千万级家庭仿真：从画像构建到高效决策

为什么社会仿真需要重新设计

社会仿真常用于分析消费、储蓄、政策响应和群体行为。传统做法可以为少量智能体配置较丰富的背景信息，并让大模型逐步生成行动；但当规模从数十个主体扩展到数百万乃至千万个家庭时，逐个调用大模型会带来明显的计算与工程负担。

成本并非只来自生成文本。每个主体都需要身份与状态数据，模拟过程还要持续执行决策、更新账户、记录事件并汇总结果。主体数量增加后，提示词处理、模型推理、数据读写和状态管理会共同消耗资源。若每个决策步骤都依赖高成本推理，扩大模拟规模就不只是增加算力，而是会改变系统的整体成本结构。

一项面向大规模家庭模拟的研究报告称，其系统在特定实验设置下以14张GPU运行约1200万户家庭，耗时约4小时，峰值处理速度达到每秒约3.7万个token。此类数据说明，系统设计可能显著影响可扩展性；但它们应结合任务定义、硬件配置、模型精度、并发方式及统计口径解读，不能直接视为所有场景都能复现的通用基准。

三层架构：人口、决策与状态演化

要让大规模模拟既可运行又可分析，通常需要把系统拆分为三个相互衔接的部分：人口画像、决策模型和仿真执行引擎。

1. 家庭画像：描述“谁在做决策”

模拟对象若是家庭，画像就不应只是一段自然语言人物介绍，而应包含能支持后续计算的结构化属性。常见维度包括家庭成员构成、收入与支出类别、资产与负债、生活阶段，以及影响决策的约束条件。

研究材料提到，其画像资源规模达到数亿份，并以家庭及家庭中的金融决策者为描述对象。如此规模的画像库可为抽样和人口构建提供较大候选空间，但规模本身并不自动保证代表性。实际使用时仍需核验数据来源、字段含义、缺失情况和分布偏差，并避免将统计画像误解为真实个体记录。

在工程实现中，画像可以采用“基础属性＋初始状态＋行为约束”的分层结构。基础属性在模拟期间通常保持稳定；初始状态记录模拟开始时的财务情况；行为约束则用于表达预算上限、必要支出或其他规则。将这些内容区分开，有助于定位结果变化究竟来自人口构成，还是来自决策逻辑。

2. 轻量决策模型：在成本与行为表现间取舍

家庭决策往往涉及多种因素：可支配收入、消费偏好、未来预期、风险承受能力以及当期账面状态。大型语言模型能够处理复杂语义，但如果每户每月都进行长文本生成，推理成本和延迟会随主体数与时间步数迅速累积。

因此，大规模仿真可以采用轻量化决策模型，将自然语言或结构化情境映射为有限的决策结果。例如，模型可以预测消费、储蓄或资产配置等行为，再由确定性规则检查预算和账户约束。对于需要解释的任务，可以保留理由摘要或在抽样主体上使用更复杂的推理；对主体总体执行，则尽可能采用批处理和紧凑输入。

这种分工的关键不是简单地“缩小模型”，而是明确哪些环节需要生成式推理，哪些环节可以用结构化预测、规则计算或状态转移完成。模型越轻，越需要通过数据和评测确认其行为与目标人群相符。若只比较输出格式或短期准确率，可能忽略长期模拟中的偏差累积。

3. 仿真引擎：将行动转化为可核算的状态变化

决策模型给出行动后，引擎负责推进时间并更新家庭状态。以月度消费与储蓄为例，执行过程至少包括读取期初财务状态、生成当期决策、检查预算约束、更新余额和负债、记录事件，并准备下一期输入。

这一部分适合尽量采用确定性计算。账户余额、收支汇总和时间步推进，都可以通过明确规则执行，而不是交由语言模型自由生成。这样既便于审计，也能避免出现收入、消费与余额之间不一致的结果。引擎还需定义异常处理方式，例如收入不足以覆盖支出时如何处理、负债是否允许增长、数值缺失如何标记，以及个别家庭运行失败时是否影响批次执行。

如何理解吞吐、规模与准确率

每秒处理多少token，反映的是某种计算吞吐口径，不等同于每秒完成多少家庭的有效决策，更不能单独代表模拟质量。不同系统可能在上下文长度、输出长度、批处理方式和统计范围上存在差异。比较吞吐时，应同时披露硬件、并发规模、提示词长度、生成长度、任务内容和完整运行时长。

规模指标也需要说明口径。所谓“1200万户”可能指初始化的人口规模，也可能指完成全部时间步的主体数量。若模拟包含多个月份，还应区分单步运行量与整段模拟总量，并报告失败重试、数据装载和结果写出的时间。

准确率则需要结合任务建立可复核的评测。对于家庭消费与储蓄问题，可以检查模型对历史行为或设定情景的预测误差、群体分布是否合理、预算约束是否满足，以及模拟结果在改变关键假设后是否稳定。若有基准模型，应确保数据划分、输入信息和评价指标一致；否则，所谓“超过某类基线”很难说明差异来自模型本身还是实验设置。

可复现的评测与工程实践

搭建同类系统时，可以把评测拆成四层：

1. 人口层：检查年龄、收入、家庭规模等变量的分布，确认抽样后的人口与目标群体之间的差异，并记录无法代表的人群范围。
2. 决策层：使用留出数据或明确的行为规则评估预测表现，同时检查不同收入、家庭类型和时间区间上的误差，避免平均指标掩盖局部偏差。
3. 约束层：验证每一步状态更新是否符合收支恒等关系、预算边界和账户规则。对于违规输出，应统计比例并记录处理方式。
4. 系统层：报告端到端耗时、吞吐、峰值内存、失败率、数据读写量和硬件配置。测试应覆盖不同主体规模，观察资源消耗是否近似线性增长。

在实现上，建议将人口数据、决策输入、模型输出和账户更新分别记录版本与校验信息。大规模任务可按批次执行，并为每批保存进度和检查点；发生中断时，从最近的有效状态恢复，而不是重新运行全部任务。对结果数据则应保留必要的聚合统计与审计记录，在满足隐私和治理要求的前提下减少不必要的个体级信息留存。

适用范围与局限

家庭仿真能够帮助研究者比较假设、探索机制和评估可能的群体变化，但模拟结果并不等于现实预测。人口画像可能存在覆盖不足，行为模型可能把历史规律误当作稳定机制，决策结果也会受到政策环境、经济周期和外部冲击影响。若模拟用于政策或业务判断，应对关键参数进行敏感性分析，并使用独立数据或专家审查校验结论。

总体而言，千万级社会仿真的核心不只是提升单次推理速度，而是重新分配计算任务：用结构化画像构造人口，用轻量模型承担可批量化的决策，再由确定性引擎维护状态和账本。只有在这三部分之间建立清晰接口，并以一致的评测口径衡量质量与成本，规模扩展才可能转化为可信的分析能力。