从技术领先到商业成功。
2024年初，当大多数AI创业者扎堆于生成式AI、大模型应用等热门赛道时，3个05后的年轻人却认为这条路并不好玩。
其中，联合创始人兼CEO卡梅隆·芬克（Cam Fink）和联合创始人内德·科（Ned Koh）都只有20岁，而CTO约翰·凯斯勒（John Kessler）则是一位只有16岁的未成年的孩子。
新脑子提出不一样的想法，是因为他们想要创造不一样的新世界。
与其扎堆凑热闹，不如做一件更有趣的事情——下一代的调研行业。
一方面，今天的全球调研市场规模已经接近800亿美元，老牌公司尼尔森、益普索等传统调研巨头，依靠“问卷+焦点小组”的方式，长期占据了80%的市场份额。
他们所采用的传统调研方法，主要集中在"如何更高效地收集群体行为"，无论是优化问卷设计、提升样本招募效率，还是改进数据统计方法，都未能脱离“依赖真实人群”的核心框架。
在Aaru的创始团队看来，传统方法至少存在三大致命缺陷：
一是样本量有限导致的结果偏差，传统焦点小组或问卷调研的样本量多为数百至数千份，难以覆盖小众群体或复杂地域的差异；
二是调研周期冗长，从方案设计、样本招募到数据整理，全流程往往需要数周甚至数月的时间，无法满足政治选举、新品紧急上市等时效性需求；
三是成本高昂，单次大规模调研的费用可能需要数十万美元，中小客户难以承受。
另一方面，智能预测领域其实也已经出现了一些玩家，大家的普遍共识是“大数据+机器学习”已经足够精准。比如，Palantir可以用政府数据预测犯罪率，而Salesforce也可以用CRM数据预测客户成交率，误差率普遍都可以控制在15%以内。
虽然智能预测比起传统的调研方式已经有了一定的进步，但Aaru的创始团队认为还不够好。他们提出了一种完全不一样的方法，采用"合成研究"的概念，彻底重构了行业逻辑：不依赖真实人群，而是通过使用公开和专有数据，生成数千个分布在不同年龄、收入、价值观、社交圈层的“数字孪生AI代理”，通过仿真引擎模拟个人、群体对新品、政策、广告的反应，并直接生成群体反应数据。
这种颠覆性的价值主张，不仅解决了传统调研的三大痛点，更将行业核心竞争维度从“收集效率”转向“模拟精度”，让Aaru跳出了与传统调研公司及其他AI应用企业的正面厮杀，形成了独特的赛道壁垒。
但问题是，传统调研的痛点是否真实存在？潜在客户是否真的愿意为更高效、低成本的仿真模拟解决方案付费？他们心中理想的产品形态应该是什么样子？
为了能够验证这些最核心的问题，Aaru的创始团队密集拜访了包括尼尔森、益普索等在内的12家行业头部市场调研公司，8家涵盖快消、美妆、3C等领域的企业市场部以及5个美国地方政治竞选团队，得到了一些有用的反馈。
比如，在奥美广告快消客户组看来，campaign效果预测通常都是依靠历史点击率推算，但今年某美妆品牌请虚拟偶像代言，传统模型完全没预测到Z世代的二次元狂热，导致投放ROI低于预期40%。
总体上来看，潜在客户基本都认同“预测精度决定决策成败”，期望产品具备“快速迭代、场景定制、结果可验证”的核心特性。
同时，90%的受访者对现有调研模式不满，75%表示愿意尝试AI模拟方案，但核心前提是需要能够复现动态人群异质性，且成本低于传统方法。
更值得关注的是，政治竞选团队因选举周期固定、对时效要求极高，成为最迫切的潜在客户。
基于市场的真实反馈，团队放弃了“通用型调研工具”的初始想法，将早期目标客户锁定为政治竞选团队，为后续MVP开发奠定了基础。
2024年，美国选举周期预计支出费用160亿美元。其中，15%的经费将会用于民意调研。
传统的调研方式显然已经变得不太可靠了。在2016年和2020年的两次大选中，主流民意调查的平均误差分别接近6%和4%。另外，民意调查的费用高达15万美元/次，平均样本数仅为1200人，周期则需要21天，这样的周期显然太长，特别是一些关键摇摆州的误差率超过6%，导致18场参议院民调全部偏离预期。
随后，Aaru的创始团队搭建了首个原型产品，利用开源大模型微调技术，快速实现了AI智能体的行为仿真模拟核心逻辑，仅保留了两个最核心的功能：一是群体画像生成模块，能够基于美国Census公开人口统计数据，快速生成符合特定选区人口年龄、性别、收入、政治倾向等结构的AI智能体；二是选举预测模块，支持输入选举议题、候选人信息等变量，通过AI智能体之间的交互模拟，输出群体投票倾向、关键影响因素等预测数据。
虽然Aaru已经在往年数据的回溯预测误差方面展现出优势，但只有完成对未来的预测才是真正有价值的数据。
2024年6月，纽约市将进行三场民主党初选，全市共有41名候选人参选，每天筹集的经费超过4万美元。如果采用传统的民意调查方式，数据至少会滞后两周，更无法捕捉竞争对手之间因相互揭发而爆发丑闻等突发事件。
