你是否想象过平行时空的存在？

复旦大学大数据学院副教授魏忠钰带领的Fudan DISC团队以现实为镜构建出由大模型智能体驱动的“硅基人社会”

这个模拟世界由超千万的真实用户池支撑能够模拟社会群体活动倾听世界各地、各行各业的声音辅助政府、企业做出更科学的决策

这就是他们研发的大模型驱动的社会模拟器——SocioVerse

从社交媒体传播模拟到服务社会决策，千万“硅基人”社会如何构建？

参与过社会实践或行业调研的人，大多经历过这样的场景：在各个群里发放问卷，请求填写，甚至附上红包。一番辛苦后，往往也只能拿到几百份结果。

而在更为广泛的社会，政府如何制定政策？公司如何优化迭代产品？投资顾问如何预测行业趋势？这些决策都离不开大规模的社会调查，过程更是费时费力。

能否建构一个由大模型智能体驱动的“硅基人”社会，面向社会调查的需求，实现有问必答、有求必应，想要多少数据就有多少数据的理想调查平台呢？DISC团队推出的社会模拟世界模型——SocioVerse，正是面向这一需求而生。

魏忠钰在国际会议上介绍Socioverse

Fudan DISC团队共同参加国际会议

成立于2016年的DISC团队，并不是第一个想到用大模型来进行社会模拟的课题组。斯坦福大学、加州大学和清华大学等高校早已有学者开展过相关研究。然而，构建一个真正可信的“模拟社会”，始终面临着一个核心挑战：如何让虚拟与现实对齐？

DISC团队的答案，便是SocioVerse的核心理念：通过社会环境引擎、用户引擎、场景引擎和行为引擎，使得模拟社会始终跟随着真实世界动态更新。

其中，社会环境引擎负责实时向模拟社会注入现实里的最新资讯（例如新规出台、油价调整等）；用户引擎则提供真实世界人群画像，提供个体模拟的种子信息；场景引擎将现实社会互动抽象为标准化的模板，如问卷调查、深度访谈、社交媒体互动等；行为引擎是框架的大脑，负责综合信息，驱动智能体行动。

在社会模拟器的搭建过程中团队遇到了很多的技术攻关难题，其中核心的两个挑战在于，如何设计好的行为引擎，降低大规模个体模拟的推理成本？如何搭建用户引擎，达成规模化的高精度个体模拟？

团队在社会模拟方面的两项研究基础为此铺平了道路。早在2024年初，DISC 团队便提出了使用LLM和ABM进行混合智能体搭建，降低模拟成本的思路。他们将目标群体分成核心用户和普通用户，采用“LLM→核心用户、ABM→普通用户”的分层驱动机制设计行为引擎，并推出了国内首个开源的社交媒体仿真平台HiSim。该平台复现了X社交平台的互动环境与消息机制，支持公共与私域双通道信息传递、真实时间推动与离线事件触发，实现对用户互动、态度演化与群体行为扩散的动态仿真。

2024年底的DISC Open Day开放日交流会合影

平台针对1000个真实的社交媒体用户搭建孪生智能体，并进行了为期14天的行为预测，在三个真实事件构成的数据集上验证模拟表现，实验结果表明，模拟平台在用户行为一致性、情绪态度变化趋势等多项指标上，与真实行为数据高度吻合。研究成果在自然语言处理领域的顶级会议ACL 2024发表。

用户引擎中的种子用户建构是整个框架与现实人群对齐的核心驱动力，设计基础来自于团队开发的用于政治选情预测的ElectionSim框架。在该工作中，他们便开始了百万规模人口池的设计。

“我们从推特平台上大规模采集了用户的公开历史发言信息，并开发一个语言模型对他们进行了性别、年龄、种族等多个维度的人口学标签自动标注。”ElectionSim项目核心成员、2024级统计学博士生林嘉昱介绍。ElectionSim通过构建34万智能体，在2016/2020/2024三届美国大选的平均预测准确率在90%以上，在摇摆州得票率预测上相比ABM等传统方法的性能提升达到34%。在该项研究中，他们还揭示了随着采样人口比例的提升，模拟的误差会随之降低，验证了大规模个体建构的必要性。

实验验证了社会模拟的规模定律：随着规模扩大，模拟精度提升、误差逐渐收敛。同时在1/10,000同等采样率下，ElectionSim的预测误差是权威民调ANES的一半

HiSim和ElectionSim的成功让魏忠钰意识到，社会模拟不应止步于一两个特定的应用场景，而应该拓展到更多领域、更大规模的社会科学研究。

“我学生时代的导师们虽然都是工科出身，但对社会动态都有着极高的关注。所以我自己做研究时，也会常常思考如何让研究真正赋能民生和社会服务。”魏忠钰分享。除了是大数据学院副教授，他还是上海创智学院全时导师和复旦-中电金信智能金融科技联合研究中心主任。

