AI 小镇不是多放几个智能体,而是一门 token 经济学

AI 小镇这个东西，很容易让人上头。

你打开一个虚拟小镇。

里面有 25 个、100 个、甚至 1000 个 AI 居民。

他们有职业，有性格，有记忆，有计划，会聊天，会吵架，会参加派对，会根据新闻改变观点，还能模拟一个产品上线后不同人群的反应。

听起来像什么？

像《模拟人生》遇到了 ChatGPT。

再往商业上一包装，就变成：

我们可以用多智能体系统预测市场。

我们可以模拟用户群体。

我们可以提前看到政策、舆论、消费趋势、金融市场和企业决策的连锁反应。

这套叙事很迷人。

但问题也很硬：

这么多 agent 到底靠不靠谱？

它们是在预测，还是在集体编故事？

如果每个 agent 都要调用大模型，token 会不会烧成天量？

最重要的是，客户到底为什么付钱？

这篇文章就来认真拆一下。

AI 小镇不是“多放几个智能体”。

它本质上是一门 token 经济学、记忆系统工程、群体行为校准和商业闭环设计的综合题。

如果做得好，它可能是下一代市场研究、投研推演和企业决策沙盘。

如果做得烂，它就是一群 AI 小人在云端开会，账单在地上流血。

先给结论

多智能体预测系统的核心价值，不是 agent 数量。

不是 25 个，不是 100 个，也不是 10000 个。

真正的价值来自四件事：

第一，agent 是否代表真实人群或真实组织，而不是提示词捏出来的纸片人。

第二，agent 的互动是否能被真实数据校准，而不是大家一起幻觉出一个很像报告的结论。

第三，系统是否能输出概率、置信度和可回测预测，而不是只输出“专家小组认为”。

第四，单次推演的 token 成本是否低于客户愿意为这个洞察付的钱。

最后这句特别重要。

一个 AI 小镇是否能商业化，不只取决于它看起来多聪明。

还取决于它每次聪明一下要花多少钱。

如果一次推演成本 5 美元，客户愿意付 500 美元，这可能是生意。

所以，我对这类系统的判断是：

2C 娱乐可以做，但必须极致压成本。

B2B 市场研究最现实。

投研辅助有价值，但不能承诺预测收益。

政策和城市仿真听起来大，但交付会重。

最优切口不是“通用 AI 社会模拟器”。

而是“某个高价值决策场景里的多智能体推演工具”。

比如新品上市、广告文案测试、用户流失预测、产品定价反应、品牌危机舆情、AI 公司商业模式推演、投资情景分析。

说人话：

别一上来模拟整个人类社会。

先模拟一个产品上线后，8 类用户会不会骂你。

这已经很值钱了。

这类系统到底是什么

AI 小镇最经典的原型，是 2023 年 Stanford 和 Google 研究者提出的 Generative Agents。

他们做了一个叫 Smallville 的虚拟环境，里面有 25 个生成式智能体。

每个 agent 有记忆流，会观察环境，会和别人交互，会根据记忆反思，还会生成每日计划。

一个著名场景是：某个 agent 想办情人节派对，消息通过小镇居民之间的交流传播，其他 agent 会根据自己的计划和关系做出反应。

这就是 AI 小镇最迷人的地方。

不是每个 agent 单独说话像人。

而是一群 agent 放在一起之后，系统开始出现一些群体行为。

后来的 AI Town、各种开源 demo、多人智能体游戏、虚拟社会实验，基本都沿着这个方向走。

这篇论文的影响力不只在学术圈。a16z 后来开源了 AI Town，Convex 社区也出现了 agent-town 这类复现项目，把 Smallville 式体验做成可以跑起来的工程 demo。它们证明“AI 小镇”容易被搭出来，但也反过来提醒我们：能跑 demo，不等于能预测市场。

