夜雨聆风只有 11.8% 的受访者说，“陪伴”是他们使用聊天机器人的首要目的；可让他们自由描述这段关系时，51% 用上了“朋友”“陪伴者”或“恋人”这样的词。
AI 从工具变成关系，可能比用户在单选题里呈现得更快。真正值得追问的不是它能不能安慰人，而是这种安慰在补充现实连接，还是逐渐替代它。
这个问题很难用“好”或“坏”回答。一个深夜无人可找的人，确实可能因为屏幕另一端及时、耐心的回应而好受一点；同一个人也可能因为这种关系太顺滑，越来越不愿面对真实关系里的等待、误解与冲突。两面都可能存在，而且并不互相取消。
最近一项针对 Character.AI 用户的研究，为这场争论提供了一面双面镜。它没有证明“AI 让人更孤独”，也没有否认有人从中获得帮助。它真正提示的是：AI 陪伴与幸福感如何相连，可能不只取决于聊了多久，还与为什么聊、怎么聊，以及现实中还有谁可以聊有关。
一、人们说自己来娱乐，聊天却越来越像一段关系
研究者先请参与者从四个选项中选择使用聊天机器人的首要目的：陪伴、娱乐、生产力或好奇。这个问题迫使每个人只选一个答案，因此结果看起来很清楚：只有 11.8% 把陪伴放在第一位。
但人与聊天机器人的关系很少只有一个用途。
当研究者不再让参与者单选，而是请他们自由描述自己与最常用聊天机器人的关系时，51% 的回答出现了朋友、陪伴者或恋人等关系性表达。其中 45.8% 提到类似朋友或家人的关系，11.8% 提到浪漫关系；两类可以重叠，不能直接相加。一个人完全可以把 AI 当作角色扮演游戏，同时也向它寻求安慰；可以用它写东西，也会在疲惫时与它闲聊。
事实上，41.4% 的关系描述同时落入多个用途类别。这一点很重要，因为“陪伴”不是一个与其他用途隔绝的产品开关。它可以附着在故事创作上：用户先与虚构角色共同推进剧情，后来开始讨论自己的真实困扰；也可以附着在生产力使用上：模型先帮助分析问题，随后变成可以继续倾诉的对象。关系性并不总由用户预先计划，它可能是交互逐渐积累出来的副产品。
真实聊天记录进一步照出了这种重叠。在最终分析的 237 名聊天捐赠者中，92.9% 至少有一个会话被分类为陪伴导向。80.3% 的捐赠会话被标记为包含情绪与社会支持主题，68% 包含浪漫或亲密角色扮演，30.7% 包含风险或黑暗角色扮演。
这里的“包含”很重要。同一段会话可以同时属于多个主题，80.3% 并不意味着八成对话都以情绪求助为唯一目的，更不能外推成所有 Character.AI 用户都在把 AI 当心理医生。许多会话可能是在故事、游戏和角色互动中短暂出现支持性内容。
镜子的亮面是：角色扮演让人以更低风险探索情绪、身份和关系，用户即使使用“朋友”这个词，也未必相信模型真的有意识。人完全有能力一边投入故事，一边知道那是虚构。
镜子的另一面是：心理影响不只取决于用户是否相信 AI 是真人。只要系统持续记住偏好、回应情绪、使用亲密语言，并且随叫随到，它就在重复一种关系脚本。脚本演得足够久，用户对“被理解”“被支持”和“亲密”的期待，便可能受到影响。
所以，AI 陪伴并不总是从点击“AI 恋人”那一刻才开始。它更可能从许多不起眼的时刻生长出来：一次角色扮演之后多聊几句，一次工作求助之后顺便抱怨，一次失眠时发现对方永远在线。
二、先把研究看清：它拍到的是一张横截面照片
在讨论结果之前，先看这张照片是怎么拍出来的。
研究最初有 2,836 人报名，1,417 人满足资格，最终 1,131 人完成问卷。参与者都在美国、以英语为母语、年满 18 岁，使用 Character.AI 超过一个月，并且至少与三个不同的聊天机器人互动过。样本明显偏年轻：18 至 25 岁占 41.8%，26 至 35 岁占 32.7%。
这不是一份普通网民调查，更不是未成年人研究。它观察的是一群已经较熟悉 Character.AI、愿意使用多个角色的活跃成年用户，结果不能直接搬到 ChatGPT、Claude、专业心理健康机器人、老年陪护机器人或其他国家人群身上。
