“人大版唐杰”的野心与行动。
作者｜刘杨楠、甲小姐
采访｜甲小姐
编辑｜甲小姐
“退无可退。前面再有100个人反对，我也得做。”
中国人民大学旁的文化大厦，一间不大的会议室，屏幕上跳动着密密麻麻的彩色圆点，这是柴云鹏团队正在打造的“微缩社会”。
社会模拟器·北京
这是一个状态实时更新的社会模拟器，以人大主持的中国综合社会调查（CGSS）为真实数据基准做校准，运行着超过1350万个拟人化AI Agents，覆盖100多个国家。在这个全球同类系统中规模最大的模拟器中，你可以进行“社会推演”——假设一个事件发生，群体意图将如何演变，将引发怎样的观点博弈、舆论传播、行动变化。
点击地图上的一个社区，一个更具象的模拟世界展开：110余个虚拟空间，46000多个数字分身自主生活、社交和互动，其中近2000个角色可以进行深度访谈。它们争论、遗忘、改变立场，信息在“人群”中传播，关系不断建立和消失，最终涌现出群体层面的共识、分歧与社会变化。
社会模拟器·人大本部
柴云鹏是中国人民大学信息学院院长。
在这所以人文社科见长的高校里，他做了十几年计算机研究，试图找到人文社科和计算机真正的交集，但由于学科研究范式不同，合作一直是“两张皮”。直到2023年，他意识到LLM架起了一座桥：“社科类研究要释放商业价值，不能只是写文章、做报告、开讲座，还得内化到智能体里，形成真正的产品。”
今年，柴云鹏推动了境瞳科技的创立。他正带领这个由人大信息学院孵化的项目开展工作，希望让各类Agent跳出工具属性，刻画并理解人类心智、人际关系和社会动力学规律，真正成为人类社会的一份子，让决策者可以预测社会事件的演化趋势，做出关于个人、企业和政府的重要决策。
过去两个月，境瞳科技连拿两轮融资，投资方包括英诺天使基金、水木清华校友种子基金、零以创投和驰星创投。
这个方向在国内尚未形成共识，海外已有明显布局：
在人工智能与社会模拟的交叉领域，Humans&于2026年1月20日宣布完成4.8亿美元种子轮融资，投后估值达44.8亿美元，核心方向是打造具备社会推理能力的Agent基础模型，侧重人际理解能力，适配企业管理场景，可辅助企业模拟组织内人际互动、团队协作及管理决策的潜在影响；Simile由斯坦福小镇（Smallville）创始人Joon Sung Park于2025年底创立，2026年7月30日完成2亿美元B轮融资，投后估值为20亿美元，主要支持企业模拟人们对产品、政策和商业决策的可能反应。
这是柴云鹏看到的窗口期。
Agents正在以前所未有的速度涌入人类社会，柴云鹏把它们分为两层：
水面以下，大量工具类Agents在底层高效运转，通过协议直接协作，没有客套，效率导向；
水面以上，是那些需要和人打交道的Agents。销售Agent、客服Agent、陪伴Agent需要理解字面信息背后人的动机与信念；营销Agent、广告Agent需要在行动前推演不同人群和关系网络可能出现的反馈；数字员工Agent、具身智能Agent需要在与个体或群体的互动中寻找更合适的协作、博弈甚至谈判方式。
在柴云鹏眼中，这需要“社会世界模型”，而它是当前AI拼图中缺失的一块。
社会世界模型，指对人类社会动力学的可计算表示，通过建模单个、多个乃至大规模主体的信念、意图与社会关系，实现对社会状态转移的预测。
2026年4月，一篇来自港科大、NUS、牛津、南洋理工大学、香港中文大学等机构的综述，以“能力层级×约束规律”构建了世界模型的分析框架：能力分为预测器、模拟器和演化器三个层级，应用场景则按物理、数字、社会和科学四类规律划分。
数字、物理、科学、社会，四个环境对应四种约束条件——数字讲程序与语义，物理讲接触与运动，科学讲实验与证据，社会讲信念与规范。
前三者在AI领域都有标志性进展，唯独社会，这个由信念、目标、规范和契约构成的领域，至今没有基座模型。
