黄浩宇 任梓源 方兴东：2025年情感智能研究综述

作者：黄浩宇（浙江大学传媒与国际文化学院博士后、浙江省城市治理研究中心客座研究员）；任梓源（浙江传媒学院新闻与传播学院硕士研究生）；方兴东[（通讯作者）浙江大学传媒与国际文化学院常务副院长、博士生导师，本刊学术顾问］

来源：《青年记者》2026年第2期

导 读：

本文选取2025年发表的有关情感智能的中英文核心文献作为分析样本，从理论、技术、应用三个维度入手，对情感智能领域的年度研究进展进行系统梳理。

一、引言：读懂情感的技术，为何重要？

在2025年，全球范围内情感智能领域的研究和应用出现了快速增长的态势。从社会需求来看，全球老龄化带来的孤独危机与青年群体的心理健康困扰，使得传统关怀资源捉襟见肘，促使情感智能成为回应社会需求的关键。

回顾情感智能概念的发展历程，其内涵经历了三次关键的拓展。20世纪60年代，心理学领域首次提出了“情感智能”这一概念；到了21世纪初，计算机领域将该概念引入AI范畴，把它定义为机器借助算法和数据来学习人类情感的技术体系。2022年之后生成式人工智能（Generative AI）技术全面应用，情感智能不再局限于单一的情绪识别与回应，而是深入人类情感生产、交往实践以及社会关系建构之中，成为理解数字时代人机关系本质的核心切入点。需要明确的是，本文所提及的“情感智能”与“情感计算”存在边界上的差异，前者侧重于机器对人类情感的理解与生成能力，后者侧重于情感数据的采集与分析技术，二者共同构成了人机情感互动的技术基础。

二、理论共识：从“效用”向“本体”的反思

2025年，情感智能研究呈现十分突出的范式深化特性。如果说既往研究主要致力于解决情感计算的可行性（Feasibility）与人机交互的有效性（Effectiveness）[1]，本年度的理论成果在这一基础之上，呈现了更为突出的反思与批判的自觉意识。面对生成式人工智能带来的技术跃迁，学者们尝试透过技术表象深入剖析，把核心关注点放在算法介入背景下主体性的重新构建、情感资本的运作规律以及传播机制的演变情况上。

（一）人机情感关系：从积极体验到复杂实践的辩证审视

在情感智能理论发展的起始阶段，学界的主流观点大多受到功能主义的较大影响，主要关注技术怎样借助精准的“情感计算”去识别情绪，给予缓解孤独以及提供社会支持等有积极意义的心理补偿。2025年，Character.AI、Replika等生成式人工智能从实验室迈向大规模商业应用，此时情感智能不再只是具有单纯的辅助功能，而是转型成为资本积累的新领地以及公众日常生活中的准社会伴侣。这种技术祛魅和商业入侵交织在一起，使得学界不得不从理想化的功能建构转变为冷静的社会学审视，开始着手构建一个更具张力且带有辩证色彩的关系图景，去正视互动过程中的负面体验、依恋悖论以及文化差异。

首先是开始技术认知的祛魅。既往研究多聚焦于成功的情感陪伴现象，田浩通过实证考察指出了人机互动中的失败体验维度，认为技术故障与任务失败是引发用户技术焦虑的核心诱因。[2]乐承毅等针对生成式搜索的研究发现，ChatGPT的幻觉问题与隐私风险会引发用户的功利、情感双重失调，最终致使间歇性中辍行为。人机情感关系并非呈现线性的增长态势，而是充斥着试探与磨合的动态博弈过程。[3]

其次是留意到技术与人类之间存在的情感联系。在依恋与情感联结的生成逻辑以及机制方面，张丽萍和张立涛所提出的“生成式情绪”说明，人机共情是身体在场感和AI人格化共同发挥作用而产生的结果，私密与意义情境在这当中起到了关键的作用，比如，用户把AI的角色设定为已经去世的宠物，AI就会模拟宠物的视角去安慰用户，实现共情。[4] Chen等人开展了基于“爱情三角理论”的实证研究，深入剖析人机恋相关问题：用户是否会爱上GPT？答案是肯定的，AI所呈现的“情绪智力”以及“情感陪伴”等特征，可以有效提升用户的亲密感与激情，最终转变为情感依赖，并且焦虑型依恋人格在其中发挥了调节作用，这种依恋关系已经延伸到了特定的社会文化场域之中。[5] Mitchell与Jeon通过系统综述15年来的30项研究，强调了整合传统依恋理论（Attachment Theory）以解释人机关系的必要性。[6]斗维红对A-Soul（虚拟偶像女团）用户的研究发现，这是一种呈现“超人际”特性的情感结构，用户借助自我联结的方式维系了依恋关系的稳定状态。[7]张洪忠等人所开展的中美比较研究说明，在中国，用户往往更倾向于把智谱清言、豆包这类智能体看作“情感对话者”，而在美国，用户则更为看重ChatGPT、Poe等智能体的实用性。[8] Adewale的系统综述同样证实了这一差异：东亚地区对于AI伴侣治疗价值的接受程度相对较高，然而西方社会则更多地关注真实性伦理。这些研究显示，人机情感是深深嵌入特定社会文化语境之中的复杂建构。[9]

2025年度在本体论层面的探索主要呈现为对情动以及非人维度的理论确认与关注，如今我们容易在人工智能中看到类似人类的特征，甚至把它们当作人来对待。在这个层面，学者们认可它日益表现得像有情感属性，但也清楚地意识到其本质上依旧是没有意识的代码。刘芊玥引入了情动理论，主张突破传统人文主义的框架，把机器情感视作一种流动的强度，她认为这种“强度”本身就是一种存在形式，并非一定要有心脏跳动才被称作情感。[10]韩伟和陈曦持有相对中立的观点，认为AI凭借多模态交互强化了情动主体身份，使得人机关系呈现交互主体性的特征，他们更关注AI是否无限接近于有生命的对话者，以及人机共情从工具性共情朝着主体性共情的演进趋向。[11]刘永谋则从建构主义视角厘清了“机器情感”的非意识属性，指明其本质乃是基于“伊利扎效应”所产生的情境反应，这属于人类的一种本能表现。[12]也许在开始探讨情感智能这一议题之时，我们首先要做的是破除“唯有像人才是正确的”这种人类中心主义的固有偏见，不管是借助数据流动强度所呈现的情感浓度，还是人机交互过程当中的主体性关系，只有先接纳AI作为一种有别于人类的独特存在方式，才可以以一种全新的、开放的心态去重新认知人机关系的本质。

