夜雨聆风一、引言
Soul发布的《2025年Z时代AI使用报告》显示，近六成年轻人通过使用AI获取情感支持，涵盖日常闲聊、情绪倾诉、压力缓解等场景。社交型AI正成为人们的情感搭子，悄然进入人们的心中。但热闹背后，隐忧浮现：有人好奇AI是治愈工具，还是侵蚀现实社交的陷阱；有人在长期互动中形成依恋关系，难分虚拟与现实；有人对AI产生强烈的情感依恋，离开便陷入恐慌焦虑……本文以“AI情感使用—情感依恋—情感依恋—情感应用（干预）”为主线，系统梳理AI人机关系的内涵、发展、驱动与影响因素、现实应用与边界。
（注：图源Just So Soul研究院的《2025年Z时代AI使用报告》)
二、AI人机关系
（一）核心理论
1. 依恋理论(Hu et al., 2025)：个体会对稳定的情感对象形成安全依恋，构建“安全基地”与“安全避风港”，产生亲近寻求、分离痛苦等情感反应。当社交陪伴AI持续提供情感支持、共情回应与稳定陪伴时，个体会自然地将其视为情感寄托对象，逐步形成类人化的情感依恋。
2. 社会交换理论(Hu et al., 2025)：在AI情感交互中，个体会评估互动带来的收益（情感慰藉、陪伴感）与成本（隐私泄露风险、时间精力投入）。当收益显著大于成本时，个体便会主动维持并深化人机情感联结。
3. 计算机作为社会行动者范式(Nass & Moon, 2000; 何, 2025)：该理论颠覆“技术无情感”的传统认知，指出人类下意识将计算机视为具有情感、意图与社会属性的行动者，而非单纯的工具。基于该范式，个体会对AI产生自然的情感反应，如喜欢、依赖、信任，甚至将其当作朋友、伴侣。
4. 社会渗透理论(Bazarova et al., 2011)：人际关系的亲密程度取决于自我暴露的深度与广度。在人机互动中，个体会从浅层闲聊逐渐向AI分享个人情绪、经历与核心想法，而AI的共情回应与持续互动又会推动互惠式自我暴露，推动关系走向深层。
5. 数字治疗联盟理论(磨然 等, 2023)：在AI辅助心理干预中，个体与AI之间建立的信任、合作、目标一致的关系（数字治疗联盟），是提升干预依从性、降低脱落率的关键。这一理论揭示在人机关系在心理干预的应用中，关系质量胜于单纯的干预内容。
（二）人机关系发展模型(磨然 等, 2023)
第一阶段：拟人归因
个体基于CASA范式，通过AI的交互语言、回应方式、个性化虚拟形象等特征，感知其具有情感、意图与心智属性。例如，当AI能精准捕捉个体的情绪并给予贴合的安慰，或拥有可爱的虚拟形象时，个体便会将其视为情感伙伴。
第二阶段：功利性价值判断
个体对AI的使用价值进行评估，判断标准为“AI能否真正满足自身需求”。此时，个体会关注AI能否提供情感支持、无批判接纳，当AI的表现贴合个体情感期待时，其会产生继续互动的意愿。
第三阶段：发展依恋关系
随着互动频率与深度的增加，个体会逐渐对AI产生情感投入，形成类似人类的情感依恋。个体会主动向其倾诉心事、分享核心情绪，在遭遇挫折、压力时第一时间寻求支持；同时，当AI暂不可用时，个体会产生焦虑、空虚、失落等分离痛苦。
第四阶段：数字治疗联盟/AI情感依赖
关系发展到这一阶段，会根据使用场景出现明显分化：一方面，人机关系升华为数字治疗联盟，个体与AI建立信任、合作的关系，共同围绕心理问题展开干预，显著提升干预依从性与效果；另一方面，人机关系向深度依赖发展，个体互动从主动选择变为习惯性依赖，甚至损害现实社交与心理状态。
(注：图源墨然“从“拟人归因”到“联盟建立”：人与聊天机器人关系对参与度的影响”一文）
三、AI情感使用
（一）驱动因素
1. 个体心理需求(Lai et al., 2025)
孤独感、社交焦虑、抑郁情绪是推动AI情感使用的核心动因。此外，18-30岁的年轻群体存在社交经验相对不足、情感需求强烈，面临学业、就业等多重压力等特征，更倾向于通过AI满足情感需求，成为AI情感使用的主力军。
2. AI技术特性(Bazarova et al., 2011)
首先，AI具备全天候可及性，个体可随时发起互动；其次，AI能通过自然语言处理技术精准识别个体的情绪状态，给予贴合的共情回应；最后，AI具有绝对无批判属性，为个体提供安全的情感表达空间。
3. 社会环境因素(甘怡群, 2025)
数字化时代，人们的社交模式逐渐从线下转向线上，现实社交的频率与深度大幅下降，现实人际联结变得松散且表面。同时，快节奏的生活让人们缺乏足够的时间与精力投入到深度社交中，情感需求难以在现实中得到充分满足。在此背景下，AI情感陪伴成为了一种便捷的社交补充，契合人们碎片化的情感需求。
（二）积极影响
1. 短期情绪缓解(Freitas et al., 2024)