在这篇综述里，社会智能被标注为“Aspirational”，即仍处于愿景阶段，在四类智能中成熟度最低。它的难度在于，社会状态不可直接观测，人类行为因果数据也很难获取，而且具有“反身性”——人对社会的预测本身可能会改变社会的走向。
此时此刻，数字、物理、科学世界的模型与Agents飞速进步，但柴云鹏相信，它们最终都会撞上同一堵墙——所有依赖“别人怎么想”的场景，都需要Agent理解人类社会。
“社会世界模型会成为未来社会秩序的基座之一。”柴云鹏想补上最后这块拼图。
而这个故事的另一层底色是，柴云鹏面对的不仅仅是一条创业路，也是人文社科体系在AI时代的一道槛。
“我很激进。”柴云鹏说。过去，无论人大系，还是人文社科领域，都不在AI舞台的聚光灯下，但此时此刻，AI使得以论文建立的学术评价体系开始崩溃，他眼中一切已到了不能不变的关口。
“目前就是三条路：要么做纯理论；要么去创业；要么和大厂深度绑定——原来给大厂打零工、用低价钱养学生发论文那套体系已经失效了。做不出几家公司来，我们的老师就真成大厂的人才供应商了。”这正是他口中的“退无可退”，“天平一边是100，一边是0.1，没什么好商量的。”
这可能是中文世界第一篇关于社会智能的深度访谈。
1.“其他三个世界的Agent虽然进步更快，但最后都会卡在社会世界
甲小姐：谈谈你对社会智能的定义。
柴云鹏：社会智能的核心是让AI理解语言无法完整表达的人类心智、关系与行动，并据此预测社会反应，协调人与Agent的多方行动。
我们正在训练的社会世界模型，就是把这种社会推理能力内化到每一个数字Agent和物理Agent中。现在大部分垂直场景的Agent都在给LLM的社会认知能力“打补丁”，比如销售Agent、客服Agent、营销Agent、产品经理Agent、数字员工Agent和物理Agent等等，都没有真正融入人类的工作和生活，原因之一是LLM并不具备让Agent融入人类社会的能力，需要社会世界模型才能解锁这些场景的价值。
甲小姐：过去半年“世界模型”概念已经被炒爆了，定位“社会世界模型”，你担心被误解吗？
柴云鹏：很多人一说世界模型，就理解为狭义的物理世界，但“世界”这个词很宏大。
最近一篇综述论文把世界模型分为物理世界、数字世界、社会世界、科学世界，它们彼此正交、相互叠加，构成未来社会的智能基座。物理世界受力学定律约束，数字世界受程序语义约束，科学世界受因果机制约束，而社会世界受心智、关系与社会动力学约束。
甲小姐：AI图谱中，数字、物理、科学世界各有进展，为什么社会世界模型今天才开始萌芽？
柴云鹏：这四个世界模型的训练难度差别很大。物理和数字世界的约束可以写成公式或代码，可验证。一个杯子穿过桌子或一个API调用不存在，立刻就能被发现。科学世界的约束虽然没有封闭公式，但可以通过实验观测。
社会世界最难，无法用语言完整表达，这部分语料是互联网上最稀缺的，导致LLM对人类心智、人与人之间关系的理解远不如人类。
它有三个独特属性：一是“不透明性”，人的心理状态无法直接观测；二是“反身性”，人对社会状态的预测本身会改变社会状态；三是“规范性”，社会行为不只受“会发生什么”的约束，还受“应该发生什么”的约束。三个属性叠加，导致社会世界的预测误差最难控制。
其他三个世界的Agent虽然进步更快，但最后都会卡在社会世界——只要Agent要和人打交道，就绕不过这一层。
甲小姐：LLM的第一性目标是更智能，社会世界模型的第一性目标是什么？
柴云鹏：更懂人、更懂人类社会。
世界模型本质是对世界状态的预测，社会世界模型关注人、人与人的连接、状态和变化，分为个体、交互、群体、社会四个层级，有三项核心能力：
第一是推断人类意图，理解对方没有说出口的东西。今天这件事全凭个人经验。