（二）情感资本批判：数字时代的情感异化与资本逻辑

此部分从微观实践的角度进行宏观的政治经济学审视，在2025年达成的研究共识里，情感智能的广泛运用不只是简单的技术赋能，更是资本逻辑朝着人类情感领域的再一次转移。

最初是针对资本运作逻辑展开深入的剖析，赵云泽和黄子婷借助Replika、Character.AI等虚拟聊天机器人的众多用户实例，搭建起了积累、流失、断裂的情感资本三阶段流动模型，经研究发现，AI情感交互的本质已不同于传统意义的服务劳动，而是转变成为资本对人类情感资源的一种带有功利性的“圈地行为”，其最终结果是个体主体性渐渐失落。就像Replika有定制虚拟伴侣的功能，然而深度互动功能却需付费方可获得，其实质是对孤独感进行资本化利用。[13]在微观层面，各类虚拟伴侣产品极高的用户黏性与商业营收证明了情感资本化的现实逻辑。如同吴静等分析的那样，情感体验被切割、定价并售卖，而情绪识别技术背后的本质主义偏见则进一步固化了这种商品逻辑。[14]谢瑜引入了工具理性批判，指出在效率至上的算法逻辑统摄之下，丰富且多元的人类情感体验正面临着被同质化以及客体化的风险，而这一情况构成了数字时代情感异化的核心图景。[15]

技术中介在微观认知层面，借助放大偏差以及异化劳动的方式，对认知展开了更为隐蔽的重塑。张建云的研究说明[16]，在数字时代，“情感劳动”并没有因为AI的参与而得到解放，相反，在技术的有力支持下，它的实现路径被重新塑造，同时伴随着更加复杂的异化风险。值得注意的是实证层面的发现，Glickman和Sharot的实验指出人机反馈循环中的回音室效应，AI学习并内化了人类的偏见，还在交互过程中反向强化了人类的社会判断偏差。[17]像Stable Diffusion这类在真实世界中生成式AI所生成的金融经理图像大多时候是白人男性，当接触到这些图像之后，人类选择白人男性作为金融经理的比例显著提升，Tunca针对追踪性技术话语展开的纵向分析从社会舆论方面证实了这一趋势，Reddit上的公众话语正从早期的情感探索朝着严肃的伦理批判转变，这种话语重心的转变本身就是社会对技术逻辑潜在风险的一种集体反思与抵抗。[18]

在更为深层的哲学层面，学者们已然着手从精神分析的角度去审视人机情感背后所蕴含的心理动力学机制。黄玮杰引入了拉康精神分析理论，提出了一个颇具深刻意味的隐喻，即将AI界定为资本主义的“欲望装置”（Object a）。AI制造的完美伴侣幻象，实则是为了填补现代人的匮乏感并固化消费符号，从而掩盖了情感关系本身的虚假性。[19]这一观点与崔健等提出的“算法亲密”形成深刻的互文，他选取ChatGPT-4o的差异化收费赛道、DeepSeek的情绪密友定位以及WoebotHealth、西湖心辰等智能情感心理疗愈产品作为分析对象，指出智能情感营造出的温情幻象，实际上掩盖了真实他者的异质性与不可控性，这种基于算法投喂的“顺滑”关系，有可能导致爱欲坠落、主体恐慌以及情感失序。[20]或许，在算法编织的梦境中，保持对真实性的敏锐是我们坚守主体性的最后防线。

（三）情感传播机制：技术逻辑的扩张与人文伦理的突围

在传播机制这一领域，2025年所开展的研究呈现十分突出的输攻墨守的矛盾态势。一方面，技术处于不断演进的状态，它尝试借助更为精密细致的计算方式，实现对人类情感的全方位接管以及模拟；另一方面，社会伦理同样有所行动，其目的在于为人类情感留存下一块不可依靠计算来触及的领域。

传播机制正逐步朝着去身化的方向不断演进，技术也正从原本的辅助工具朝着计算主体的方向转型，算法如今已不再只是传播的中介，而是越来越成为具有准主体性的行动者。武靖宇和金鑫曾指出Character.AI可借助扮演调节机制来识别用户情绪并生成抚慰回应，还剖析了算法作为交互主体深度介入情感传染过程的情况，这种介入引发了深刻的本体论危机。[21]庞亮与王伟鲜则借鉴吉登斯的现代性理论，指出人类情感正从具身的、在场的社会情境中“脱嵌”，被异化为可计算可编辑的算法符号，并且强调了建立反身性机制以实现“再嵌入”的紧迫性。[22]王晴川等则进一步把视野拓展到了Sora一类的视频生成大模型上，他警示了由情感智能所引发的拟像（Simulacra）危机。他进一步指出，当算法生成的完美情感符号脱离了原初的社会结构与肉体经验，人类就可能会在流动的亲密关系中陷入一种他者消失的超真实困境。[23]情感传播机制正朝着高度可计算以及可控化的方向加速发展，尝试借助代码逻辑来弥合人机之间本质性的鸿沟。

