# 合成人物是什么，为什么能代表真人

> 写给创业者的合成人物科普：它和大模型角色扮演有什么不同，又有哪些研究证据说明，它（有时）能代替真人。

Source: https://imario.ai/zh/blog/what-are-synthetic-individuals-and-why-they-can-represent-real-humans
Published: 2026-01-26
Author: Xiao（iMario.ai 创始人）

![](https://cdn.imario.ai/blog/what-are-synthetic-individuals-and-why-they-can-represent-real-humans.png)

## 第一部分：合成人物是什么

**[合成人物](https://imario.ai/zh/synthetic-individuals)**（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”](https://imario.ai/zh/blog/imario-vs-llms)。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。

| 方式 | 是什么 | 长处 | 常见短板 |
|---|---|---|---|
| 静态人物画像 | 一份描述细分人群的文档 | 统一团队认识 | 没法运行；容易过时 |
| 大模型角色扮演 | 一次性提示词：“假装你是……” | 激发创意 | 容易跑偏；过度自信 |
| **合成人物** | **档案 + 边界（+ 状态）** | **可重复的模拟** | **需要校准** |
| 真人 | 亲身经历 | 真实，能带来新发现 | 慢；有偏差；成本高 |

### 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](https://imario.ai/zh/blog/no-one-can-predict-human-behavior)，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](https://imario.ai/zh/synthetic-audience-benchmark)（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](https://imario.ai/zh/blog/beyond-average-how-imario-is-building-a-million-synthetic-individuals)，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 →](https://imario.ai/zh/invitation)

## 常见问题

### 合成人物、人物画像和大模型角色扮演，有什么区别？

人物画像是一套描述某个细分市场的静态幻灯片，适合用来统一团队认识，但没法运行。大模型角色扮演是一条一次性的提示词，让模型假装成某个人：说话很流畅，但聊不了几轮就会跑偏，而且访谈者说什么，它都容易附和。合成人物介于两者之间：它是一个受约束的 AI 智能体，由明确的人物档案、行为边界和持续的记忆状态构成。它可以反复运行，每一轮换一种测试素材，再把结果放在一起比。最贴切的类比是飞行模拟器：你不会问它是不是真的，只会问它能不能比别的办法更快地暴露问题、把假设磨准。

### 合成人物在调研里能可靠地代表真实用户吗？

在限定的场景里，可以。Argyle 等人 2023 年的论文 Out of One, Many 表明，只要条件设定得当，语言模型生成的“硅基样本”就能复现真人数据里观察到的子群体回答分布和变量关联模式。Cui、Li 和 Zhou 2025 年的研究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% 到 81%。哈佛商学院的 Brand、Israeli 和 Ngwe 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。真正要问的不是它们是不是真的，而是针对你手上的具体任务，能不能拿真人基准去校准它们。合成与真人吻合度（Synthetic-Organic Parity）说的就是这样一个闭环：用同一套问卷，分别去问条件匹配的合成样本组和真人对照组，再反复调整配置，直到两边的分布对上。

### 什么情况下不该用合成用户做调研？

有四类场景，合成人物目前还替代不了真实的参与者。一是强烈情绪下的真实感受：创伤、悲痛、临终，或者其他刻骨铭心的亲身经历，这时个人经历的质感比语言模式更重要。二是身体行为观察：现实环境里的使用阻碍、人体工学，或者必须放到具体场景里看的可用性问题，这些都得亲眼看人在环境里怎么活动。三是真正的新事物：完全没有像样参考数据的全新品类。四是合规要求严格的调研：受监管的研究在法律上要求真实的知情同意，参与者身份也必须可追溯。除此之外，尤其是概念测试、传播信息探索、细分人群对比和访谈提纲预演，务实的做法都是先用合成人物，再用真人验证。

### 合成人物内部是怎么构成的？

关键有五个部分。Seed（种子）定义人口属性和约束条件。Soul（灵魂）装着性格特质、立场和偏好，决定这个人面对不同的测试素材会怎么反应。Memory（记忆）存着人生经历、对话里刚发生的事，还有信任感、疲劳度这类随时在变的状态。Engine（引擎）是负责语言和推理的大模型。Governance（治理）这一层负责一致性检查、安全边界和默认回答“我不知道”的机制，免得它编造档案之外的资历或说法。五个部分合在一起，同一个模拟出来的人面对定价问题、新用户引导流程和销售异议，会有不同的反应，但在这三种场景里都还认得出是同一个人。正因为这样，合成人物才可以运行，而不只是一段描述。