但如果要从 demo 走向预测系统，就必须发生一个关键变化：

agent 不能只是角色。

agent 要变成可校准的行为单元。

比如市场研究里，一个 agent 不能只是“25 岁女性，喜欢咖啡，性格外向”。

它要对应一个真实用户分群：

价格敏感度是多少？

品牌忠诚度是多少？

过去买过什么？

对竞品态度如何？

在哪些渠道被种草？

对新功能接受度如何？

遇到涨价会流失还是降级？

如果这些信息没有校准，agent 只是一个会说话的人设。

会说话的人设可以做游戏。

但预测系统不够。

预测系统要回答的是：

如果我们把价格从 99 元涨到 129 元，哪个人群会流失？

如果竞品发布新功能，哪些用户会切换？

如果小红书上出现负面舆情，品牌好感度会怎么扩散？

如果 AI 产品从免费改成订阅，什么用户会付费？

这些问题不能靠“agent 们聊一聊”解决。

它需要数据、校准、回测和成本控制。

技术架构：不是小人聊天，而是九层系统

一个真正可用的多智能体预测系统，至少要有九层。

第一层 · 环境状态层

这层记录世界现在是什么样。

在 AI 小镇里，它是地图、房间、物品、时间、事件。

在市场研究里，它是产品、价格、渠道、广告、竞争格局、舆情、政策。

在投研里，它是公司基本面、融资环境、竞品动态、宏观变量、市场预期。

没有环境状态，agent 就是在真空里聊天。

真空聊天很省事。

但预测不了地球。

第二层 · agent 人群层

这层定义谁在这个世界里。

每个 agent 可以代表个人、用户分群、企业、监管者、媒体、投资人、渠道商、竞品。

关键不是写一个好看的 persona。

关键是把 persona 和真实数据连接起来。

例如：

一个用户 agent 的价格敏感度，来自历史订单。

一个企业 agent 的决策约束，来自财报和行业结构。

一个投资人 agent 的偏好，来自历史投资组合和公开观点。

一个渠道 agent 的反应，来自过往合作数据和利润结构。

如果没有这一步，多智能体系统很容易变成“Prompt 民俗学”。

看起来很丰富，实际上全靠编。

第三层 · 记忆系统

这是 AI 小镇的心脏之一。

每个 agent 都需要记住过去发生了什么。

它和谁聊过。

它看到了什么新闻。

它做过什么决定。

它对某个品牌的态度有没有变化。

它之前为什么拒绝购买。

Generative Agents 里的记忆流、检索和反思，就是为了解决这个问题。

但记忆也是成本黑洞。

如果每次决策都把全部历史记忆塞进上下文，token 会很快爆炸。

所以成熟系统必须做三件事：

摘要。

检索。

遗忘。

听起来很像人类。

人也不是把一生逐字逐句放进脑子里跑推理。

人靠的是概括、偏见、关键事件和选择性遗忘。

AI 小镇也得学会这一点。

第四层 · 行为策略层

不是每个动作都需要大模型思考。

一个 agent 每分钟要不要走路、吃饭、看手机、打开网页，不应该都调用大模型。

很多行为可以由规则、小模型、状态机、概率模型完成。

只有关键决策才需要大模型。

比如：

是否购买。

是否转发。

是否流失。

是否参加活动。

是否改变观点。

是否投资。

是否恐慌。

如果所有动作都靠大模型，系统会非常贵。

而且不一定更准。

这就像公司开会。

不是每次倒水都要请 CEO 批准。

第五层 · 互动拓扑层

这是最容易被低估的地方。

多智能体系统千万不能默认全员广播。

如果 1000 个 agent 每个时间步都能看到其他 999 个 agent 的状态，成本会接近灾难。

现实世界不是全员开大会。

人只和少数人互动。

用户只受部分渠道影响。

投资人只关注部分公司。

媒体只放大部分事件。

所以系统要有互动图谱：

谁影响谁？

谁能看见谁？

哪些信息会传播？

传播概率是多少？

谁是关键节点？

谁是沉默多数？

没有互动拓扑，agent 越多，系统越像一个大型群聊。

第六层 · 事件引擎

系统要能注入外部事件。

新品发布。

价格变化。

政策出台。

竞品降价。

舆情爆发。

融资失败。

供应链中断。

模型价格下降。

事件进入系统后，agent 根据自己的状态和关系做出反应。

这才叫推演。

如果没有事件引擎，多智能体系统只是日常生活模拟。

可以很可爱。

但不够商业。

第七层 · 预测聚合层

最后不能只看 agent 聊天记录。

系统要把个体反应聚合成预测结果。

比如：

购买概率。

流失率。

舆情扩散曲线。

价格接受度。

市场份额变化。

投资信心变化。

政策阻力大小。

还要给置信度和解释。

否则客户拿到一堆 agent 对话，会问一个很朴素的问题：

所以呢？

第八层 · 评估和回测层

这是预测系统和故事生成器的分水岭。