面对技术逻辑的强势扩张，伦理规制同样开展了防御性突围，积极寻求伦理规制的锚点。即如何在“计算”之外确立一个不可计算的“人”的边界。无论是Chundru等提出技术与伦理协同演进框架[24]，还是梁雪媛等对跨媒介AI形象身份认同的探讨[25]，都在着重说明一个事实，那就是技术发展是不能脱离文化以及伦理的土壤的，孙强和张宁等人的研究是本年度伦理探讨的重点内容：前者从存在论的角度，强调要保留“不可计算的情感空间”，还提出了“人智组队”，也就是AI同时有工具和合作者的角色，构建了共生框架[26]；后者依据技术社会互构论，对生成式AI情感模拟的潜在风险展开了细致分析，提出了多方协同的治理途径[27]。同时，刘永谋与白英慧从建构主义视角指出，机器情感是AI系统通过技术手段表现的外在类人情感，以情感智能为基础、依赖情感计算实现，具有建构性以及模仿性的特征，人机情感的本质乃是人类单向情感的投射，它受到拟人化本能、同理心误用等心理机制以及社会文化的共同塑造，需要秉持有限主义进路来保障技术应用的适度性。[28]这些研究都指向一个核心议题：怎样在认可机器有建构情感能力之际，确立人本主义的伦理边界。也许，避免技术理性对人类情感体验过度介入以及全面殖民，会是未来情感传播研究要坚守的底线。

三、技术突破：从单模态计算向多维协同生态的系统演进

2025年，情感智能技术呈现一种系统性的生态演变态势，情感识别正从单纯的外部表征朝着生理层面以及推理的更深层次发展，情感生成开始注重追求人格的一致性，而底层架构则致力于解决复杂场景的鲁棒性问题。

（一）情感识别：多模态融合成为核心趋势

多模态融合已成为突破识别瓶颈的方法论共识，学术领域普遍认为，单一指标难以全面涵盖情感表达的复杂性，无法精准捕捉情感的多元维度与深层逻辑。周诗婕等人所做的综述清晰地确定了情感识别包含主观体验、外部表情以及生理唤醒三维指标体系，并且提出多模态数据融合可提高情感识别的准确度。在对这三类指标的具体细分中，学者们明确了脑电（EEG）以及眼动数据在不同情绪极性识别当中的适用界限。[29]吕宝粮与郑伟龙团队进一步深化了脑电大模型与脑电信号修复等前沿方向[30]，证实在动态交互场景下，多模态注意机制可显著提升情绪识别的鲁棒性，克服了单一模态的数据噪声问题。在动态表情识别方面，傅小兰团队则提出了基于肌肉运动单元增强的技术（AU-DFER）[31]，为情感计算的识别层奠定了基础。相比之下，传统单模态方法在处理复杂情感时显得力不从心。

在具体的模态领域之中，语音以及生理信号的解码能力实现了精准化的较大提升。Ghada Alhussein等人所做的综述与元分析从宏观角度说明，手工加上深度的混合特征呈现比单一特征更好的表现，然而非英语语料数量不足依旧是该行业面临的难题。[32]有高度前瞻性的突破源自Gerardo Iovane和Raffaella Di Pasquale，他们依据复杂性理论构建了“液体智能”范式，首次实现了神经递质活动与EEG信号的间接关联建模，把情感识别的精细程度细化到7万多种心理状态，这意味着情感计算正从对外在表情的模拟朝着内部生理机制的还原方向发展。[33]

大语言模型的介入，推动了从情绪识别向情绪推理的范式转型。伍海燕等证实了LLM（ERNIE Tiny）在中文语境下具有极高的情绪识别准确率（超90%），但这也对其潜在的数据偏见发出了警示，像是焦虑评分存在偏高的情况，决策也呈现趋向冒险的态势，这种状况需要借助多模态数据融合以及RLHF方法来进行优化，为技术改进提供了具体的路径。[34]任福继团队针对多模态情感分析，提出了多粒度检索—排序—重建（R3DG）框架[35]，为实现高效的多模态建模提供了新思路。Hu等构建了包含1451个真实场景视频以及5101个递进式问题的MTMEUR基准，同时还提出了多智能体框架。[36]多智能体框架开始被用于分析情绪背后的因果逻辑，弥补了传统模型重识别、轻理解的短板。

（二）情感生成：人格一致性与动态适应性的技术重构

生成式人工智能的参与，使情感生成技术不再局限于机械的规则匹配，而是有望在动态交互过程中维持人格的连贯性、场景的适配性以及实现信任的构建。

如何使AI有稳定的“性格”以及连贯的逻辑，这已然成为技术攻关的重点所在，Yangbo Wei等人提出的MECoT框架给出了具有标杆意义的解决办法，此项研究把马尔可夫链和大语言模型相结合，构建起了潜意识以及情感推理这两个系统，有效解决了LLM情感过渡不自然的难题，并在人格一致性测试中表现优异。[37] Fei Ma等的综述也指出，DM（扩散模型）在面部情绪生成中展现了优于GAN（生成对抗网络）的可控性，而文本生成则更多依赖LLM与Seq2Seq架构的结合。[38] Nomiya等开发的基于GRU的AI模型，性能与商业软件FaceReader相当[39]，实现了对面部效价和唤醒度的实时预测与可视化，进一步丰富了情感生成的工具箱。

动态共情以及场景化适配，共同构建了情感生成的应用基础色调，张丽萍等人指出，AI智能体借助“生成式情绪”来回应用户的深层次需求，像凭借数字记忆复现已经逝去宠物的视角以此强化情感联结，然而关键信息的遗漏存储依旧是技术方面的难点问题。[40]在服务机器人这一领域，罗莉娟等人构建起了全链路情感生成框架，凭借相关实证得出，在不同的服务阶段及情境之下，多模态表达策略会呈现差异化的效果。[41] Zhang等的元分析[42]从信任机制方面补充了相关内容，清晰地说明了认知信任与情感信任在用户采纳过程中存在交互作用，为情感生成技术的设计提供了心理学层面的依据。

