理性型AI还是共情型AI，你更青睐哪种？
理性型AI与共情型AI的创业经历
几天前跟朋友讨论到一个话题，大胆老师认为可以借来说明 2026 年 AI 领域一个值得关注的创业方向。
话题是这样的：你身边有两种人——
A 型：能力很强，什么都懂。但跟他交流你会很疲惫，因为他总在指出你的问题、总在讲逻辑、总是不明白你什么时候需要的只是一句"嗯，我理解"，而不是一套解决方案。
B 型：做事不如 A 那么出色，偶尔还会出错。但跟他相处很自在，他能察觉你的情绪，懂得何时开口、何时沉默，他提的建议你也愿意采纳。
大胆老师想问问你，你更倾向哪种？
在工作任务上大家或许会选 A，但在情感交流上几乎所有人都选 B。
有意思的是，当前 AI 行业也面临同样的抉择——只是没人把它当作选择题。
先聊聊这段创业经历
有个人叫 Joon Sung Park，斯坦福计算机博士，斩获 2025 年斯坦福 CS 最佳博士论文奖。他在 2023 年做了一个引起轰动的实验——25 个 AI 智能体在一个虚拟小镇里生活，结果它们自发组织了一场情人节聚会，没有预设剧本，没人引导，它们自己交流、自己约定、自己社交。
这个实验被称为 SmallVille。走红之后，财富 500 强的 CEO 们纷纷来到斯坦福询问同一个问题："你能用这个帮我们模拟用户吗？"
于是他创立了 Simile。获得 1 亿美元融资，投资方包括 Andrej Karpathy 和李飞飞。客户涵盖全美最大药店 CVS。
他的核心洞察很直接——也是我认为最值得你花 3 分钟阅读的：当下所有 AI 公司都在打造 A 型——能力超群、极度理性。但商业世界真正需要的不是 A 型，而是 B 型。
我们用过的理性型AI
用过 ChatGPT 或 Claude 的人，应该都有过类似经历：
你写了一段较长的代码，说"这段代码写得很乱，我想整理一下，但还没想清楚怎么动"。
AI 回答："您的代码存在以下三个问题：1. 时间复杂度为 O(n²)；2. 缺少异常处理；3. 命名不够规范。建议重构为以下方案："
——然后给你一段完美却冷冰冰的代码。
你总会觉得哪里不对劲。
你没说"帮我重构"，你表达的是"我觉得这段代码很乱"。
也许你需要的是"没事，这段代码确实乱，我见过更乱的。来，我陪你一起改。" 哈哈，也许是咱们理工女最后的执念。
你需要的不是标准答案，是情绪共鸣。然后再给出答案。
但大模型做不到。因为它太聪明了。聪明到它认为情绪共鸣是在浪费时间。
这就是 Park 所说的 A 型 AI——能力满分，情商为零。
可人并不只是理性的
如果你让 AI 帮你写代码、解数学题——对，AI 需要什么情商？精准就够了。
但如果你让 AI 帮你做购买决定呢？这本身就不理性：） 想想双十一，再假如你是一家药企的负责人。你想知道：新药定价 200 元，目标用户中有多少人会购买？
你去问她们。80% 说会买。
等药品上市后。20% 买了。
60% 的人没有说谎，她们只是不清楚自己会怎么选。
这就是 Park 发现的"言行差距"（say-do gap）。所有传统市场调研、所有大模型——都只捕捉到了人们说的，而非人们会做的。
人类本就是非理性的生物。你让 AI 做理性预测，永远无法准确预测不理性的人。
Simile创业项目选择了另一条路径
不打造"更聪明的 AI"，而打造"更接近人的 AI"。
他们邀请真实的用户——不是网上填问卷，而是进行 15 分钟深度语音访谈。
不是问"你会买什么"，而是问：
"你小时候在哪里长大？"
"你做过最纠结的决定是什么？"
"什么事情会让你格外愤怒？"
然后用这些回答，构建一个 AI 分身——不是"这一类人的特征"，而是"这一个具体的人"。
1000 个这样的人，放在一起，进行一次模拟。
结果：AI 分身预测人的行为，准确率达到真实人类自我复现的 85%。
85% 不是满分，但已超越传统调研——因为人类自己"周一预测周五会怎么做"，跟"周五实际怎么做"，准确率本身就不到 100%。
这个方案开始盈利了
CVS 是全美最大的连锁药店和医疗服务商，年营收超过 3500 亿美元，在全美有近 1 万家门店。CVS 面临一个棘手的问题：患者开了药，不按时服用。
传统方法：发放问卷。"你会按时吃药吗？"——"会的。"——然后没吃。
Simile 的方案：在模拟环境中与 AI 分身交流。不是提问，而是模拟这个人的完整生活——她几点起床、孩子几点放学、她对药店的印象……
交流过程中，揭示了真正的原因：
不是忘了。
"我担心副作用。" "我觉得这个药不对症。" "上次去药店，工作人员态度很差，我不想再去了。"
这些，传统问卷永远问不出来。因为没人会在填空题里写这些。
CVS 正在用"稍笨一些、但更懂人"的 AI，去完成"聪明但不懂人"的 AI 无法完成的事。
写在最后-回到最初的问题
A 型：或许什么都会，但跟他相处疲惫。 B 型：没那么完美，但你愿意跟他喝一杯。
选哪个？
但当你面对的不是"这段代码怎么重构"，而是"这个产品该不该上线""这个市场该不该进入"——
这些问题的核心阻碍，从来不是"模型不够聪明"，而是"我们不清楚真实的人会怎么做"。
一个全能但不懂人的 AI，和一个只有 85 分但能预判人的 AI——
大胆老师想问问，你真的还选前者吗？：）
我是张大胆，一名正牌 985 高校创新教育者。
一边做科研，一边做产品，一边创业。
研究 AI，也研究人与企业和团队如何在 AI 时代持续进化。
这里没有神话，只有实验； 没有鸡汤，只有复盘； 没有标准答案，只有持续探索。
欢迎大家和我一起大胆假设，大胆实践，大胆求索！
"希望在硅基生命席卷互联网的时代，依然保留碳基生命的审美、判断力与能动性。"