经过数月攻关，SocioVerse上线。用户池数量从百万跃升为千万，覆盖中英双语用户，标签维度扩展至15项，包括年龄、性别、职业、收入、教育水平、居住类型、地区、就业状态、婚姻状况和兴趣爱好等。这意味着模型不仅能够模拟更复杂的社会环境，同时也能提供更精细的个体数据，更有效支撑社科专业研究的开展。

SocioVerse集成了新闻传播效果、选情预测、国民经济调查、社会科学研究智能体等多项应用示例，在多个场景的验证中均取得了出色的成绩。

↑代表指标越高越好，↓代表指标越低越好。

团队研发的Socioverse平台在不同的社会模拟场景下实现了和真实世界的高度对齐，采用DeepSeek-V3作为行为引擎在平均效果上有最好的表现。

项目核心成员、2023级博士生张辛农表示，Socioverse的推进离不开复旦大学人文社科学者的共同参与。“把人文社科的研究范式融入AI是一个很困难的过程。整个项目是不同学科背景的学者不断碰撞，迭代优化的产物。复旦大学新闻学院、社会科学高等研究院、经济学院、国际关系与公共事务学院，美国罗切斯特大学等机构的学者对平台的完善都提供了宝贵建议。”他说。

魏忠钰与他指导的第一届博士毕业生合影

“复旦完整的学科体系，为我们推进AI交叉研究提供了绝佳的环境。”魏忠钰感慨，可以轻松找到不同专业的顶尖学者进行交流，“是件很幸福的事”。

目前，SocioVerse已开源100万英文社交媒体平台的用户池，推出“众生?SocioVerse”社会调查模拟平台，提供在线社会模拟仿真服务，支持交叉学科研究，包括央视新媒体中心在内的100多家机构已在平台上完成了超过一万次交互。

校企合作，技术向善让AI成为促进健康的基础设施

除了关注宏大的社会议题，DISC团队还把目光投向人们的日常生活和工作，为不同职业和场景“量身定制”AI工具。医疗健康正是团队重点发力的应用方向之一。

2023年9月1日，Fudan-DISC团队发布了自研医疗大模型DISC-MedLLM，并开源47万微调数据，引起了华为公司的关注。双方交流后，决定开展运动健康AI助手的技术合作。

如今，这一技术已经成功落地在华为首款鸿蒙AI智能手表Watch 5上的“腕上小艺”运动健康模块。

“小艺小艺，我这几天睡觉总做梦，醒来总觉得没歇够似的。”

“刚看了下您的睡眠数据，最近深睡时间有点短，而且睡得偏晚啦。试试规律作息，睡眠质量会好很多呢！”

只需与“小艺”聊上几句，你便能获得亲切而不失专业的建议。目前“小艺”已实现包含心率、睡眠和运动等200项健康数据的深度解读，以及针对20余种运动类型的具体分析。

“腕上小艺”的背后，是DISC团队打造的业内首个面向运动健康的因果知识图谱推理系统。这一系统名为“Expert-In-The-Loop”，有着双层结构：一层收集用户运动数据和身体指标，另一层连接海量医学知识，双网融合实现科学推理。

在开发过程中，受隐私协议限制，团队无法直接调用用户数据。此时，组内同时进行的SocioVerse研发给了团队启发：何不自己构建模拟的医疗健康交互场景，把大模型生成的合成对话数据用作训练语料呢？最终，团队凭借自身深厚的技术积累，达成了项目目标。

这一成功的合作，有哪些值得借鉴的经验？魏忠钰表示，高校学者应保持学术独立，自信面对企业需求，“我们要学会将实际问题转化为研究课题，实现科研与产业的双向促进。”校企合作同样是一个技术与社会互动的过程，“AI要深植社会土壤，融合临床经验与真实需求，政府监管与公众认知也是其健康发展的关键要素。”

深度参与校企协作的真实场景，对于学生而言也是非常好的锻炼。“真正的研究落地不是把论文搬进产品，而是把场景带回研究中：在学术与工程之间，我们造的是一座能连接难题与需求的桥。”项目核心成员、统计学2024级博士生保智杰说。

DISC团队多年致力于让AI服务于人的健康管理，与华为的合作只是其一。他们还曾联合伊利集团打造国内首个营养健康智能体，并实现规模化落地；与复旦循证护理中心合作研发首个面向护士的智能问答模型EviNurse，推动护理智能化发展；联合多家医院共同研发“普卫思PIORS”健康医疗导诊助手，提升导诊精准性。……

魏忠钰在学术会议上介绍Socioverse

魏忠钰认为，未来AI会是我们生活中的基础设施，功能会越来越强大，使用门槛也会越来越低。“我们要思考的，就是如何让AI提升人类社会的幸福指数。这也是驱动我持续研究深耕的源动力。”

Socioverse项目地址：www.fudan-disc.com/socioverse