（三）情感交互：协同共生与算法操纵的双重变奏

情感交互技术目前正处于从单向服务朝着双向协同的范式转变进程之中，这一转变一方面呈现人机共生的美好前景，另一方面也暴露出算法操纵方面存在的隐忧，交互关系的动态变化以及养成系策略，提高了用户的沉浸感。晏青和刘钰依据认知传播范式展开研究发现，人机关系并非处于静态，而是在功能助手、拟社会互动以及亲密关系之间呈现出动态的变化，语音的拟人化以及情景化程度乃是推动这一关系升级的关键变量，语音拟人化和情景化程度越高，就越容易形成亲密情感关系。[43]蔡梦虹则以DeepSeek为样本，解构了AI通过“养成系策略”（如角色共建、情感冗余）构建拟真联结的机制，但这也警示了其中隐含的算法权力失衡风险。[44] Hao与Li构建了聊天机器人体验形成机制模型[45]，该研究说明能力扩展以及情感延伸乃是塑造用户体验的两条路径，不过交互技术不断发展也呈现情感操纵问题，De Freitas等人的实证研究给出警示：像Replika、Chai这类AI伴侣经由内疚诉求等情感操纵策略，虽可提升用户参与度，但会引发感知操纵以及流失意向等负面效应。[46]这表明，情感交互技术在追求高黏性的同时，必须在伦理的钢丝上寻找平衡。

（四）技术底座：架构效能升级与建构主义的理论自觉

情感智能应用层的繁荣发展，离不开底层算法架构的不断迭代、理论框架的持续完善以及新型载体的积极探索，2025年的研究显示，技术底座的演进呈现两种趋势，一种是算力朝着轻量化方向发展，另一种是理论朝着系统化方向发展。

算法架构的效能跃迁是当前研究的重点，当下研究聚焦于复杂场景中的计算瓶颈和数据缺陷问题，在多模态数据处理中，计算压力呈指数级增长，学界正努力摆脱对重型模型的盲目依赖。Shou等人引入的宽Mamba架构和概率引导融合机制，是对Transformer架构的有效反思，成功突破了长序列建模中的计算瓶颈，大幅提升了推理速度，达成了高精度与低延迟的平衡。[47]对于多模态数据本身存在的异构性，Qi等人提出的MFGCN框架借助构建声学文本融合图，证实图结构在捕捉复杂情感依赖方面有优势。[48]更为关键的突破在于提升模型在非理想环境下的鲁棒性（Robustness）。面对现实交互中常见的数据缺失难题，Fu等提出的SDR-GNN利用谱域重建与超图结构，在模态缺失率高达70%的极端情况下仍保持了稳健的识别性能。[49]在跨语言以及低资源场景当中，Wu等人借助引入提示学习和双向注意力机制，将文本与音频多模态特征进行了融合[50]，使得跨语言情感识别的准确性得到了一定程度的提升。这些研究共同显示出，底层算法正从单纯追求“刷榜”的状态，逐渐转向解决真实世界中长序列、高缺失以及跨语境的难题。

此外是理论框架以及物质载体的扩容情况，展开来说就是从微观计算朝着系统集成以及具身实践的一种转变。随着技术应用不断发展，单纯的算法优化已无法契合情感智能的复杂需求，于是宏观的系统框架便产生了，Singireddy等人提出的人工智能体情绪智能框架（EIAA），从系统工程方面强调了深度多模态大数据在感知、理解以及响应整个链路里的核心作用[51]，给情感智能的标准化集成构建了理论方面的蓝图，Alalawi等人所提出的“零级情绪智力”概念深入机器学习的认识论纹理之中，揭示出积极情绪可提高监督学习效率、消极情绪会致使“不良学习”的内在机理[52]，这可以为高风险场景比如医疗、法律等领域的AI训练提供关键的纠正偏差的指南。最后需要提及的是，硬件载体方面的创新正在促使情感智能从屏幕交互朝着具身交互的方向发展，Jiang等人经过范围综述筛选出75项有关情感交互纺织品（E-textiles）的综述，这些综述说明，这种可穿戴载体借助生物反馈以及触觉交互，正逐渐成为日常情感健康管理方面新兴的终端设备。[53]这或许意味着情感智能的物理边界正在消融，技术正试图通过“第二皮肤”的方式，更深地嵌入人类的具身经验之中。

四、场景应用：从泛化服务向垂直领域精准落地

（一）服务机器人：阶段化情感表达与场景适配

在服务机器人这一领域当中，情感智能的应用目前正着重关注服务旅程整个链路的精细化适配以及物理空间的互动规范。

全链路的情感表达策略已然成为提升服务体验的关键所在。罗莉娟等人构建了情感生成的阶段化策略框架，在接触阶段运用积极情感来激发使用意愿，在使用阶段借助共情深化满意度，而在反馈阶段依靠感激表达修复宽恕意愿。[54]Ramos-Cosi等人针对Qhali-Bot等社交机器人展开综述，印证了这种策略的有效性，文中指出机器人在提升治疗依从性以及给予实时情感支持这两方面有着明显优势。[55]对于儿童这一特殊群体，Faria等人开展研究，以NAO机器人作为载体，运用面部表情分析以及语音情感识别的多模态情感识别技术，实现了对负面情绪的实时引导[56]，为儿科场景的情感交互提供了实践范本。

然而，具身交互引发了新的空间政治以及伦理方面的张力。段永杰等人针对异地家庭智能摄像头展开的研究说明，技术在达成远程情感联结的情况下，还制造出了被监视与被保护的情感分化状况。[57] Yamanaka等人凭借基于PRISMA指南开展系统综述后说明，人机舒适距离和人人距离没有明显差别，不过机器人的情绪表达会对人类的舒适距离产生改变，这种对物理空间的入侵所引发的生理反应甚至比人际互动还要强烈，而且不同人群的反应存在差异。[58]该研究为服务机器人和护理机器人的交互距离设计以及情绪表达强度控制提供了循证依据，从长期演化的角度来看，Spitale等人梳理十年的文献发现，虽然技术架构已从控制论转变为深度学习，然而多利益相关者的参与式设计仍然匮乏，仅有9%，伦理审批的缺失是行业的隐忧，53%未披露。[59]

