路线，同一个终局
这批 AI 调研公司分成两条路线，但本质都在改造同一件事：行业的人力密度。
- 替代受访者（Simile、Aaru）。Simile 强调对真实个体的深度建模；Aaru 强调大规模人群模拟——生成数千上万个不同年龄、职业、收入、政治倾向的 AI 智能体，汇总出群体层面的预测。2024 年美国大选期间，Aaru 用约 5000 个智能体模拟纽约州民主党初选，预测与实际票数相差不足 371 票。
- 替代研究员（Listen Labs）。真人受访者保留，但设计问题、主持访谈、实时追问、整理分析的工作交给 AI。过去一名研究员一天只能做有限几个深度访谈，AI 可以同时和成百上千人聊天。Listen Labs 上线九个月完成超过 100 万次真人访谈。
传统调研是"堆人卖项目"：每个新项目都要重新设计问卷、招募受访者、清洗数据、投入分析师工时，收入增长靠人海，成本永远无法与收入脱钩。NIQ 的数据很能说明问题：2023–2025 年收入从 33.41 亿涨到 41.98 亿美元，但营业成本与费用占收入比始终高达 88.6%、84.9%、82.4%——下降主要靠裁员和提效，不是结构性的。
真正变的是什么
老巨头最深的护城河——遍布全球的访谈网络、数万名研究员、积累几十年的消费者样本库——正在从资产项变成成本项。当消费者可以直接被模拟，数据采集和分析流程变成一次性固定投入（数据获取、模型训练、企业定制），之后每次推演只花电费和 Token 费，边际成本持续下降。市场调研正在从劳动密集型的专业服务，变成可以规模化复制的软件生意。
这才是资本愿意给 Simile 们软件估值倍数的真正原因。如果这个逻辑成立，1600 亿美元的行业账本要整个重算。
给你的建议
- 如果你是调研采购方：先做并行试点。拿一个定价或广告决策，用 AI 模拟跑一遍并与你的历史数据对照，再决定是否信任。没有自有数据校准的模拟是玩具，校准过的才是 95% 的预测。
- 如果你是传统玩家：样本库和访谈网络不再是护城河。新的护城河是独家数据访问权和验证严谨性——两者都可防守，但没有一个是自动到手的。
- 如果你是投资人：看单位经济模型而非收入。关键指标是单项目边际成本是否真的趋近于零，以及模拟扩展到新行业后验证是否依然成立。
- 别忘了边界：模拟不是现实。初选差 371 票很惊艳，但一次产品发布失误的代价不是投票能比的。AI 调研是决策支持层，不是决策替代品——至少在它攒出百年实绩之前。