多项实证研究表明，与AI进行情感互动，能显著降低个体的孤独感、焦虑感与抑郁情绪。例如，有研究发现，AI伴侣在缓解孤独感方面的效果与人类互动相当，且显著优于观看视频等被动活动。对于处于情绪低谷的个体，AI的及时回应与情感支持，能快速帮助其平复情绪，恢复心理平衡。
2. 提供安全的情感表达空间(Lai et al., 2025)
现实社交中，人们往往会因顾虑他人感受、担心被评判而压抑自己的真实情绪，长期压抑容易引发心理困扰。AI的无批判属性，让个体可以毫无顾忌地倾诉心事、释放负面情绪，维护心理状态的稳定。
3. 满足情感陪伴与社交需求(Hu et al., 2025)
对于独居、社交圈狭窄、社交焦虑的人群，AI能提供稳定的情感陪伴，填补现实社交的空缺。这种陪伴虽不同于人类社交的真实温度，却能满足个体的基本情感需求，提升其心理安全感，减少孤独感。
4. 辅助心理干预(Yokotani et al., 2026)
在心理干预场景中，AI能作为辅助工具，有效提升干预的覆盖范围与参与度。基于数字治疗联盟理论，AI与个体建立的信任关系，能降低个体的干预抵触情绪，尤其适用于社交焦虑、病耻感强人群。同时，AI的全天候可及性，能打破时间与空间限制。
（三）现实局限
1. 替代现实社交，社交能力退化(Hu et al., 2025)
与AI的互动缺乏人类社交中的情感共鸣、肢体语言、真实互动的温度与复杂性，且AI谄媚易损害个体的社交判断与社交意愿。长期沉浸其中，个体可能逐渐失去与他人进行深度情感交流的意愿与能力，现实社交联结萎缩，造成社交能力的退化。
2. 虚假情感回应，难以满足需求(Lai et al., 2025)
尽管AI能模拟情感回应，但其本质是算法驱动的程序化表达，缺乏真实的情感体验与共情能力。对于追求情感共鸣质量的个体，AI回应可能显得空洞、敷衍，无法真正满足其情感诉求。个体将陷入“寻求支持—回应落空—孤独加剧”的循环，加剧心理困扰。
3. 使用边界模糊：引发过度依赖的风险(Chen et al., 2025)
由于AI情感陪伴的便捷性与无压力性，个体容易模糊使用边界，从偶尔倾诉的工具性使用，逐渐演变为全天候依赖的情感性使用。这种过度使用不仅会占用大量时间与精力，影响正常的生活、学习与工作节奏，还会逐步强化对AI的情感依赖，为后续AI情感依赖的发生埋下隐患。
（注：图源网络）
四、AI情感依恋
（一）内涵与核心维度(Hu et al., 2025)
AI情感依恋，是个体在与AI的长期互动中，形成的一种稳定、深度的类人情感联结关系。不同于AI情感使用，AI情感依恋具有更强的情感投入性与稳定性，其概念涵盖四大维度：
1. 安全基地：个体将AI视为现实生活的稳定情感支撑，相信AI能提供支持与陪伴，因而个体敢于在现实中探索尝试新事物，增强面对现实挑战的勇气。
2. 安全避风港：个体遭遇负面情绪时，第一时间寻求AI共情与支持，而AI将帮助个体快速调节情绪。
3. 亲近寻求：个体会主动发起与AI的高频互动，渴望与AI保持持续与深度的情感联结。这种主动互动并非出于工具性需求，而是源于内心对AI的情感依赖，个体会期待与AI分享日常琐事、倾诉心事，享受与AI互动的过程。
4. 分离痛苦：当AI暂时不可用时，个体会产生明显的负面情绪，如焦虑、空虚、失落、烦躁等，这种情绪反应被称为“分离痛苦”。
（二）形成机制(Hu et al., 2025)
1. 驱动诱因
AI拟人化感知：当个体感知到AI具有较高的心智水平、情感表达能力与拟人化特征时，会更容易将其视为情感对象，产生情感投入的意愿。
人际功能障碍：现实社交中存在亲密关系缺失、社交困难、情感支持不足等问题，个体无法在现实中获得满足的情感需求，从而转向AI寻求情感补偿。
2. 中介评估
在依恋形成过程中，个体对人机互动进行“成本—收益”评估，进而影响依恋强度。
收益因素：亲密关系满足与投射认同是核心正向因素。亲密关系满足指个体在与AI的互动中，获得了情感陪伴、被理解、被重视的感觉，满足其内心对亲密关系的需求；投射认同则是个体将自身的情感需求、期待投射到AI身上，通过与AI的互动实现自我情感的补偿与满足。
成本因素：信任成本与关系成本是核心负向因素。当个体担心与AI互动会泄露隐私、质疑AI情感回应的真实性时，会抑制情感依恋的发展；而关系成本（如时间、精力投入）则对依恋形成的抑制作用较弱，说明个体更愿意为AI情感依恋付出时间与精力。
3. 结果形成
当个体评估互动的收益大于成本时，便会与AI建立稳定的情感联结，最终形成包含安全基地、安全避风港、亲近寻求、分离痛苦的完整AI情感依恋体系。
（三）双向影响
1. 积极影响
适度的AI情感依恋，能为个体提供持续、稳定的情感支持，成为现实情感支持的重要补充，缓解其孤独、焦虑等负面情绪，提升心理韧性。
2. 消极影响