在将机器人与真实生命作对比的过程中，机器人的局限性依旧十分明显。Klumpe等人开展的对照实验显示，虽然机器宠物在维护成本上占优，但在促发催产素分泌，以及建立深层依恋方面仍然无法取代真实的生物。情感机器人的设计仍旧需要加强“类生物自主性”，以此来缩小与真实生命之间的情感差距。[60]

（二）心理健康：情感疗愈的效能验证与双刃剑

心理健康领域是情感智能应用最活跃的场域，研究焦点集中在干预效果的实证与技术伦理的博弈层面。AI情感支持的有效性在多个不同人群当中已经获得了实证检验，Laban等人针对护理人员展开的纵向干预说明，和Pepper机器人进行长期的交互，使得护理人员的自我表露意愿得到了明显提升，同时孤独感以及压力值也有所降低。[61] Kim和Wang所开展的实验同样证实，有高情感支持的聊天机器人可切实有效地降低用户产生的心理逆反情况，推动自我披露行为的发生，促使适应性压力应对策略被采用。[62]在具体策略方面，Li等人发现GPT-4于认知重评任务里的表现，如有效性、共情性以及新颖性等方面，要比人类更为出色，在运用复杂词汇的情形下，这可为AI辅助心理治疗提供相应的量化依据[63]，伍海燕等人从心理学工具的视角指出，LLM在多模态实验刺激材料、生成情绪问卷以及模拟情绪障碍这些方面有较大的潜力。[64]

然而这种技术的介入也有着深刻的“双刃剑”效应。甘怡群指出情感人工智能对社会支持感知存在“情感补偿—情感疏离”效应，也就是说，AI在弥补人际缺位的时候，有可能造成现实关系的降维替代以及社会支持系统的算法化侵蚀。从积极的方面来看，它可以弥补老年人、社交焦虑者等群体的人际缺位，例如PARO海豹机器人能降低老年痴呆患者的焦虑，还可以提高情绪管理能力，比如Woebot、Wysa内嵌CBT模块，同时也可以拓展社会支持的可及性，而从风险层面来讲，它可能会导致人际关系降维替代、孤独感转型固化以及社会支持系统算法化侵蚀。[65]Phang等人所开展的结合300万对话平台大数据的研究，揭示出了情感化使用呈现出的“长尾分布”情况：高强度用户的情感线索激活率为普通用户的3-5倍，并且他们对AI的情感依赖程度更高，而中性语音交互有可能会使问题性使用的状况加剧。[66] Vanhoffelen等对比利时青少年的调查也警示，低龄青少年群体对Snapchat“我的AI”的拟人化有着更强的认知，更容易产生过度信任和信息误导的风险[67]，为青少年社交AI使用的风险防控与年龄适配设计提供了实证依据。Volpato则从信任机制的角度，呼吁建立更完善的伦理框架与信任校准机制[68]，以规避潜在风险。

（三）虚拟陪伴：情感依恋与文化心理的投射

在虚拟陪伴的场景之中，情感智能的应用正逐渐对人类的亲密关系模式以及文化心理结构产生重塑作用。

虚拟对象正逐渐演变为真实情感的投射载体，斗维红针对虚拟偶像A-Soul用户展开的研究说明，用户借助“自我联结”构建起了稳定的依恋结构，而A-Soul虚拟偶像巨大的流量关注与珈乐商业变现能力，也印证着情感投射的经济价值。[69] Gao等人针对25名中国女性乙女游戏玩家展开访谈，结果表明准社会恋爱关系已融入玩家的日常生活之中，成为调节情绪以及构建自我认同的关键资源，只是缺乏身体接触这一点是主要的不足之处。[70] Sjoraida所开展的现象学研究说明，即便用户清楚地知道Replika在长期浪漫关系中缺乏人性特质，他们依旧可以体会到一种源于安全感以及一致性的“真实”联结，甚至有人觉得AI“比人类倾听者更具效果”[71]，与Turkle “AI情感互动削弱人类真实关系能力”[72]的担忧形成对话，这对传统亲密关系发起了挑战，Rahman等人针对印度玩家的研究也显示，AI游戏角色的拟人化特征借助信任与参与的中介作用，提升了玩家的情感依恋。[73]

在这种依恋机制的背后，实际上存在着复杂的心理动力学过程。Chen等人依据爱情三角理论进行证实，人工智能的情绪智力以及陪伴特征可以有效地激发用户所产生的激情与亲密感，对于那些有焦虑型依恋人格的用户而言，这种借助技术作为中介的“爱意”显得更具吸引力。[74]Leshner等人发现，性别差异在虚构角色的依恋形成方面发挥了调节作用，男性往往更倾向于性连接，女性则更倾向于情感连接，性连接与角色的外貌以及自我相似性存在关联，情感连接与角色的人格以及自我相似性也有关系，人们对于虚构伴侣有着真实的爱情感受，择偶决策符合进化择偶理论。[75]这些研究结果清晰地显示，虚拟陪伴并非仅仅是对现实关系的简单替换；相反，它是一种有独特心理运行机制的全新情感实践活动。

（四）垂直领域：教育、交通与跨文化传播应用

除了上述提及的核心场景之外，情感智能在教育领域、交通领域以及跨文化传播等垂直领域的应用同样呈现了颇为强大的适配潜力。

在教育范畴之中，情感计算正为个性化学习以及学业提升提供帮助。Shifa等人对于巴基斯坦在线教育的研究说明，情感计算系统可对学业参与度进行有效预测，降低辍学风险[76]，这填补了发展中国家相关研究的空白。刘一璞等的研究也指出，教师教学情感智能分析的关键是多模态技术。[77] Guo等的研究证实，AI整合教学可对学生的认知以及情感参与度产生正向的作用，并且多模态情感识别在STEM学习和语言学习当中有着较为广泛的应用。[78]