第二是预测社会反应，在行动之前推演可能引发的群体连锁反应。传统的市场调研和A/B测试，成本高、周期长且不准确。其实你们媒体就很懂怎么预测社会反应，发文章前会在大脑里推演谁可能看到、谁可能点赞转发。传播像剥洋葱，一层一层往外剥，哪层没剥好就卡住了，其中有规律可循。我们把这套逻辑放到模型里，就能让AI具备跟你们一样的sense。
第三是突破人的管理半径，同时建模成百上千人的心智状态，超越人类的博弈、谈判甚至说服能力，协调大规模人群和Agent一起行动。
甲小姐：社会世界模型这个词很宏大，短期和长期分别要实现什么？
柴云鹏：第一阶段是超大规模的精准社会模拟，让Agent更像人，更理解人，人也能更适应和大量Agent共存的时代，对更复杂、更大规模、人机共生的智能社会有足够的理解和预测推演能力。在人或Agent做决定之前，模型先模拟出若干可能性，再选择方案执行，同时逐渐降低模拟的成本，提升模拟精度，从只有重大决策做模拟，到日常任务也能模拟。
长期来看，我们要打造让人和Agent大规模协作的基座模型。社会世界模型会成为未来社会秩序的基座之一。未来的人和Agent总量会很多，能力也很强，现有的管理体系肯定会瘫痪，必须要有一个很强的基座模型来管理人和Agent的协作。这是社会世界模型的最终形态，可以覆盖从OPC到大企业，甚至到政府各种规模的组织。
这在国家层面同样很重要。现在很多人还没意识到它的重要性，比如我们可以很好地预测舆论事件的演变，这件事可能两三年，甚至一两年就会广泛应用了。
甲小姐：舆情推演这类事件，传统范式做了多年，社会世界模型有什么不同？
柴云鹏：以前哪敢想“世界模型”这么大的词，只能搞点局部计算。按科学发现的范式看，从经验主义、理论范式、计算仿真、数据挖掘，到第五代AI for Science，社会世界模型本质属于第五代，AI for Social Science。
以前社会科学最大的痛点是没法做重复实验，你推一个改革，没法在真人社会里A/B测试，但社会世界模型把关于人、组织、社会群体的规律拟合出来，形成平行的模拟社会，刻画并理解人类社会规律，输入事件后就能完成下一个社会状态的预测。
甲小姐：你试图改变社会科学的研究方法？
柴云鹏：之前我们跟人文社科学院交叉很多，但合作一直是“两张皮”，因为过去的文科不是没用，是不能直接用。社科类研究要释放商业价值，不能只是写文章、做报告、开讲座，还得内化到Agent里，形成真正的产品。当然前提是要做好文理交叉和新文科转型。
过去人文社科领域很多研究方法很原始，比如很多社会科学经常用的一个方法就是面向人的社会调查，做调查问卷或深度访谈，一般是定性研究，总结一些规律。
未来是Agent主导的社会，研究人的社科成果最后会变成我们产品里的一条规则、一个skill或一类数据。
但传统的定性研究不会被完全淘汰。人的心智灵感和人类自己探索的过程依然很重要。我们搭平台，反而能帮他们大胆假设、小心验证，完善研究成果。我们需要从哲学、人性角度做研究，把社会动力学的规律像物理动力学的规律一样，内化到社会世界模型里。
甲小姐：当下的AI领域，是人文社科登场的机会？
柴云鹏：AI对人文社科来说确实是很好的新机会，体现在两方面：
一是现在的时代变革前所未有的剧烈，大家很迷茫，迫切需要新精神、新理论的指引。时代变革期往往产生思想大师，人文社科领域有机会出现新的思想家；
二是人文社科的研究成果能够通过模型、智能体等形式成为产品，成为社会运转的真实部件。
2.“社会智能和具身智能处境很像，数据都没到位”
甲小姐：社会智能在全球学术和商业领域还很早期，你们最初是如何确定技术路径的？
柴云鹏：LLM让我们发现Agent可以很好地模拟人，当时团队就在想，一个多Agent系统是否可以很好地模拟人类社会？多Agent系统有“世界模拟”和“问题解决”两条路，团队做着做着发现世界模拟更有普适性——造一个社会模拟器是建模一个社会世界的最佳途径。