系统必须能回测。

历史上某次涨价，模型能不能复现用户反应？

过去某次舆情，模型能不能预测扩散路径？

曾经某个产品上线，模型能不能接近真实转化率？

如果不能回测，就不能叫预测。

最多叫启发式讨论。

启发式讨论也有价值。

但价格就不能按“预测引擎”卖。

第九层 · 成本路由层

这是商业化命门。

系统要决定什么时候用大模型，什么时候用小模型，什么时候用规则，什么时候用缓存，什么时候离线批处理。

多智能体系统真正成熟之后，不应该是：

每个 agent 每一步都调用最强大模型。

而应该是：

普通动作用规则。

普通判断用小模型。

关键决策用中模型。

重要结论用强模型复核。

最终报告用高质量模型总结。

这叫模型路由。

也是毛利率保护系统。

Token 到底会不会天量

会。

如果用朴素做法，一定会。

先给一个最简单的公式：

总输入 token = agent 数量 × 时间步数 × 每步调用次数 × 单次输入上下文

总输出 token = agent 数量 × 时间步数 × 每步调用次数 × 单次输出长度

总成本 = 输入 token × 输入单价 + 输出 token × 输出单价

再加上通信、记忆检索、反思、总结、评审、报告生成。

也就是说，基础公式还只是地板。

真实系统往往还要加楼。

我们用三档场景来算。

先说明价格锚点。

以 2026 年公开 API 价格为例，GPT-5.4 mini 是输入 0.75 美元 / 百万 tokens，输出 4.5 美元 / 百万 tokens。

GPT-5.5 是输入 5 美元 / 百万 tokens，输出 30 美元 / 百万 tokens。

Claude Haiku 4.5 是输入 0.5 美元 / 百万 tokens，输出 2.5 美元 / 百万 tokens。

不同厂商和不同时间价格会变，所以这里不是精确报价单，而是为了看数量级。

场景一：25 个 agent 的玩具小镇

假设：

25 个 agent。

每天 96 个时间步，也就是每 15 分钟更新一次。

每个 agent 每步调用 2 次大模型，一次做计划，一次做交互或反思。

每次输入 3000 tokens。

每次输出 500 tokens。

那么：

输入 tokens = 25 × 96 × 2 × 3000 = 1440 万 tokens / 天。

输出 tokens = 25 × 96 × 2 × 500 = 240 万 tokens / 天。

用 GPT-5.4 mini 算：

输入成本 = 14.4 × 0.75 = 10.8 美元 / 天。

输出成本 = 2.4 × 4.5 = 10.8 美元 / 天。

合计约 21.6 美元 / 天。

一个月约 648 美元。

用 GPT-5.5 算：

输入成本 = 14.4 × 5 = 72 美元 / 天。

输出成本 = 2.4 × 30 = 72 美元 / 天。

合计约 144 美元 / 天。

一个月约 4320 美元。

这还只是 25 个 agent。

如果是 demo，还能接受。

如果是 2C 产品，就很危险。

因为如果用户每月只付 20 元人民币，而每个重度用户都能开一个自己的 AI 小镇，成本很快会把毛利率吃成纸片。

2CAI 小镇要想成立，必须做三件事：

第一，大部分时间不用大模型。

第二，只有用户看见或关键事件发生时才触发推理。

第三，记忆和剧情推进尽量异步批处理。

否则它不是小镇。

是一个以用户为名义的 token 自助餐厅。

场景二：100 个 agent 的 B2B 市场沙盘

现在看一个更现实的商业场景。

一家消费品牌想测试新品上市。

系统模拟 100 个 agent，每个 agent 代表一个细分人群或渠道角色。

例如：

价格敏感用户。

高端忠诚用户。

小红书种草用户。

抖音冲动购买用户。

渠道商。

竞品用户。

品牌黑粉。

核心 KOL。

假设：

100 个 agent。

每天 288 个时间步，也就是每 5 分钟一个步长。

每步 2 次调用。

每次输入 4000 tokens。

每次输出 700 tokens。

那么：

输入 tokens = 100 × 288 × 2 × 4000 = 2.304 亿 tokens / 天。

输出 tokens = 100 × 288 × 2 × 700 = 4032 万 tokens / 天。

用 GPT-5.4 mini 算：

输入成本 = 230.4 × 0.75 = 172.8 美元 / 天。

输出成本 = 40.32 × 4.5 = 181.44 美元 / 天。

合计约 354.24 美元 / 天。

一个月约 10627 美元。

用 GPT-5.5 算：