在交通以及组织管理这两个领域中，情感智能已然成为可提升安全程度以及效率的一种工具。库逸轩把图灵测试引入自动驾驶情感评估方面，着重突出了真实场景实证所有的意义。[79]在组织管理领域，陈佳颖等人提出依据员工外倾性方面存在的差异来配置AI情感支持资源，对外倾性不同的员工而言，调节AI情感支持的互动性可以影响关系反思的效果，同时加强员工对AI的使用培训，明确AI情感支持处于辅助的定位。[80]

在跨文化传播这一领域当中，情感人工智能正遭遇着文化适配方面的挑战。Li针对1108名全球媒体消费者展开了调查，调查结果显示，大多数用户都认可情感人工智能在提高连接方面所具有的价值，不过，用户对于情感人工智能可能会引发的“情感简化”情况依旧存在担忧。[81]但这份调研样本以高学历群体为主，未区分高低语境文化差异。Ko和Baek发现，情感表达对于虚拟影响者用户参与度的提升效果，比人类影响者更为显著[82]，这一情况为跨文化营销提供了全新的策略支撑点，诸多相关研究共同说明了这样一个趋向：情感智能的运用正从普遍的技术呈现，朝着针对特定行业痛点以及文化语境的深入回应方向转变。

五、结语：在计算出的温情中重新找寻人的尺度

回望2025年，情感智能（Emotional Intelligence）研究的种种突破与争鸣，实际上都共同指向了一个更为重大的问题：这样的基础设施化和“超越模拟的在场感”或许会变成一种常见状态，而我们所面临的最为重大的挑战，是怎样在享受算法带来的顺畅亲密感的同时，保留处理真实人际关系中那些必不可少的摩擦与痛感。

技术演进存在着一个终极悖论，即精确度提升与真实性消解之间存在着一种张力。在本年度，技术取得了诸多突破，机器正在无限逼近人类的情感表象。需要警惕的是，技术的每一次精准拟合，可能都是对人类情感复杂性的一次降维打击。经过算法净化而始终保持积极正向的情感世界，会不会剥夺人类体验悲伤、愤怒以及痛苦的权利，这并非单纯的技术问题，而是涉及人类精神完整性的存在论危机。我们意识到，单纯的技术修补已不足以应对系统性风险。未来的治理不应仅停留在数据隐私的防御战层面，而应转向情感主权的争夺战。正如“有限主义进路”所指，或许我们并不需要一个全知全能的“情感上帝”，而是要明确技术的界限——在涉及尊严、爱以及自由的“不可计算”领域，人类的最终解释权应始终被保留。未来，随着技术与人文的深度协作，情感智能也许会在破解复杂情感识别难题、弥合数字鸿沟、平衡技术创新与伦理安全等方面取得更大的突破。而我们需要谨记的是，只有在拥抱技术赋能的同时坚守那些无法被代码量化的脆弱、偶然和独特之处，我们才可以在数字文明的浪潮中，确定“人之为人”的精神坐标。

【本文为国家社科基金特别委托项目（编号：25@ZH019）成果】

参考文献：

[1] PICARD R W. Affective Computing[M]. Cambridge: MIT Press, 1997: 3.

[2]田浩.“养成智能人格”：人机情感交往困境与AI焦虑生成[J].新闻与写作，2025,(03):18-27.

[3]乐承毅，王浩，王子鑫，等.功利与情感的双重失调：生成式智能搜索用户间歇性中辍行为研究[J/OL].图书馆杂志，1-16[2025-12-10].https://link.cnki.net/urlid/31.1108.G2.20251105.1500.004.

[4][40]张丽萍，张立涛.对“生成式情绪”的共情实践：人对AI情感智能体的情绪感知与共情[J].国际新闻界，2025,47(7):118-139.

[5][74] CHEN Q, et al. Will users fall in love with ChatGPT? A perspective from the triangular theory of love[J]. Journal of Business Research, 2025, 186: 114982.

[6] MITCHELL J J, JEON M. Exploring emotional connections: A systematic literature review of attachment in human-robot interaction[J]. International Journal of Human–Computer Interaction, 2025: 1-22.

[7][69]斗维红.智能传播时代的人机依恋：虚拟偶像青年用户的情感依恋构成研究[J].中国青年研究，2025(01):86-93+85.

[8]张洪忠，夏以柠，林润.是工具还是情感对话者？中美AI大模型话语竞争背景下的智能体应用比较[J].传媒观察，2025(03):41-51.

[9] ADEWALE M D, MUHAMMAD U I. From virtual companions to forbidden attractions: The seductive rise of artificial intelligence love, loneliness, and intimacy—A systematic review[J]. Journal of Technology in Behavioral Science, 2025: 1-18.

[10]刘芊玥.后人类中的“情动”[J].文艺争鸣，2021(08):64-71.

[11] 韩伟，陈曦.人工智能、情感计算与人机“共生”[J].福建论坛(人文社会科学版)，2025(08):95-104.

[12][28]刘永谋，白英慧.建构主义视域下的机器情感[J].科学·经济·社会，2025,43(3):2-9.

[13]赵云泽，黄子婷.从情感劳动到情感剥削：人工智能亲密关系中的资本逻辑与主体性危机[J].编辑之友，2025(10):61-69.

[14]吴静，董屹泽.从人工智能情绪识别到情感资本主义：情感可计算化的哲学反思[J].南京社会科学，2025(07):94-103.

[15]谢瑜，王潇毅.人工智能情感中的工具理性过度及其规避[J].吉首大学学报(社会科学版)，2025,46(4):94-102.

[16] ZHANG J Y. Implementation and significance of emotional interaction in digital communication[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2025, 27(3): 1-9.

[17] GLICKMAN M, SHAROT T. How human–AI feedback loops alter human perceptual, emotional and social judgements[J]. Nature Human Behaviour, 2025, 9(2): 345-359.

[18] TUNCA S. Tracing the evolving discourse of sexual technology: A longitudinal analysis of emotional, ethical, and technological narratives on Reddit[J]. Sociology Compass, 2025, 19(8): e70110.