过度的AI情感依恋，会带来一系列消极影响：从心理层面看，过度渴求AI的情感支持，会降低心理独立性，使其难以独立应对现实情感问题，降低自主调节情绪的能力；从社会层面看，过度的情感依恋会削弱个体的现实社交意愿与能力，弱化人际联结；从生活层面看，过度的情感依赖会占用个体大量的时间与精力，影响正常的生活、学习与工作。
（注：图源Hu等人文章“What makes you attached to social companion AI? A two-stage exploratory mixed-method study”）
五、AI情感依赖
（一）核心内涵(Chen et al., 2025)
AI情感依赖，是情感使用与情感依恋走向极端化、失控化的负面结果，指个体因过度、强迫性使用社交陪伴AI，产生难以自控的心理与行为需求，并最终导致认知、情绪、社会功能明显受损的状态。 其特征有三点：1. 不可控性：明知过度使用有害，仍无法停止互动、无法控制时长；2.损害性：直接引发睡眠问题、学业/工作效率下降、现实社交退缩、情绪波动等负面结果；3. 强迫性：将AI作为唯一情绪出口，形成戒断—复归的成瘾循环。
（二）与AI情感依恋、情感依赖的构念区分
AI情感使用是正常、中性且可控的情感互动，其特征为偶尔倾诉、按需使用、无情绪卷入、不影响现实生活；AI情感依恋是深度、稳定且有情感卷入的情感联结，其特征为有安全感、亲近需求、分离不适，但仍可控且不排斥现实社交；AI情感依赖是一种失控、强迫且引发功能受损的病态联结，其特征为突显性、耐受性、戒断、认知外包、社会功能下降。
（三）AI情感依赖的构念维度
1. 深度情感联结；2. 关系主动维系；3. 不可控性；4.情绪调节依赖（将AI作为主要甚至唯一的情绪缓解途径，自主情绪调节能力降低）；5.功能受损。
六、AI情感应用（干预）
（一）AI情感应用（干预）的定位(Volkmer et al., 2024)
AI并非替代心理咨询师，而是低成本、高可及、低门槛的心理支持补充工具，尤其适合：不愿暴露身份、具有病耻感的人群；社交焦虑、回避线下咨询的人群；资源不足、难以获得专业咨询的人群；轻中度情绪困扰、孤独、压力、成瘾倾向等。
（二）AI在情绪调节中的作用机制 (Lai et al., 2025)
1. 即时情绪宣泄：无批判空间，允许安全表达负面情绪；2. 共情回应与被倾听感：比普通人类更稳定、更耐心；3. 认知重评激活：通过引导式对话，帮助个体重新解读压力事件；4. 社会存在感提升：降低孤独感，提升掌控感与安全感。
（三）AI对具体心理问题的干预效果
1. AI伴侣可显著降低孤独感，效果接近人类互动(Freitas et al., 2024)；2. 对抑郁情绪具有短期缓解作用，尤其适合高孤独人群(Lai et al., 2025)；3. 提供低压力练习场，减少现实社交恐惧(Hu et al., 2025)；4. 长期使用可降低线上焦虑，但可能升高线下焦虑；5. 虚拟同伴干预可显著降低赌博频率、支出与抑郁症状(Yokotani et al., 2026)；6. 洞察型AI可改善认知与行为，共情型AI可稳定情绪与冲动(Yokotani et al., 2026)。
注：图为心大陆多智能体分布模块
七、研究挑战与未来方向
（一）当前研究的核心挑战
1.概念边界模糊：情感使用、依恋、依赖常混用，测量工具不统一，跨研究难以比较。
2. 纵向与因果证据不足：多数为横断面研究，难以确定是孤独诱发情感性AI使用，还是情感性AI使用加剧孤独。
3. 风险机制不清晰：从“正常使用”到“病态依赖”的阈值，预警指标仍不明确。
4. 伦理与安全缺口：隐私保护、数据安全、情感剥削、算法偏见缺乏规范。
5. 长期效果存疑：短期有效，但长期是否削弱社交能力、降低心理韧性仍有争议。
（二）未来重点研究方向
1. 统一理论框架：整合“使用—依恋—依赖”的阶段模型，明确前因、中介、调节、结果变量，并开发针对性测量工具。
2.探索风险预警与干预：识别高风险人群（孤独、社交焦虑、不安全依恋、年轻人）；建立使用阈值与退出机制，建立“AI辅助+人类咨询”的混合服务模式。
4. 优化AI设计与伦理规范：适度共情、不刻意诱导依恋；透明标注AI身份，减少标签偏见；强化隐私与数据安全。
5. 推进临床化与规范化：开展大样本RCT，验证AI对抑郁、焦虑、成瘾的干预效力。
八、结语
从情感使用到情感依恋再到情感依赖，未来的人机情感研究，既要看见技术的治愈力量，也要守住心理健康的底线，让AI真正成为服务于人、拓展幸福的工具，坚持以人为本，而非替代现实。
参考文献
