合成人物是什么，为什么能代表真人

第一部分：合成人物是什么

合成人物（Synthetic Individuals）是一种受约束的 AI 智能体，用来模拟一个具体的人，看这个人在特定情境下会怎么反应。也有人管它叫合成用户、合成人类、虚拟受访者或数字人。

关键在两个词：

• 约束：一份人物档案，加上一套边界（是谁、知道什么、在乎什么、哪些话不会乱说）。
• 情境：同一个“人”，面对定价选择、新用户引导流程和销售异议，反应各不相同才对。

不是人物画像，也不是角色扮演

很多人一开始接触的是“大模型角色扮演”。它说话流畅，但很不稳定。合成人物更接近可运行的人物画像：可以反复跑，换着测试素材试，再把每一轮的输出放在一起比。

我自己的理解是：人物画像是一页幻灯片，合成人物是一台模拟器。

它更像飞行模拟器，不像焦点小组：跑它，是为了提前发现会在哪里出问题，把假设磨得更准。

合成人物里面有什么？

• Seed（种子）：人口属性 + 约束条件。
• Soul（灵魂）：性格特质 + 立场 + 偏好。
• Memory（记忆）：人生经历 + 刚刚发生的事，以及信任感、疲劳度。
• Engine（引擎）：负责语言和推理的大模型。
• Governance（治理）：一致性检查、安全机制，外加默认回答“我不知道”。

SOP：怎样才算“够用”

“它是真的吗？”这本身就是个陷阱问题。反正谁也预测不了某一个具体的人，所以我的原则是：能校准到哪一层，就信合成结果到哪一层。

校准有一个好用的闭环，叫合成与真人吻合度（Synthetic-Organic Parity，SOP）：用同一套问卷，分别去问真人基准组和条件匹配的合成样本组，再比较两边的分布和相关性（不只看平均值）。情境变了，就再做一遍。

合成人物现在能派上用场的地方

• 探索概念和传播信息：在花钱买曝光之前，先快速迭代。
• 预演访谈提纲：找出问得不好的问题，补上漏掉的追问。
• 对比细分人群：看不同人群的顾虑和取舍有什么不一样。
• 销售对练：针对明确的理想客户画像（ICP），提前把各种异议过一遍。

暂时还替代不了的地方

• 强烈情绪下的真实感受：创伤、悲痛、临终。
• 身体行为观察：真实的环境，真实的使用阻碍。
• 真正的新事物：没有像样的参考数据。
• 合规要求严格的调研：必须取得真人的知情同意。

第二部分：合成人物为什么能代表真人

“代表”不是说它有意识，也不是说它和真人一模一样，而是说它保留了和决策相关的规律：哪些取舍往往一起出现，偏好怎么随细分人群变化，人们又怎么用语言给自己的选择找理由。

1) 直接证据：在问卷调研里代表子群体

Argyle 等人（Out of One, Many，2023）检验了语言模型能不能代表特定的子群体作答。他们发现，只要条件设定得当，模型生成的“硅基样本”（silicon samples）就能复现真人数据里各子群体的回答分布和变量之间的关联模式（限于研究涉及的领域）。

2) 大模型让智能体能“说人话”

Park 等人（2023）做出了“生成式智能体”（generative agents）：它们能记住经历、会反思、会做计划，在沙盒里表现出可信的个人行为和社交行为。这一点对产品团队很重要：模拟如今能用访谈、异议和故事的语言说话了。

3) 行为还原度的大规模实验证据

• 大规模复现：Cui、Li 和 Zhou（2025）用三个大模型，复现了心理学和管理学领域的 156 个情境实验，报告的主效应复现率为 73–81%。
• 偏好估计：Brand、Israeli 和 Ngwe（哈佛商学院工作论文，2023 年发表，2025 年修订）发现，根据大模型回答分布推算出的支付意愿贴近现实，和真人调研的结果相当；如果再用以往的问卷数据做微调，在相似场景下还能和真人贴得更近。
• 策略性社会行为：Palatsi 等人（2025）为博弈论实验搭了一个“数字孪生”，找到一种能高度还原人类合作模式的大模型配置，再用这个校准好的模拟器，为新的博弈设定生成可以预注册的预测。

换句话说，满足三个条件，合成人物就能比较可信地代替真人：一是任务通过语言完成；二是智能体受到约束；三是你把与真人的吻合度当成可以测量的目标（SOP），而不是凭信念。

最佳实践：混合调研（先求快，再用真人验证）

最务实的做法是：

• 用合成人物求快：探索、迭代、预演。
• 用真人做验证：事关重大的决策和细腻的情绪。
• 长期坚持 SOP：把与真人的吻合度当成要持续校准的事。

申请抢先体验或预约演示 →