2023年，人大和斯坦福几乎同时发表了社会模拟器的相关成果，是全球最早的两个Lab。现在我们比斯坦福小镇多做一步，在模拟器的基础上训练社会世界模型。这个时代最终拼的是基模能力，社会模拟器的终局就是社会世界模型。
甲小姐：同样以社会世界模型为目标，海外初创公司Humans&选择直接训模型，放弃了模拟器的商业化，你们第一款产品为什么是模拟器？
柴云鹏：Humans&的模型更侧重个体和交互层。现在我们多做一层大规模社会网络，有点像Humans&和Simile两种路径的内化统一。
模拟器是生成训练数据的重要途径，而且本身就是好产品，比较新、门槛高、竞对少、商业价值明确。我们可以从商业客户手中拿到真实结果反馈，形成数据闭环，把模拟器做大做准，提高模拟器的置信度，再用生成的数据训练社会世界模型。
甲小姐：你们社会世界模型的技术架构确定了吗？
柴云鹏：主干定了，整体分两层：底层是模拟器，负责生成数据；上层是图神经网络，把缓慢的社会演化过程蒸馏成一个可以快速计算的状态转移函数。
图神经网络中每个节点代表一个人，节点状态代表人的心智，整个网络分多个尺度，单节点是个体，小网络是组织，大网络是社会。连接任意两个节点的边是一个多维表示，包含互动、影响力、态度、关系等维度。当一个动作输入模型，不同节点的状态和边的取值各不相同，模型的推演结果就完全不同。社会世界的动力学主要体现在边上。
模拟器里的Agents显式地社交、争论、改变立场，可观测、可干预、可反事实重跑，产出以亿为单位的“图→action→图”样本，拿去训GNN。
一次推演就是：T0是一张图，注入一个action，节点心智被刷新，边也跟着变，预测T1长什么样。
剩下的变量是数据规模和边表示的具体设计，要等数据到一定量级才能收敛，就像具身一开始都做VLA，现在也在改。
甲小姐：从核心瓶颈来看，社会智能和具身智能类似吗？
柴云鹏：处境很像，数据都没到位，模型架构也在迭代。
我们要把互联网上杂乱的数据转成以人为单位、以人与人关系为单位的数据，拟合出人的世界观、价值观——人格特征有1800多个维度，这个工作量非常大。
而且互联网数据并不全面，其中真正能表示人类心智状态的数据占比可能不到万分之一，得靠比较准的模拟器生成数据，像具身那样，90%以上是生成数据，辅以少量真实数据互相校验，形成一个闭环，持续产生数据，再反过来迭代模型。大家差的还是数据，这才是核心竞争力。
甲小姐：你们最需要模拟器生成哪些数据？
柴云鹏：训练社会世界模型需要大量的人类心智状态数据，这些数据在真实社会中是不可观测的。
比如现实中的人大本部有几万人，但你只能看到谁去了食堂，谁发了朋友圈，谁参加了活动，谁和谁说了话；看不到他为什么这么做，他现在相信什么，受谁影响，他的人际关系网络是什么样，一条信息经过哪些人改变了他的判断，如果当时换一种信息，他还会不会这么做？
在模拟社会中，你可以看到每个Agent的Memory是怎么变化的，它们如何一步步拥有心智，群体共识形成到什么程度，沉默的大多数是什么态度。这些在模拟器中产生的可观测、可干预的社会轨迹，是训练社会世界模型最稀缺的数据。
甲小姐：社会智能领域会出现类似Transformer的里程碑式模型范式吗？
柴云鹏：肯定会，但不会是LLM那个Transformer的复制品。
其实注意力机制本身就是一张全连接图，真正要改的不是算子，是表示——LLM的基本单元是token，物理世界是网格和点云，社会世界的基本单元是“带状态的人”和“带状态的关系”，而且是异质、多尺度、随时间演化的——这个表示一旦被定下来，配套的架构会很快收敛。
3.“让Agent像‘社会人’”
甲小姐：你们社会模拟器里的1350万个Agents和其他Agents有什么不同？
柴云鹏：当前主流通用LLM普遍存在和人类对齐带来的迎合倾向，而真实的人类不只会迎合。我们自己后训练了一个Human Behavior Foundation Model，让模拟器里的Agent更像“社会人”。每个Agent都具备唯一的世界观、价值观、性格特点等人格特征，有和人一样的行为因果逻辑，从而大幅降低社会模拟器Sim-to-Real的gap。
