AI 小镇之后，智能体开始模拟人类逃命

事件概述

2023年斯坦福大学与Google联合发布的“AI小镇”项目，让25个大模型驱动的虚拟居民在像素小镇中自主生活、社交甚至策划派对，展示了生成式智能体（Agent）模拟人类行为的能力。然而，此后该领域的前沿研究并未停留在游戏与社交层面，而是转向了一个更严肃的应用方向——模拟人类在灾难中的逃生决策。卡内基梅隆大学、清华大学、天津大学等机构在过去一年中发表了多项研究，用智能体模拟地铁火灾、飓风疏散、大型活动人群管理等场景，试图将大模型的决策能力嵌入传统人群仿真，实现“物理—认知分离”的新范式。

核心信息

1. 从“粒子”到“有脑子的人”
传统人群仿真将人抽象为受“社会力”驱动的粒子，只能模拟密度和碰撞，无法模拟恐慌中的决策（如是否立即撤离、选择哪个出口、是否折返寻找家人）。大语言模型驱动的智能体能模拟“不确定性下的恐慌与决策”，使虚拟人具备情绪、误判和牵挂，从而实现更逼真的逃生行为。

2. 四块拼图正在补全

• 卡内基梅隆大学：与校方应急管理部门合作16个月，为毕业典礼等万人级活动推演疏散预案。从500个智能体迭代至13000个，最终成为培训协调员的日常工具。研究经验表明，模拟器需先在小事（如普通散场）上获得专家信任，再用于灾难推演。
• 天津大学联合清华、卡迪夫大学发布的RESCUE系统：首个实时大规模虚拟人逃生模拟，在ICCV 2025上发表。虚拟人基于“看—想—跑”循环决策，可逐帧分析碰撞力，区分年轻、老年、残障人群的不同步态，相比传统“粒子”模型，RESCUE虚拟人逃生更多、摔倒更少。
• 清华大学AgentSociety社会模拟器：将尺度拉升至城市级，上万个智能体生成500万次社会互动，研究议题包括飓风灾害下的人口流动与应急响应。同时引入验证方法：用真实飓风疏散记录评估智能体行为是否符合实际。
• 分层生成式智能体：将“慌乱”拆解为三层决策——顶层（撤离还是找家人）、中间层（走熟悉路还是绕开烟雾）、底层（具体步态），使灾难中的高压决策可计算。

3. 应用方向

• 应急预案SaaS化：传统疏散评估为一次性PDF，模拟器可迭代测试不同警报、出口配置的效果，成为“活”的预案工具。
• 城市数字孪生“补脑”：现有数字孪生缺乏动态人群，智能体可模拟市民在台风、地震中的行为，提升政府治理预算的吸引力。
• 保险风险定价：巨灾保险的核心是风险建模，而人是最大不确定变量。斯坦福2024年研究显示，通过深度访谈构建的“数字分身”在问卷调查中复现本人回答的准确率约85%，接近真人复测水平。

4. 潜在风险

• 模型过于平均：大模型捏出的智能体趋同于“理性的平均人”，但灾难真正致命的是非典型行为（如不愿撤离的老人、逆行救人的路人等）。
• 微观可信不等于宏观真实：每个智能体决策看似合理，但群体加总可能产生现实中不存在的集体幻觉。大模型模拟成本高昂，大规模验证目前难以实现。
• 安全对齐导致失真：商用大模型被训练得乐于助人、拒绝伤害，但灾难现场存在自私、推搡等人性暗面，过度对齐的模型可能给出过于乐观的预案。
• 替代真实人的诱惑：当模拟人足够便宜且好用，机构可能用AI替代真实调研、演练和公共决策。卡内基梅隆研究者强调：推演可交智能体，最终签字必须是人。

值得关注

生成式智能体正从虚拟小镇的派对场景转向灾难逃生模拟，标志着该技术从玩具阶段进入真实世界的生死问题检验。应急管理、城市治理、保险精算等领域的付费意愿远高于游戏和社交，但技术成熟度、验证成本、伦理风险仍需警惕。真正的挑战不在于AI是否更像人，而在于人类是否开始相信AI已经足够像人，从而替代真实人群的处境与权利。