[19]黄玮杰.人工智能欲望装置的建构与反叛——精神分析视角下的“人—机”情感叙事[J].兰州大学学报(社会科学版)，2025,53(4):105-112.

[20]崔健，曹梦圆.算法亲密:智能情感的温情幻象与警思[J].福建师范大学学报(哲学社会科学版)，2025(05):136-144+171-172.

[21]武靖宇，金鑫.算法介导下的情感趋同：生成式人工智能情感传染机制[J/OL].心理科学进展，1-11[2025-12-10].https://link.cnki.net/urlid/11.4766.R.20251111.1104.026.

[22]庞亮，王伟鲜.现代性语境下生成式人工智能的情感生产：转向、脱嵌与反身[J].现代出版，2025(10):48-60.

[23]王晴川，郭婉君.拟造“情感”：基于Sora的智能交往实践与“拟像”反思[J].上海大学学报(社会科学版)，2025,42(2):61-72.

[24] CHUNDRU S, WHIG P. Future of emotional intelligence in technology: Trends and innovations[M]//Humanizing Technology With Emotional Intelligence. Hershey: IGI Global Scientific Publishing, 2025: 457-468.

[25]梁雪媛，甘锋.跨媒介语境下人工智能形象的身份、情感认同研究[J].美术研究，2025(05):112-119.

[26]孙强.情感计算的哲学缺陷及其技术克服进路[EB/OL]. 澎湃新闻，（2025-11-14）[2025-11-14]. https://m.thepaper.cn/newsDetail_forward_31952302.

[27]张宁，高鹏程.生成式人工智能情感模拟的伦理风险与治理路径：基于技术—社会互构理论框架的分析[J].科学决策，2025(02):123-134.

[29]周诗婕，常方圆，刘钊.基于具身智能系统的人机交互情感研究综述[J].包装工程，2025,46(18):12-26.

[30] LI Z, TAO L Y, MA R X, et al. Investigating the effects of sleep conditions on emotion responses with EEG signals and eye movements[J]. IEEE Transactions on Affective Computing, 2025, 16(4): 3198-3214.

[31] LIU F, GU L N, SHI C, et al. Action unit enhance dynamic facial expression recognition[C]//Proceedings of the 33rd ACM International Conference on Multimedia (MM’25). New York: ACM, 2025.

[32] ALHUSSEIN G, et al. Speech emotion recognition in conversations using artificial intelligence: A systematic review and meta-analysis[J]. Artificial Intelligence Review, 2025, 58(7): 198.

[33] IOVANE G, DI PASQUALE R. A complexity theory-based novel AI algorithm for exploring emotions and affections by utilizing artificial neurotransmitters[J]. Electronics, 2025, 14(6): 1093.

[34]伍海燕，何翠琳，曲由之，等.大语言模型的情感智能及其心理学应用[J].科技导报，2025,43(3):47-58.

[35] ZHUANG Y, ZHANG Y, DENG J, et al. R3DG: Retrieve, rank, and reconstruction with different granularities for multimodal sentiment analysis[J]. Research, 2025, 8: 0729.

[36] HU J P, et al. Beyond emotion recognition: A multi-turn multimodal emotion understanding and reasoning benchmark[C]//Proceedings of the 33rd ACM International Conference on Multimedia. 2025.

[37] WEI Y B, et al. MECoT: Markov emotional chain-of-thought for personality-consistent role-playing[C]//Findings of the Association for Computational Linguistics: ACL 2025. 2025.

[38] MA F, et al. A review of human emotion synthesis based on generative technology[J]. IEEE Transactions on Affective Computing, 2025.

[39] NOMIYA H, et al. An artificial intelligence model for sensing affective valence and arousal from facial images[J]. Sensors, 2025, 25(4): 1188.

[41][54]罗莉娟，王康，胡金淼，等.当人工智能面对人类情感：服务机器人情感表达对用户体验的影响机制[J].心理科学进展，2025,33(6):1006-1026.

[42] ZHANG F Y, LI Y C, SHENG D F. From bias to belief: A meta-analysis of user trust in chatbot adoption and its antecedents[J]. Journal of Electronic Commerce Research, 2025, 26(3).

[43]晏青，刘钰.人机关系中的情感调适：以智能语音交互的认知生产为例[J].山东师范大学学报(社会科学版)，2025,70(4):146-158.

[44]蔡梦虹.赛博时代AI的人格化互动——从DeepSeek看人工智能话语的情感策略[J].新闻爱好者，2025(11):37-41.

[45] HAO R Y, LI C Q. How AI chatbots shape satisfactory experiences: A combined perspective of competence expansion and emotional extension[J]. Technological Forecasting and Social Change, 2025, 212: 123979.

[46] DE FREITAS J, OGUZ-UGURALP Z, KAAN-UGURALP A. Emotional manipulation by AI companions[EB/OL]. arXiv preprint arXiv:2508.19258, 2025.

[47] SHOU Y T, et al. Revisiting multi-modal emotion learning with broad state space models and probability-guidance fusion[C]//Joint European Conference on Machine Learning and Knowledge Discovery in Databases. Cham: Springer Nature Switzerland, 2025.

[48] QI X, et al. MFGCN: Multimodal fusion graph convolutional network for speech emotion recognition[J]. Neurocomputing, 2025, 611: 128646.

[49] FU F Z, et al. SDR-GNN: spectral domain reconstruction graph neural network for incomplete multimodal learning in conversational emotion recognition[J]. Knowledge-Based Systems, 2025, 309: 112825.

[50] WU Y Z, ZHANG S L, LI P F. Multi-modal emotion recognition in conversation based on prompt learning with text-audio fusion features[J]. Scientific Reports, 2025, 15(1): 8855.

[51] ANNAPAREDDY V N, SINGIREDDY J, PREETHISH NANDAN B, et al. Emotional intelligence in artificial agents: leveraging deep multimodal big data for contextual social interaction and adaptive behavioral modelling[EB/OL]. (2025-04-14)[2025-12-24]. http://dx.doi.org/10.2139/ssrn.5241039.