甲小姐：Agent和Agent可以通过各类协议直接协作，这恰恰降低了和人交互的摩擦，为什么Agent要像“社会人”？
柴云鹏：社会还是要以人为中心。水面以下会有大量工具类Agent，通过各种Multi-Agent框架实现高效协作，完全效率导向，但它们“只见树木不见森林”；水面以上，还有大量Agent需要和人打交道。一个情商很低的人，通常也难以在现实社会创造很大价值。我们要让物理Agent和数字Agent具备社会性，成为社会的一分子，融入人与人之间的网络，社会认知能力至少达到人类平均水平，懂人的行为因果，懂乌合之众、群体极化这类社会规律，知道它的某个行为可能造成的社会后果，这样才能与人类长久共处，一起创造更大的价值。
甲小姐：有社会性和没有社会性的Agent，本质区别是什么？
柴云鹏：本质是有没有把人与人的关系状态本身作为Agent决策的核心变量来建模。
没有社会性的Agent只能根据任务、环境、工具来决定自己怎么做；有社会性的Agent还会考虑我跟这个人是什么关系？他信不信我？谁影响谁？谁依赖谁？谁和谁是一伙的？这次行动会让我们的关系变好还是变坏？
这确实很难，但现在Agent的社会性太差了，哪怕从30%做到50%也是巨大提升，但影响是全局性的。同一个决策，对陌生人、老板、朋友、伴侣、客户的传达方式完全不同，这会在很大程度上影响决策最终的执行效果。
甲小姐：你们怎么让Agent具备社会性？
柴云鹏：数据方面，我们会从互联网数据、模拟器合成数据和真实的社会调查数据中拟合出1800多个维度的人格特征，包括世界观、价值观、性格、兴趣、技能、健康情况等等。
模型方面，Human Behavior Foundation Model会重点学习一个人在不同情境下会怎么想、形成什么意图、做出什么选择，如何让Agent先估计意图再生成交互策略，以及如何让Agent像人一样具备博弈、谈判、协作能力。
在模拟器里，我们会用超图的方法，模拟真实人类社会的信息茧房，在模拟器里投放feed流，模拟当今社会人类接收信息的方式。
甲小姐：举个例子，一位来自偏远地区、不会上网的90岁老人，在你们的模拟器里是什么样的？
柴云鹏：模拟器复现的是群体规律，更多校验的是群体行为。比如在模拟器里做问卷调查，重点会看最后的统计报告和真实的问卷统计结果是否相符，不会纠结某份问卷的答案和某个人类回答是否一致。
社会上绝大多数人都是构成群体规律的一员，我们会基于地域、收入等宏观特征做合成数据，赋予每个Agent不同面貌，保证在群体层面符合人类宏观的社会行为规律。
个体的真实数据仍然是稀缺且重要的，我们拿到了人大社会学院的中国综合社会调查数据的授权，这是真实的访谈数据，帮我们省了很大成本，这也是人大的优势。我们会在成本和模拟器置信度之间做平衡。
甲小姐：当越来越多Agent像社会人，相比今天，人和Agent的协作方式会有哪些变化？
柴云鹏：今年上半年有个小热点叫“rent a human”，就是Agent租一个人类去干活，Agent主导协作、分配任务，人被Agent主导。
因为人的管理半径只有8个人，所以衍生出复杂、低效的层级制度，但我们的模型能同时建模成百上千人的心智状态及他们的社会关系，决定什么样的任务交给什么样的人，什么样的任务交给什么样的Agent。
就像Agent和人一起打狼人杀，Agent发言前会在大脑中建模，预测每个人在想什么，推演1000种协作、博弈，甚至欺骗人的方案，给出对任务结果最优的方案。
甲小姐：怎么判断模型的推演是否准确？
柴云鹏：通常会做几层验证：个体层看Agent对人的选择、偏好、意图和行为预测和真人数据是否一致；群体层看不同人群的态度分布、支持率等指标和真实样本是否对齐；社会动力学层看传播曲线、群体极化、舆情演化能不能复现真实世界。