输入成本 = 230.4 × 5 = 1152 美元 / 天。

输出成本 = 40.32 × 30 = 1209.6 美元 / 天。

合计约 2361.6 美元 / 天。

一个月约 70848 美元。

这就很有意思了。

如果你卖的是 2C 小镇，这个成本很难受。

但如果你卖的是 B2B 市场研究，每次项目收费 5 万到 50 万人民币，成本可能就能兜住。

尤其是系统不需要每天 24 小时全力运行。

它可以按项目运行：

模拟 24 小时。

跑 100 次蒙特卡洛情景。

生成一份报告。

客户不是为了看小人生活。

客户是为了少犯一次定价错误。

如果一个新品决策涉及几百万、几千万投放预算，一次几百美元到几千美元的推演成本，就不吓人。

这就是商业化的关键：

同样的 token 成本，放在 2C 是灾难，放在高价值 B2B 决策里可能是毛毛雨。

场景三：1000 个 agent 的城市级模拟

现在我们把规模拉大。

1000 个 agent。

每天 288 个时间步。

每步 2 次调用。

每次输入 5000 tokens。

每次输出 800 tokens。

那么：

输入 tokens = 1000 × 288 × 2 × 5000 = 28.8 亿 tokens / 天。

输出 tokens = 1000 × 288 × 2 × 800 = 4.608 亿 tokens / 天。

用 GPT-5.4 mini 算：

输入成本 = 2880 × 0.75 = 2160 美元 / 天。

输出成本 = 460.8 × 4.5 = 2073.6 美元 / 天。

合计约 4233.6 美元 / 天。

一个月约 12.7 万美元。

用 GPT-5.5 算：

输入成本 = 2880 × 5 = 14400 美元 / 天。

输出成本 = 460.8 × 30 = 13824 美元 / 天。

合计约 28224 美元 / 天。

一个月约 84.7 万美元。

这还是没有全员广播的情况。

如果还让 agent 之间大规模互相读消息，成本会更夸张。

我们再算一个通信灾难。

1000 个 agent，如果每个时间步都要把消息发给其他 999 个 agent。

每条消息 300 tokens。

每天 288 个时间步。

通信 token = 1000 × 999 × 300 × 288。

约 863 亿 tokens / 天。

这就是 N² 地狱。

如果你还让每个 agent 把这些消息读进上下文，那就不是 AI 小镇了。

那是 token 焚化炉。

旁边最好配一个财务灭火器。

所以，真正可规模化的多智能体系统，一定不会做全员广播。

它必须用稀疏互动图。

每个 agent 只影响少数邻居。

信息只在关键节点传播。

重大事件才触发群体反应。

平时大部分 agent 处于低频状态更新。

这不是优化细节。

这是系统能不能活下来的生死线。

成本为什么容易失控

多智能体系统的成本不是线性地长。

表面上看，你只是多加几个 agent。

实际上，你同时增加了四种东西：

agent 自己思考的成本。

agent 之间通信的成本。

agent 记忆增长的成本。

系统聚合和解释的成本。

先看记忆。

假设一个 agent 每天产生 96 条观察，每条 200 tokens。

一个 agent 一天就是 19200 tokens 原始记忆。

1000 个 agent 一天就是 1920 万 tokens。

一个月就是 5.76 亿 tokens。

如果不做摘要和检索，每次推理都读历史，成本会越跑越高。

所以系统必须做记忆压缩。

比如：

每小时摘要。

每天总结。

关键事件单独存。

短期记忆和长期记忆分层。

只检索与当前任务相关的记忆。

低价值细节自动遗忘。

这听起来像给 AI 做心理咨询。

但它本质是数据库工程。

再看反思。

Generative Agents 里很重要的机制是 reflection。

agent 会定期把低层记忆总结成高层认知。

例如：

我和 Sam 关系不错。

Maria 对派对感兴趣。

John 最近压力很大。

这让 agent 更像人。

但反思也需要模型调用。

如果每个 agent 每隔几个时间步就反思一次，成本又会上去。

所以商业系统要控制反思频率。

不是每个 agent 都值得深度反思。

不是每个事件都值得写人生总结。

人类也是这样。

如果你每 15 分钟反思一次人生，你可能不是哲学家，而是该睡觉了。

技术难点一：agent 不是提示词角色

很多 AI 小镇 demo 最容易犯的错误，是把 agent 当成 prompt。

写一个背景：

“你是 32 岁的产品经理，喜欢咖啡，性格谨慎，对新科技感兴趣。”

