2019年5月的一个傍晚，Myrna Bittner目睹了一场惊心动魄的“灾难”：6.7级强震撕裂了加州圣克拉拉，麦氏烈度高达9度，建筑倾倒、道路断裂，超过10万人的城市陷入黑暗与火海。但这不是真实的浩劫——它是在180英尺巨型屏幕上播放的合成模拟，由阿尔伯塔省埃德蒙顿的初创公司Run With It Synthetics（RWI）在物联网世界博览会主会场上实时驱动。台下约5000名硅谷精英举起手机拍摄这一幕，此前他们很少见到一个默默无闻的加拿大团队，用AI造出10万个会自主反应的“人”，并让基础设施精准坍塌。

那场演示的核心技术，在今天听来不算稀奇：AI、神经网络、聚合数据集。但RWI早在这些东西变成全球热词之前几年，就已经把它们拧成了一股绳。他们为圣克拉拉造了一面数字孪生，里面不仅有地理、管网、建筑的真实数据，更植入了10万个具备智能体（agentic）行为的虚拟居民——每个人的行动逻辑都力图还原真实湾区人口的统计学特征。换言之，台上演的是模拟，得出的灾害链反应却逼近真实。Myrna后来总结：“那是我们的顿悟时刻，让人们理解和体验尚未发生的事情，这件事太重要了。”

打开网易新闻 查看精彩图片

要拆解这家公司怎么把“预测未来”变成生意，就得翻出它90年代的老底。彼时，Myrna和丈夫兼联合创始人Dean Bittner在阿尔伯塔省麋鹿岛国家公园附近的乡下地下室，靠自筹资金捣鼓一家叫Bittco Solutions的软件公司。Dean读的是荣誉数学，Myrna有社会学、英语文学学士和MBA学位——这样跨界的组合，让他们天然倾向于从人的行为模式里找软件解法。他们开发了一款名叫Co-motion的群件平台，包含视频会议、语音通话和一个被他们戏称为“卫生纸卷”的聊天功能，放在今天看俨然是SaaS产品的早期雏形。

从群件到合成环境，RWI踩中了几个关键转向。第一，他们发现协作工具的真正威力不在沟通流程，而在让分散团队同时“看见”同一个复杂场景的动态演化，这为后来的数字孪生埋下伏笔。第二，他们很早就意识到，仅靠结构化数据建不出有说服力的虚拟世界，必须把人口统计、行为模型和实时物理引擎耦合，才能让模拟产生可指导决策的结论。第三，在AI数据饥渴还未成行业共识时，他们已着手融合多方数据源，用神经网络挖掘非线性的因果链——比如地震后天然气泄漏如何被电线火星点燃并蔓延的连锁反应。第四，他们强调可解释性：每一个虚拟人的避难行为、每一条道路的堵塞概率，都要能回溯到输入参数，而不是靠黑箱输出。

地震演示只是切片，RWI的合成环境实际覆盖了相当广的指标维度：从气候韧性到心脏病发作的个体化推演，从城市应急响应到基础设施老化预测。他们卖的不是一次性的“灾难大片”，而是一套让客户反复演练、调参、观察结果的沙盒。这背后是两位创始人对“未发生之事”的执念：Myrna曾在采访中说，真正推动他们的是让决策者在真金白银投入或人命关天之前，先在虚拟副本里把能犯的错都犯一遍。这种思路，放在今天满嘴“元宇宙”的厂商堆里，反而显得更为务实甚至犀利——因为RWI的每一次渲染，都对应着一套可审计的真实数据集和明确的商业指标。

回看那场2019年的演示，最值得玩味的或许不是技术本身，而是它揭露的一个反差：当全球多数AI实验室还在比拼图像识别和语言模型的基准分数时，一家阿尔伯塔地下室里长出来的公司，早已把AI塞进城市血管、人口脉搏和物理法则的交界处，演练那些谁都不希望发生但必须预备的场景。他们没有造通用人工智能的野心，却造出了能在虚拟世界里大声呼救的10万个“人”，并以此提醒行业：灾难预测的终极壁垒，或许不在于算法花哨，而在于你敢不敢让模拟结果真正掀翻既得利益者的预设。