我们团队最近也做了一套面向社会模拟的首个Benchmark，从角色多样性、交互真实性、实验不可知性等维度，系统评估一个社会模拟器是否在模拟真实的动态社会，而不是用prompt生成几亿个静态的连memory都没有的Agents。
这套Benchmark和验证体系中，人大社会学院、新闻学院、劳动人事学院等学院也贡献了社会科学的研究成果，因为社会模拟的准确性不只是取决于模型能力，还要把社会心理、群体行为、传播和组织规律放入评估体系。
甲小姐：你们的模型在规模、时长方面能预测到什么程度？
柴云鹏：过去几年，我们的社会模拟规模从几十个Agent发展到百万甚至千万级，呈现一种类似Scaling的现象——在群体和宏观层面，规模越大、样本越充分，预测结果通常越稳定。
但没有绝对的“最长时间”。社会系统是不断变化的，预测跨越的时间窗口越长，误差越会不断累积，预测结果的不确定性会越大。
假设从T0预测T1，短时间内我们可以做比较具体的结果预测，比如预测营销投放、舆情传播等场景数天或数周的演变，以及产品上市、品牌策略在数月内引发的社会变化。但如果是一年以上，我们一般不会给确定的单点预测，会给出不同情景下的趋势和概率分布。
甲小姐：社会预测具有反身性，怎么解决这个问题？
柴云鹏：反身性无法被消灭，我们会把预测本身也作为社会系统中的action来建模，在“预测-行动-反馈-再预测”的闭环里不断更新未来。比如模型预测某个产品会涨价，大量消费者看到可能会提前抢购，那“预测被传播”本身就成为新的社会状态，必须重新进入模型。
甲小姐：谁是社会智能的第一批受益者？
柴云鹏：当前在社会模拟器阶段，第一批受益者是工作内容面向大量用户的决策者。
比如汽车、3C等决策成本较高的高端消费场景，做错一个决策的代价是很昂贵的。今天他们可以在社会模拟器中投放产品、制定价格、发布营销文案、推广某一个政策等等，而且可以做反事实模拟，测试无数种策略在未来会产生什么样的影响。
食品饮料、美妆个护、母婴、日化等高频快消行业，也可以把原本依赖小规模调研和真实投放试错的过程提前搬进模拟器。
政府也可以做各种政策推演。
甲小姐：市场规模怎么算？
柴云鹏：以市场研究场景为例，全球洞察产业超过1500亿美元，包括用户访谈、调查问卷、A/B测试、舆情监控，这些手段最后交付的都是一份静态报告，准确度本身就不高，跟今天的AI生产力相比，太贵、太慢，也太滞后。这部分我们可以直接替代。
但社会智能的商业空间不止于此。我们本质是在营销、产品、定价、公关等商业决策中创造价值。一个模拟沙盘就是一个可干预、可反事实的动态世界，可以提升整体决策预算的资本效率。比如一家企业每年有1亿元营销预算，社会智能如果能够让决策效率提升1%，就对应100万元的价值创造。预算越大，价值杠杆越大，这是一种全新的商业决策范式。
4.“天平一边是100，一边是0.1，没什么好商量的”
甲小姐：现在社会智能的创业环境成熟了吗？
柴云鹏：在硅谷已经是资本共识，红杉、英伟达等几十家机构都有布局。社会模拟器在2024年就形成学术共识了，今年到了商业化拐点，斯坦福小镇已经完成B轮融资；社会世界模型不久前刚形成学术共识，Humans&融了4.8亿美元种子轮就是个信号。
甲小姐：做社会世界模型需要多大的资金规模？
柴云鹏：分两个阶段。做模拟器大概需要几千万，今年我们团队要把社会模拟器的Agent数量从1350万扩到1亿。模拟器稳定后能产出大规模社会状态数据，预计明年启动模型训练，需要数亿元。
甲小姐：为什么用孵化企业的方式来造社会世界模型？
柴云鹏：AI时代想成事需要资源，也需要快速反应，AI native公司是最适合的机制。学校经费比较少，也不会激进地都投在某个方向，但这件事本身价值很大，适合走商业路线。