然后让它参与推演。

这当然能聊。

但不一定能预测。

因为真实人群的行为不是由几句 persona 决定的。

它受收入、渠道、习惯、社会关系、历史经验、品牌偏好、信息来源、价格敏感度、风险偏好影响。

如果这些变量没有数据校准，agent 的回答很可能只是大模型对“这类人应该怎么想”的刻板印象。

这会带来一个危险：

系统输出看起来很合理。

但合理不等于真实。

大模型特别擅长合理。

它能把一个错误结论说得像刚从咨询公司 PPT 里走出来。

所以，多智能体预测系统必须回答：

这些 agent 从哪里来？

它们代表什么人？

它们的参数如何校准？

它们的行为如何回测？

没有这些，agent 越多，幻觉越有组织。

技术难点二：多智能体会产生虚假共识

很多人以为，多智能体互相辩论，就会更接近真相。

不一定。

多智能体也可能一起犯错。

尤其当它们共享同一个基础模型、同一种训练偏见、同一套提示词风格时。

你以为你找了十个专家。

实际可能是一个模型换了十件衣服。

这会产生虚假多样性。

看上去有投资人、产品经理、用户、媒体、监管者、竞品。

但底层都是同一个语言模型在扮演。

它们的世界知识、推理盲区、表达习惯高度相似。

所以真正的多智能体系统要制造真实差异。

差异来自：

不同数据源。

不同参数。

不同目标函数。

不同信息可见性。

不同记忆。

不同工具。

不同模型。

不同校准方式。

一个用户 agent 不应该知道公司内部融资计划。

一个竞品 agent 不应该知道客户全部问卷。

一个监管 agent 关注的不是购买欲望，而是合规风险。

信息边界越真实，推演越有价值。

否则就是全员上帝视角。

上帝视角很爽。

但人间预测需要信息不完整。

技术难点三：预测要能回测

多智能体系统如果想卖给企业，必须解决评估问题。

客户不会永远为“看起来很聪明”付钱。

它最终会问：

你去年能不能预测出这次用户流失？

你能不能复现某次涨价后的转化率变化？

你能不能解释为什么一个广告文案在 A 人群有效，在 B 人群无效？

你能不能在历史数据上赢过普通问卷和人工专家？

所以系统要有回测指标。

比如：

分类预测看准确率、召回率、F1。

概率预测看 Brier score。

趋势预测看方向命中率和误差。

分群预测看真实人群行为偏差。

舆情传播看扩散曲线拟合。

投研辅助看历史情景复盘质量。

如果没有这些指标，系统很难从“酷工具”变成“预算项”。

企业买工具，不是为了给团队找乐子。

企业买工具，是为了降低不确定性。

降低不了不确定性，就只能降低售价。

技术难点四：预测系统会遇到反身性

市场、舆情和社会系统有一个麻烦：

预测本身可能改变被预测对象。

如果一个投研系统说某家公司要爆发，投资人买入会影响价格。

如果一个品牌知道某个文案会引发争议，它可能修改文案，于是争议不再发生。

如果一个平台预测用户会流失，它推出补贴，用户又不流失了。

这就是反身性。

物理系统里，预测一个球会落地，不会改变球的想法。

社会系统里，预测一个人会离职，可能会让 HR 提前找他谈话。

所以多智能体预测系统不能只输出“未来会怎样”。

它还要支持情景推演：

如果不干预，会怎样？

如果降价，会怎样？

如果延迟发布，会怎样？

如果先公关，再涨价，会怎样？

如果竞品跟进，会怎样？

这也是多智能体系统有价值的地方。

它不一定要给出唯一未来。

它可以比较多个未来。