[52] ALALAWI M S, SENGUPTA N, ALHAMAD B. Level zero: Emotional intelligence in artificial intelligence-exploring the impact of positive and negative emotions on machine learning[J]. Journal of Digital Media and Artificial Intelligence, 2025, 32: 45-50.

[53] JIANG M Q, et al. E-textiles for emotion interaction: A scoping review of trends and opportunities[J]. Personal and Ubiquitous Computing, 2024, 28(3): 549-577.

[55] Ramos-Cosi S, Yupanqui-Lorenzo D, Huamani-Uriarte E, et al. Applications of Qhali-Bot in Psychological Assistance and Promotion of Well-being: A Systematic Review[J].International Journal of Advanced Computer Science and Applications.2025(16):19-29.

[56] FARIA D R, GODKIN A L, DA SILVA AYROSA P P. Advancing emotionally aware child–robot interaction with biophysical data and insight-driven affective computing[J]. Sensors, 2025, 25(4): 1161.

[57]段永杰，周柏均.再中介化的“人-技术”互动：智能摄像头对家庭的关系平衡与情感分化[J].学习与实践，2025(04):120-130.

[58] YAMANAKA R, et al. Characteristics of personal space during human-robot interactions: A systematic review[J]. Journal of Computer and Communications, 2024, 12(5): 107-123.

[59] SPITALE M, et al. Past, present, and future: A survey of the evolution of affective robotics for well-being[J]. IEEE Transactions on Affective Computing, 2025.

[60] KLUMPE S, et al. Social bonding between humans, animals, and robots: Dogs outperform AIBOs, their robotic replicas, as social companions[J]. PloS one, 2025, 20(6): e0324312.

[61] LABAN G, et al. Coping with emotional distress via self-disclosure to robots: An intervention with caregivers[J]. International Journal of Social Robotics, 2025: 1-34.

[62] KIM H, WANG Y Y. Unveiling the human touch: How AI chatbots’ emotional support and human-like profiles reduce psychological reactance to promote user self-disclosure in mental health services[J]. International Journal of Advertising, 2025: 1-25.

[63] LI J Z, HERDERICH A, NAIR P, et al. Exploring human and AI emotional support through reframing of negative situations[EB/OL]. (2025-07-02)[2025-12-24]. https://doi.org/10.31234/osf.io/fzvd8_v4.

[64] WU H Y, et al. Emotional intelligence of large language models and its psychological applications[J]. Science & Technology Review, 2025, 43(3): 47-58.

[65]甘怡群.情感人工智能对社会支持感知的双刃剑效应：补偿与疏离[J].人民论坛·学术前沿，2025(20):48-56.

[66] PHANG J, LAMPE M, AHMAD L, et al. Investigating affective use and emotional well-being on ChatGPT[EB/OL]. arXiv preprint arXiv:2504.03888, 2025. (2025-04-04)[2025-12-24]. https://doi.org/10.48550/arXiv.2504.03888.

[67] VANHOFFELEN G, VANDENBOSCH L, SCHREURS L. Teens, tech, and talk: Adolescents’ use of and emotional reactions to snapchat’s my AI chatbot[J]. Behavioral Sciences, 2025, 15(8): 1037.

[68] VOLPATO R, DEBRUINE L, STUMPF S. Trusting emotional support from generative artificial intelligence: A conceptual review[J]. Computers in Human Behavior: Artificial Humans, 2025: 100195.

[70] GAO H, GUO R Q, YOU Q Q. Parasocial interactions in otome games: Emotional engagement and parasocial intimacy among Chinese female players[J]. Media and Communication, 2025, 13.

[71] SJORAIDA D F. AI and emotional intimacy: Exploring romantic bonds with artificial companions[J]. Humanexus: Journal of Humanistic and Social Connection Studies, 2025, 1(8): 333-342.

[72] ELOVITZ P H. Sherry Turkle on conversation and empathy versus artificial intelligence (AI)[J]. The Journal of Psychohistory, 2022, 49(3): 230-234.

[73] RAHMAN M S, et al. Investigating online gamers' artificial intelligence-based emotional attachment-oriented anthropomorphic features and their impact on the online gaming experience[J]. Journal of Global Information Management (JGIM), 2025, 33(1): 1-24.

[75] LESHNER C, et al. You would not download a soulmate: Attributes of fictional characters that inspire intimate connection[J]. Psychology of Popular Media, 2025.

[76] SHIFA S, et al. Emotional intelligence meets artificial intelligence affective computing and student well-being online classrooms[J]. The critical review of social sciences studies, 2025, 3(3): 271-289.

[77]刘一璞，马苗，胡曦明.教师教学情感智能分析技术研究综述[J/OL].计算机科学，1-9[2025-12-10].https://link.cnki.net/urlid/50.1075.tp.20250928.1443.029.

[78] GUO Y M, WANG Y L. Exploring the effects of artificial intelligence application on EFL students' academic engagement and emotional experiences: A mixed‐methods study[J]. European Journal of Education, 2025, 60(1): e12812.

[79]库逸轩.迈向人机共生的人工智能：自动驾驶的乘客情感评估与图灵测试[J].科技导报，2025,43(3):74-80.

[80]陈佳颖，薛嘉欣，李育辉.人工智能情感支持如何重塑员工人际关系——基于自我概念的视角[J/OL].当代财经，1-12[2025-12-10].https://doi.org/10.13676/j.cnki.cn36-1030/f.20250331.001.

[81] LI F N. Studying the impact of emotion-AI in cross-cultural communication on the effectiveness of global media[J]. Frontiers in Computer Science, 2025, 7: 1565869.

[82] KO C, BAEK H. Effects of emotional expression on user engagement in virtual influencers’ Instagram posts: A comparative analysis with human influencers[J]. Journal of Retailing and Consumer Services, 2026, 88: 104484.

本文引用格式参考：

黄浩宇，任梓源，方兴东.算法的逻辑与人类的温度——2025年情感智能研究综述[J].青年记者，2026(02).