高校老师想做一流研究，大概率得做一家企业，至少要和企业深度绑定，否则只能做边边角角或纯理论研究。我很认同黄铁军老师的观点，科技发展的顺序往往先从技术或工程开始，再用理论解释它。社会世界模型同样如此。
甲小姐：在这轮AI浪潮里，人大声量不高，创业氛围不算强。对你来讲，孵化企业的决定难做吗？
柴云鹏：退无可退了。前面再有100个人反对，我也得做。
我想把事做好，把学院做好，只有这一条路。
现在计算机领域围绕论文建立的学术评价体系开始崩溃，只要花钱买token，AI都能写论文。论文本身是过渡性产物。以前论文很稀缺，能当学术评价标志，现在量太多，必须看最终落地的结果。
我跟老师们也经常讲，目前就是三条路：要么做纯理论；要么去创业；要么和大厂深度绑定——原来给大厂打零工、用低价钱养学生发论文那套体系已经失效了。做不出几家公司来，我们的老师就真成大厂的人才供应商了。
AI时代的科研范式已经彻底变了。未来的范式是“基础研究到产业应用”的一体化推进和快速迭代——在实践中发现问题，积累资源；在基础研究中建立底层优势，降维打击——没有这种科研能力，就很难在未来的科技创新中站稳脚跟。所以没有退路——天平一边是100，一边是0.1，没什么好商量的。
甲小姐：境瞳组建团队的过程有阻力吗？校方的态度是什么？
柴云鹏：目前学校已经出台了非常好的教师创业政策。模式转变的节点上肯定有各种小问题，但还好。宝瞳（注：弭宝瞳，境瞳科技CEO，人大16级计算机博士）之前有过创业经验，在组建团队过程中有很大的帮助。
甲小姐：有人说你是“人大版唐杰”，你认同吗？
柴云鹏：可以啊，那是我的荣幸。不过我们跟唐老师模式不太一样，他是以自己的课题组为核心，带学生去创业。我们是在学院组织了多位优秀的老师和校友一起创业，老师再带学生，多了一个阶段性培育。我也希望之后能产生鲶鱼效应，把人大后续的创新创业牵引起来。
甲小姐：你的MBTI是什么？
柴云鹏：没测过，挺典型的工科男，成绩挺好，人也平和，跟谁都处得不错，没什么攻击性，但我做事挺激进——因为理性，想清楚了哪条路最理想，就照着做。
我挺庆幸自己喜欢变化，未来看不清楚，我能参与其中去创造未来，觉得很有意思。我特别不喜欢一头看到尾的生活，之前在一个小城市，待一个月就全跑遍了，我感觉自己绝对接受不了在那里长期生活，会有点“幽闭恐惧症”。北京就很大，很难去过所有地方，会让我觉得空间还很大。
5.“社会世界模型是实现AGI的最后一块拼图，补上后人类社会就翻篇了
甲小姐：假设推演社会、预测未来在技术上完全实现，谁拥有数据、谁有权调用模型、被模型预判的人能否知道和拒绝？
柴云鹏：我们的原则是，不依赖未经授权的个人隐私数据去复制某个具体的人，数据来源会做明确区分，公开可合法使用的数据、经过授权的真实数据，以及合成数据。涉及个人数据时，会做匿名化、去标识化。模型调用也应该分级，不是任何人都可以对任何群体做任意推演，涉及真实个人时，更应该强调去标识化。
甲小姐：一部分人开启上帝视角，另一部分人是其中的样本？
柴云鹏：AI和拥有AI最高访问权限的人确实会开启上帝视角。
甲小姐：假设最宏大尺度上的社会预测推演可以实现，最终的天花板还是算力？
柴云鹏：确实，最宏大尺度的预测推演对算力要求太高了，但如果文明发展到戴森球级（注：戴森球级：即具备恒星尺度能源利用能力的文明），那能力就够了。
我们目前不能期待戴森球，所以预测推演会有很多实用的技术，比如让模型更小、更精确、更像人，算力的软硬件技术也做充分适配，可以大幅降低算力和能耗的消耗，在现有水平下，不断扩大预测推演的尺度。
甲小姐：可以推演的世界，和不能推演的世界，哪个是更好的世界？
柴云鹏：这个问题其实是在问，过去田园社会更好，还是未来的科技社会更好。
甲小姐：推演社会和把蛋糕做更大，二者是什么关系？
柴云鹏：工业革命是生产的规模化，让物质极大丰富、成本降低。Agent时代应该是服务的规模化。以前靠人的服务业，像私教、高级定制，以后Agent替代了，每个人都能享受私人医生，同样的钱能享受到的服务会更多。服务于人的职业会更细分，服务业规模会前所未有地扩大。