但前提是：模型必须诚实表达不确定性。

不要把情景推演包装成水晶球。

水晶球很好卖。

但摔碎的时候也很响。

商业化：2C 娱乐不是最优先

AI 小镇最容易想到的商业化，是 2C 娱乐。

比如：

你创建一个虚拟小镇。

AI 居民自己生活。

你可以观察、干预、养成、制造剧情。

这像游戏，也像陪伴，也像创作者工具。

优点是传播快。

用户一看就懂。

视频录屏也容易出圈。

缺点也明显：

留存不确定。

付费不确定。

token 成本高。

内容治理麻烦。

用户很容易玩三天就觉得：

这些小人怎么每天都在说差不多的话。

如果做 2C，必须把它做成游戏，而不是纯模拟。

游戏有目标、奖励、成长、冲突和创作空间。

纯模拟容易变成电子鱼缸。

刚开始很新鲜。

后来就只剩下水电费。

所以 2C 不是不能做。

但它需要极强的产品和成本控制。

更适合的付费方式可能是：

订阅。

剧情包。

创作者工具。

多人世界。

UGC 模板市场。

低成本离线模拟。

但如果每个用户都能无限跑 100 个 agent，这个商业模式会把自己吃掉。

最现实的是 B2B 市场研究

这不是凭空寻找预算。市场研究本身就是一个成熟行业，Ipsos 2025 年收入为 25.25 亿欧元；ESOMAR 的全球市场研究公司榜单里，IQVIA、Nielsen、Kantar、Ipsos、Circana 等头部公司长期占据数十亿美元级收入。AI 模拟用户研究真正要替代的不是聊天，而是问卷、访谈、焦点小组和概念测试里一部分高频、低风险、可回测的工作。

同时，合成受访者已经进入研究视野。2025 年关于合成问卷和购买意图模拟的论文显示，LLM 可以在部分题型上接近人类样本分布，但也会在政治态度、文化偏好等场景里出现系统性失真。这个结论对创业者很友好，也很残酷：市场存在，但不能闭眼吹。

我认为最现实的第一商业化场景，是市场研究和用户研究。

客户是谁？

消费品牌。

游戏公司。

内容平台。

AI 产品团队。

电商平台。

咨询公司。

他们关心什么？

新品概念测试。

广告文案测试。

定价测试。

用户分群反应。

流失原因。

竞品冲击。

舆情风险。

这些场景有几个优点。

第一，容错相对高。

它不是自动驾驶，不是医疗诊断，不是直接下单交易。

它是辅助判断。

第二，客户已经习惯为调研付费。

问卷、访谈、焦点小组、咨询报告，本来就有预算。

第三，多智能体有天然解释力。

客户不只想要一个数字。

客户还想知道不同用户群为什么这么想。

第四，成本容易被项目价格覆盖。

如果一次模拟成本几百美元，但项目收费几万元人民币，就有毛利空间。

但这里要注意：

AI agent 不能替代真实调研。

至少早期不能。

它更像真实调研的加速器和假设生成器。

最好的产品形态可能是：

先用少量真实样本校准 agent。

再用 agent 扩展情景推演。

最后用真实 A/B 测试回收反馈，继续校准。

这样它就不是“用 AI 假装用户”。

而是“用 AI 放大已知用户行为结构”。

这句话很关键。

前者容易翻车。

后者更像生意。

投研辅助可以做，但不能卖神谕

投研场景里，多智能体更适合做红队和压力测试，而不是当神谕。一个靠谱形态是让不同 agent 分别扮演多头、空头、客户、竞品、监管、财务审计和事实核查员，逼迫投资结论暴露假设。它的价值不是直接告诉你买什么，而是帮你少相信一个过分顺滑的故事。

