42AI获6250万美元融资，行为世界模型瞄准人类行为预测

以色列初创公司42AI结束隐身状态，宣布获得6250万美元种子轮融资。这家公司正在开发一套行为世界模型，声称能在全新情境下预测人的下一步决策；系统目前已在约十家大型券商运行，用于管理流动性、保证金要求和对冲敞口。

“世界模型”近两年在人工智能领域热度攀升，指的是让机器在内部建立对环境的模拟，从而预判接下来会发生什么。相关讨论多集中在视频生成、自动驾驶和机器人训练上。

42AI把这套思路挪到了人身上——它要模拟的不是物理世界，而是一个个具体的人会怎么想、怎么选。

42AI联合创始人兼CEO Amit Gal-Or 的说法是，行为从来不是确定性的，而是持续处于概率分布之中。人换了环境、过了一周可能像变了个人，但底层心理倾向仍会在特定领域以一定概率显现。

具体做法是观察人对看似无关事件的反应。以券商客户为例，开户时的身份核验、客服通话、转账、下单买卖都会纳入分析。联合创始人兼CTO Ehud Ezra 说，系统会看客户与客服交流时的情绪和语音，看他们打了多少次电话，也看交易发生在什么市场状态下。

这些观察随后被转换成性格特征的数学表征，输入基于Transformer（一种主流神经网络架构）的世界模型，输出不同情境下各类决策的概率。另有一个独立的语言模型，负责为预测结果生成解释。

训练时，模型被要求保持人物底层倾向的一致性：一个平时厌恶风险的人，如果在模拟中突然被当成冒险者，就说明目标偏了。团队花了三年打磨这套方法，参考了心理学、神经科学和遗传学研究，也听取过心理学、创伤后应激障碍领域专家以及2011年诺贝尔化学奖得主Dan Shechtman的意见。

数据规模是这套模型的基础。团队先从心理学评估和行为场景入手研究数千人，再加入政府和生物样本库覆盖200多万人的数据集；按42AI的说法，客户数据现已覆盖近3000万人。Gal-Or 强调系统不需要个人身份信息，“模型从不知道这个人是谁”，但公司仍会基于关联的客户活动建立个体行为画像。

在预测交易这件事上，42AI给出的数字是98%准确率。Gal-Or 对此作了澄清：这更像是衡量交易流是否落在预测区间内，而不是每一笔交易都被猜中。预测交易方向和规模的F1分数在0.8到0.85之间——这个指标衡量分类模型在命中与误报之间的平衡。

模型也有明确的天花板。Gal-Or 承认，人经历过的事情不可能被完整获取；Ezra 补充，一旦漏掉关键情境，比如客户听了朋友或同事的建议临时改变交易选择，准确率就会打折。

眼下42AI与10家大型券商合作，应用集中在流动性管理、保证金要求和对冲敞口。收费有两种方式：固定费用，或按平台帮客户增值的比例分成。Gal-Or 说某家券商通过动态对冲额外获得了约3000万美元价值，公司整体营收已达“七位数”，但未给出具体数字。

6250万美元种子轮并非一次性从外部募得，而是创始人与Infinity Group在三年间陆续投入。Infinity由Gal-Or的父亲Amir Gal-Or创办，他同时担任42AI的董事长和联合创始人。公司表示接下来还会继续融资。

金融之外，42AI把游戏、反欺诈和网络安全列为探索方向，长远目标是帮机器人和AI智能体理解人。每进入一个新领域，模型都要重新学习该领域的规则与情境，这条路远谈不上现成。

更尖锐的问题在金融场景内部：如果券商能预判客户接下来会做什么，什么能阻止它利用这份预判为自己牟利？面对这个提问，Ezra 承认是“合理的担忧”，几位创始人指向监管、监控和内部伦理委员会，却没有说明具体靠什么拦住客户去对付被画像的人。Gal-Or 的态度更乐观，称公司“本身就是解决方案的一部分”。

这套说辞能不能站住，要看落地时的权力关系。预测模型由券商买单、部署在券商一侧，被预测的交易者既不知道自己的客服通话和下单时点正在被转成特征，也无从选择退出。技术越准，信息不对称越大——这大概是所有行为预测生意共同的软肋。

把视线拉远，42AI的尝试也是世界模型热潮外溢的一个样本。当行业还在争论模型能否真正理解物理规律时，已经有人把它用来理解人，并且先找到了愿意付钱的金融客户。以色列创业公司素来擅长把实验室里的深科技卖进现金流充沛的行业，这一次选的是交易台。

模型能预测交易员在剧烈波动下的反应，这听起来像科幻片开头。很多年前，宿舍里对着模拟炒股软件，红绿数字跳得眼花，手指悬在卖出键上半天按不下去，最后干脆关掉页面去吃饭。那时候要是有个东西能提前告诉你“你下一步会干嘛”，大概只会觉得后背发凉。屏幕上那根分时线还在走，如今真有公司把这件事做成了生意。唉，被算法看穿之前，人好歹先学会看懂自己吧。