但前提是端到端打通。服务业要求Agent有情商，懂人类社会的游戏规则，甚至比人类自己还懂。我们在做的工作就是补齐Agent在情商方面的短板，说话做事更懂人类的规则、习惯和期待，只有这样才能真正做到服务的规模化——从这个角度说，蛋糕真的会变大，人类也能得到更好的教育、更健康的身体。尤其是现在的落后地区，提升幅度会非常大。
甲小姐：假如你推演了未来，却发现没得选呢？举个例子，假如推演出来在生产力上人就是不如Agent，80%的人会失业，下一个决策应该是什么？
柴云鹏：按照现有轨道推演，未来80%甚至更多的人会失业，但最终结果可能没有那么悲观。人类社会的活动范围会扩大，上天入地，新的职业和机会会以各种方式创造更多价值，人的健康和感受也会被放大。
当然最关键的，社会分配制度和荣誉体系肯定要跟着生产力变化。智能社会整体的生产力会显著提升，关键是要让大家共享，制度要让大家有经济保障，也要有荣誉保障，不能只是领救济。
我以前看过一部美剧，叫《异星灾变》，讲地球毁灭，剩余的人类迁移到一个星球——开普勒22B，但有两派一直打。其中一派做了个超级人工智能叫托斯特（Tortoise/TOST），有人类社会管理的最高权限。每个人每天通过扫描视网膜领取它的指令并严格执行。托斯特给的指令非常具体，比如有人外出采集食物，有人负责教育，有人负责安保，每个人都各司其职。它的目的是“人类群体的整体延续”，并不是保护每个人。而且它的算计很深，一开始可能以为是简单的任务，实际最后绕了很大一圈，发现是一个很长链条的阴谋，甚至可能会伤害人类个体。
我也不知道我们多久能做到那么强大的AI。确实很难说。但我底层是个理性的人，历史的车轮滚滚向前，不会倒退，未来我们阻拦不住，我们能做的是怎么让未来社会的技术和规则更好地服务于人，尽可能让未来社会更美好。
但具体到一个公司，未来会有非常多的数字员工和人类员工，普通人类管理起来太难了，AI整体管理还是最具有效率的——某种程度上，这是在提升社会生产力，也许大家以后都能少上几天班了。
未来的人机共生社会将成为有史以来最大规模的社会，复杂度远超以往，而人类传统的管理方式粗放低效，未来超大规模社会的协作只能靠AI处理海量信息，形成复杂决策。
当然，AI也需要被监督，不能像托斯特那样拥有绝对的权力，最高决策者还应该是人类，要有工具能够理解和监督AI，便于人类做出重大决策，降低生产力的浪费，本质还是要服务人。尤其上升到整个社会层面，更要保证技术不能被滥用，要保障人类整体利益。
我们今天其实聊得很远了，但也仅仅是探讨一种可能性。未来人类社会会有各种变数，太复杂了，人搞不定。我相信人类还是有独特的智慧，能够渡过一个个难关。但如果真走到穷途末路那一天，那也是我们必须承受的。
甲小姐：如果现在有个话筒放在你面前，你可以向全人类发表一个10分钟的演讲，你会讲什么？
柴云鹏：我真心希望人类在未来的智能社会里能过得幸福，不被压迫，不沦为Agent的奴隶，每个人都能分享AI的红利，让医疗、教育、科技真正造福人。
要实现这个目标，就需要让AI更理解人、真正融入人类社会。目前AI的智能化程度已经很高，即便单体脑力只有人类的80%到90%，但数量大、维度多、可并行，整体上能比人做得更好。例如病理切片检测，AI可以逐个细胞观察，诊断可能更准。但AI的情商还远远不够，我们希望社会世界模型能发挥作用，让AI更理解人，让碳基人类更舒服、更适应。社会世界模型是实现AGI的最后一块拼图，补上后人类社会就翻篇了。
甲小姐：你很期待这种翻篇？
柴云鹏：是啊，很科幻的未来，很值得期待，有幸我能够亲手参与构建。补上社会性之后，Agent时代的生产力会极大提高，人类社会就进入下一阶段了。不过这件事情还得干十年甚至二十年，现在更重要的是做好第一阶段。
（封面图来源：甲子光年）