多智能体投研系统也很有吸引力。

比如模拟：

AI 模型公司竞争格局。

3D 打印市场发展。

机器人公司商业化路径。

某家公司涨价后的客户反应。

某项政策对产业链的影响。

你可以让不同 agent 扮演：

创始人。

投资人。

客户。

竞品。

监管者。

渠道商。

媒体。

事实核查员。

这类系统对投研很有帮助。

因为投研本来就需要多视角。

但它不能承诺“预测股价”。

一旦你说它能稳定预测金融收益，合规风险和现实风险都来了。

更合理的定位是：

情景推演工具。

风险发现工具。

假设压力测试工具。

投研备忘录生成器。

多角色辩论室。

它不告诉你“明天买什么”。

它告诉你：

这个结论在哪些假设下成立？

哪些角色会反对？

哪些数据需要验证？

哪些风险被低估？

如果事件 A 发生，B、C、D 会如何连锁反应？

这已经很有价值。

投研里，很多钱不是赚在看见未来。

而是赚在少相信一个漂亮但脆弱的故事。

企业决策沙盘：高客单，但重交付

企业决策沙盘听起来最值钱。

比如：

大型企业做组织变革。

地方政府做政策评估。

园区做招商策略。

平台做规则调整。

供应链公司做价格冲击推演。

这些场景的客单价可能很高。

但问题是交付会很重。

你要接客户数据。

要定义角色。

要建业务流程。

要处理权限。

要做可解释报告。

要陪客户开会。

最后很可能从 SaaS 变成咨询项目。

这不是坏事。

但估值逻辑不一样。

如果系统每个客户都要大量定制，毛利率和扩张速度会受限。

所以企业沙盘公司要尽早沉淀模板。

比如：

新品上市模板。

价格调整模板。

品牌危机模板。

政策影响模板。

组织变革模板。

供应链冲击模板。

模板越多，项目越像产品。

模板越少，产品越像人肉咨询。

这个方向最优创业路径

如果我是创业者，我不会一上来做“通用 AI 小镇平台”。

我会选一个垂直场景。

比如：

AI 产品定价和用户转化推演。

消费品牌新品上市推演。

游戏上线前玩家行为推演。

内容平台推荐策略影响推演。

投资研究多角色情景推演。

然后做四件事：

第一，建立真实分群。

不要凭空捏 agent。

从真实用户访谈、问卷、行为日志、订单数据、公开评论、社媒数据里抽取分群。

第二，建立情景模板。

比如价格变化、竞品发布、广告投放、负面舆情、功能下线。

第三，建立回测集。

拿历史案例验证系统。

例如去年某次涨价、某次改版、某次舆情、某次活动。

第四，建立成本路由。

低价值动作不用大模型。

关键决策才用强模型。

模拟过程用便宜模型，最终报告用好模型。

这样才可能形成商业闭环。

最小可行产品可以很简单：

输入一个产品变化。

选择 5 到 8 类用户分群。

系统模拟 3 到 5 个情景。

输出购买概率、流失风险、关键反对意见、最敏感变量、建议验证数据。

这就够了。

不要一上来做 10000 个 agent 的元宇宙。

创业早期最怕把产品做成宇宙。

宇宙很大。

账单也很大。

成本控制的正确姿势

可商业化系统必须把成本打下来。

常见方法有八个。

第一，事件驱动，而不是时钟驱动。

不是每 5 分钟所有 agent 都思考一次。

只有事件发生、状态变化、用户查询、关键阈值触发时才推理。

第二，稀疏互动，而不是全员广播。

用社交图、影响图、渠道图控制信息传播。

第三，小模型优先。

普通分类、情绪判断、倾向评分、状态更新，用小模型或传统模型。

第四，大模型只处理关键节点。

比如观点转变、复杂冲突、报告解释、专家复核。

第五，记忆摘要和遗忘。

保留高价值事件，压缩低价值细节。

第六，缓存相似情景。

很多推演请求很像。

不要每次从零开始。

第七，离线批处理。

非实时模拟可以夜间跑、批量跑、低价跑。

第八，人机混合校准。

让专家修正 agent 参数，比让模型自己无限反思更可靠。

一句话：

多智能体预测系统要像公司一样管理成本。

不是所有员工都能天天坐商务舱。

也不是所有 agent 都能每一步用最贵模型。

判断真假产品的 12 个问题

如果你要判断一个 AI 小镇 / 多智能体预测系统靠不靠谱，可以问 12 个问题。

如果一个项目回答不了这些，只是展示“小人会聊天”，那就要谨慎。

小人会聊天，是 demo。

小人聊完能帮客户少亏钱，才是产品。

最后判断

AI 小镇类多智能体系统，会是一个很有想象力的方向。

但它不会因为 agent 多就自动变成预测机器。

它真正的壁垒在四个地方：

真实数据校准。

群体互动建模。

预测评估体系。

token 成本控制。

这四个少一个，产品都容易变形。

没有真实数据，它是角色扮演。

没有互动建模，它是群聊。

没有评估体系，它是故事机。

没有成本控制，它是财务事故。

所以我对这个方向的最终判断是：

多智能体预测系统不是不可能。

但它必须从“AI 小镇”进化成“可校准的决策沙盘”。

不要卖一个看起来很热闹的虚拟社会。

要卖一个能帮客户比较不同未来、发现关键变量、降低决策错误的推演引擎。

如果能做到这一点，token 成本就不是问题。

因为客户买的不是 token。

客户买的是少犯一次贵错误。

如果做不到这一点，哪怕 token 再便宜，它也只是一个很会聊天的电子沙盘。

看着热闹。

但一关页面，世界没有变。

账单倒是真的来了。