做个新饮料该选柠檬味还是桃子味？产品涨价 20% 高端用户还会买吗？过去公司靠问卷、访谈、焦点小组回答这些问题。今天苏米分享的 Aaru 换了个思路：不找真人，先造 10 万个"AI 消费者"，让他们替公司试一遍。三个创始人创业时分别只有 18、19、15 岁（一个在达特茅斯只待了一晚、一个在哈佛读了两周就退学），公司成立不到两年进入麦当劳、拜耳、安永的测试项目，累计融资约 8800 万美元。

一、先造 10 万个"人"

核心产品 Lumen 的做法：一家公司把问题交给 Aaru（比如"高端产品涨价 20% 还有人买吗"），Aaru 用人口、行为、情绪数据建立一批数字消费者 Agent——32 岁纽约高收入高风险偏好、55 岁中西部价格敏感、24 岁社媒重度用户——每个 Agent 有自己的属性和决策特征。关键区别于普通 AI 画像工具：它不是生成十个消费者故事，而是建立具有统计结构的人群，观察整个群体的选择分布。安永测试时用的数字样本达到 10 万个 Agent。

二、为什么不直接问真人：人并不擅长预测自己

问"你愿不愿意买环保产品"，他说愿意；真站在货架前贵 30% 时他还是拿了便宜的。安永做了一次硬核对比：把已完成的全球财富研究（30 多个市场、3600 名真实投资者、传统周期 6 个月）交给 Aaru 用一天重新模拟——53 个单选题的模拟结果与真实调查中位相关系数 0.90。更扎心的是两个具体问题：问"继承父母财富后会继续用父母的财富顾问吗"，82% 真人说会，Aaru 模拟 43%，而现实中只有 20-30% 的人真的这么做——问卷得到的是"你认为自己会怎么做"，Aaru 计算的是"类似人群过去的行为下你更可能怎么做"。

三、饮料还没生产，先让 AI"喝"一遍

早期客户 Spindrift（饮料公司）用它测新品：消费者是否理解产品、喜欢哪些口味、放哪个价格带、原气泡水用户会不会买、改一句产品介绍购买意愿怎么变。产品团队可以在真正生产之前，先排除明显差的方案。广告场景同理：20 条广告语让不同地区收入年龄的数字人群分别"看"一遍——不是问喜欢 A 还是 B，而是看谁会点击、谁觉得贵、谁在用竞品、换种表述哪些人改变选择。

苏米的思考

Aaru 卖的本质是"用模拟换时间"的市场调研：6 个月问卷变 1 天模拟，成本降一到两个数量级。两个冷静提醒：其一，模拟的准确率建立在"人群有足够历史行为数据"上——新品类、小众人群、颠覆式创新它的参考系会失真；其二，它模拟的是"人会怎么做"，不是"人应该怎么做"，伦理敏感决策不能外包给统计。对创业者的启发在方法论层：先造统计结构、再跑决策分布的思路，小团队用不起 10 万 Agent 也可以用 20 个精细 Persona 做平替（苏米拆过的 四系统挖痛点里"情绪强度评分"就是同族思路）。

本文变现路径

产品：AI 消费者模拟平台（Lumen，10 万 Agent 级）→ 流量：安永对比测试背书+大客户口碑 → 变现：企业级订阅/项目制，累计融资 8800 万美元。企业级 AI 服务定价见《独立开发者变现完全指南》。