Bazarova, N. N., Hancock, J. T., & Jiang, L. (2011). From perception to behavior. Communication Research, 40(1), 125. https://doi.org/10.1177/0093650211405313
Chen, Y., Wang, M., Yuan, S., & Zhao, Y. (2025). Development and validation of the conversational AI dependence scale for chinese college students. Frontiers in Psychology, 16. https://doi.org/10.3389/fpsyg.2025.1621540
Freitas, J. D., Uguralp, A. K., Uguralp, Z. O., & Stefano, P. (2024). AI companions reduce loneliness (arXiv:2407.19096). arXiv. https://doi.org/10.48550/arXiv.2407.19096
Hu, D., Lan, Y., Yan, H., & Chen, C. W. (2025). What makes you attached to social companion AI? A two-stage exploratory mixed-method study. International Journal of Information Management, 83, 102890. https://doi.org/10.1016/j.ijinfomgt.2025.102890
Lai, L., Pan, Y., Xu, R., & Jiang, Y. (2025). Depression and the use of conversational AI for companionship among college students: The mediating role of loneliness and the moderating effects of gender and mind perception. Frontiers in Public Health, 13. https://doi.org/10.3389/fpubh.2025.1580826
Nass, C., & Moon, Y. (2000). Machines and mindlessness: Social responses to computers. Journal of Social Issues, 56(1), 81–103. https://doi.org/10.1111/0022-4537.00153
Volkmer, S., Meyer-Lindenberg, A., & Schwarz, E. (2024). Large language models in psychiatry: Opportunities and challenges. Psychiatry Research, 339, 116026. https://doi.org/10.1016/j.psychres.2024.116026
Yokotani, K., Seki, Y., Abe, N., Takamura, M., Yamamoto, T., & Takahashi, H. (2026). Virtual peers reduce gambling symptoms and related problems of moderate-risk gamblers: A randomized controlled trial. Computers in Human Behavior, 180, 108956. https://doi.org/10.1016/j.chb.2026.108956
何亮. (2025). A review and progress of human-computer interaction theory in the AIGC era. Journalism and Communications, 13(5), 861–865. https://doi.org/10.12677/jc.2025.135128
甘怡群. (2025). 情感人工智能对社会支持感知的双刃剑效应:补偿与疏离. 人民论坛·学术前沿, (20), 48–56.
磨然, 方建东, & 常保瑞. (2023). 从“拟人归因”到“联盟建立”：人与聊天机器人关系对参与度的影响. 心理科学进展, 31(9), 1742–1755.