而Aaru如果想要利用这次的机会展露优势，就需要尽可能将预测误差控制在2%以内，而且需要在24小时内给出预测结论，费用则需要控制在5000-1万美元之间。
6月底，Aaru交出了一份令人满意的答卷，通过采用1万名“AI选民” × 45个重要议题矩阵的方式进行仿真模拟预测，最终得出的预测与实际结果相比票数误差只有371票，误差率仅为1.9%，而主流的调研机构给出的数据误差率为则超过3%。
基于如此精准的预测结果，Aaru随后就收到了包括国会山、加州、得克萨斯州、佛罗里达州以及共同政府部门给出的14个Demo预约测试。
2024年8月，Aaru完成由Redpoint和Angular Ventures共同提供的500万美元的种子轮融资。
三、A轮：企业客户MVP（2025年）
从美国大选的情况来看，虽然预计年预算总额平均超过150亿美元，其中用于民意调研的支出就超过20亿美元，但这个市场不仅仅只有Aaru一个玩家，因此还需要开拓企业市场。
对于财富500强的市场营销部门，传统的市场调研周期需要至少经过5周的时间，并且需要招募5000名真实消费者，置信区间±4.4%；另外，还需要至少3周的分析时间，总预算至少需要30万美元。即便使用“AI辅助问卷”的方式，将样本量从5000扩至5万，周期可以压缩至2周，但本质上仍是“静态样本+历史数据”的模型，无法模拟“突发舆情下的决策反转”。
而Aaru则可以复用60%的政治竞选业务引擎，通过100万个不同年龄、收入、价值观、社交圈层差异的AI代理模拟动态人群异质性，并自采1.2亿条包括亚马逊、沃尔玛等各大电商平台的真实评论，只需要48小时就能完成包括数据采集、仿真运算、报告生成等工作，生成误差率小于3%的精准预测，成本仅为3万美元。
通过与在宠物食品、功能饮料、零糖巧克力领域的3家Redpoint被投公司合作，共同完成新产品购买率，转换率，增量销售等指标的预测，通过50次模拟结果显示，误差率仅为2.4%。
2025年9月，Aaru发布了第一款产品Lumen 1.0，专注于模拟企业高管、高净值客户等难以触达的群体，用于产品概念测试、超定向营销策略验证。
随后，Aaru团队充分借助种子轮投资方埃森哲的资源优势，通过埃森哲的企业数字化转型服务网络，成功与安永、IPG等顶级专业服务机构达成战略合作——安永将Aaru的解决方案纳入其“医药行业创新咨询服务包”，IPG则将其整合至自身的广告效果评估体系，借助这些专业机构的客户网络，Aaru快速触达终端企业客户，选择“制药、汽车、消费品”三大行业的头部企业作为主流市场的突破口。
这些行业的共同特点是市场调研需求刚性强、对效率与成本敏感度高，且具备较强的付费能力，能够快速验证产品的商业价值，避免了初创企业直接开拓大客户的资源与经验短板。
其中，与IPG的合作堪称生态合作的典范。
IPG作为美国顶级广告集团，旗下拥有麦肯、阳狮等知名广告公司，服务可口可乐、福特等数百个全球品牌客户，但其传统广告效果评估依赖线下问卷、焦点小组等方式，存在周期长、成本高、样本偏差大等问题。
Aaru与IPG联合成立“模拟工作室”，将自身的人群模拟能力接入IPG的核心消费者数据平台Acxiom，实现“精准人群模拟+真实消费者数据”的双向赋能：Acxiom的真实消费数据为Aaru的AI智能体训练提供了精准标签，让模拟人群的行为逻辑更贴近现实；Aaru的模拟能力则为IPG的客户提供了广告投放前的效果预判，帮助品牌提前优化投放策略，降低试错成本。
例如，在为全球运动品牌的新品推广方案评估中，双方通过模拟不同年龄段、运动习惯人群对广告创意的反应，精准定位了核心目标群体，使后续广告投放的转化率提升了30%。这种“技术输出+生态绑定”的合作模式，不仅为Aaru带来了稳定的客户流与收入，更通过IPG的行业影响力验证了其技术的商业价值，为A轮融资积累了关键的标杆案例。
从整体上来看，Aaru的运营体系初步成型。
在技术优势方面，通过与传统调研公司的头部企业进行对比测试，证明其模拟准确率比行业平均水平高12%-18%，效率提升30-50倍，成本仅为传统调研的1/10，技术壁垒与性价比优势显著；
在市场验证方面，已经覆盖了包括500强企业、政府部门、政治竞选团队在内的多种不同类型客户，标杆案例超过20个，其中包括3家全球Top10药企、2家头部汽车厂商，客户付费意愿与复购率验证了产品的商业价值；
在增长潜力方面，通过第三方行业报告与自主测算，“AI合成调研”赛道的全球市场规模将会从2024年的不足5亿美元增长至2030年的120亿美元，年复合增长率将会超过50%，而Aaru作为这个赛道的早期领导者，具备一定的先发优势与规模化扩张基础。