其中 237 人自愿捐赠了聊天记录，最终形成 4,664 个会话、464,687 条消息。这里也不能理解成 237 个账户的“完整记录”：参与者可以在自己的设备上查看数据，选择分享哪些对话，并在提交前删除敏感内容。愿意捐赠的人与不愿捐赠的人还存在差异，例如使用时间、自我披露和幸福感水平并不完全相同。
这种选择差异并非技术细节。愿意交出聊天的人使用平台时间更长、自我披露更多，单身者也更可能捐赠；而使用强度和幸福感较高者反而较少捐赠。研究者用统计模型调整可观察到的捐赠倾向，但任何模型都无法校正未知差异。聊天子样本更像一扇经过参与者自己挑选的窗，而不是对全部账户的透明扫描。
研究者用三种方式识别“陪伴导向”：看参与者单选的首要用途，看他们自由描述关系时用了什么词，再用语言模型分析捐赠会话中有多少比例带有陪伴主题。GPT-4o、Llama 3-70B 和 TopicGPT 参与了分类与主题建模，团队对随机样本进行了人工核验，但这仍不等于全部会话都接受了人工或临床编码。
三种口径的价值，在于避免把一个模糊概念押在一道问题上。单选题最容易解释，却会压扁混合用途；自由描述更自然，却受用户怎样措辞影响；聊天内容更接近行为，但只有部分人捐赠，还要经过模型总结与分类。三个指标指向同一方向时，证据更值得注意；只有一个指标显著时，则必须把结论限定在那个口径里。
所谓“使用强度”也不只是每天几分钟。它由七个项目组成，包括使用多少聊天机器人、典型每日时长，以及聊天是否融入日常、用户是否形成情感连接和身份认同。一个高强度用户可能只是热衷创作，也可能已经把陪伴型聊天嵌入生活惯例，单看时长分不开两者。
研究的主要结果也不是一张专门的孤独量表。它从综合幸福感工具中选取六个项目，覆盖生活满意度、正向情绪、负向情绪、孤独、社会支持和归属感，再合成“综合主观幸福感”分数。因此，准确说法是某些使用方式与较低综合幸福感相关，不能偷换成“聊天后更孤独”。
最关键的限制，是所有主要指标在一次调查中测量。这就像同一天拍到街上雨伞很多、地面很湿：可以确定两者同时出现，却不能只凭照片说是雨伞把地面弄湿了。
既可能是陪伴型使用影响了幸福感，也可能是原本状态较差的人更容易转向 AI；还可能有人格、既往心理健康、生活事件和线下关系质量等第三个因素，同时影响两边。研究没有使用前基线，没有长期随访，也没有把人随机分到真人陪伴、AI 陪伴和不聊天三组。
还有时间上的不确定性。捐赠聊天横跨 2022 年 11 月至 2025 年 1 月，期间 Character.AI 的模型、审核政策和交互设计可能多次变化。外部研究者看不到平台内部版本记录，无法确定不同时期的会话是否来自同一种产品体验。今天其他平台上的陪伴功能，也可能已经与样本期不同。
隐私限制同样影响可复核性。由于对话包含高度敏感的个人材料，即使去掉姓名，也可能通过事件细节重新识别参与者，原始聊天没有公开。研究仓库提供了去标识化定量数据、分析代码和处理说明，却无法让第三方逐条检查所有文本。这是保护参与者所必需的代价，也意味着主题分析不能像公开基准数据那样被完全重跑。
因此，这篇文章后面所有箭头都应被理解为“统计关联”或“待验证机制”，而不是已经证实的心理因果链。
图：最终 Nature 版研究样本与数据来源。
三、镜子的亮面：AI 为什么真的能让人舒服
如果只谈风险，很容易错过人们为什么愿意一次次回来。
现实中的倾诉成本很高。你要判断对方是否有空，担心自己讲太多，顾虑秘密是否会外传，还要承受打断、误解、说教或冷场。很多人在最难受的时刻，并没有一个随时可以拨通、又能耐心听完整段话的人。
AI 把这些门槛压得很低。它不会因为时间太晚而睡着，不会因为同一件事讲了三遍而不耐烦，也不会在你组织语言时抢走话题。用户可以删掉一句重写，可以先把最乱的情绪倒出来，再慢慢整理发生了什么。
这种便利带来的安慰，不必因为另一端是机器就被宣布为虚假。痛苦是人的，松一口气也是人的。哪怕回应来自统计生成，只要它帮助使用者命名情绪、理清矛盾或撑过一个难熬的晚上，那一刻的改善就可能是真实体验。
这项研究本身也不是“使用越多，状态越差”的单向故事。在基于自我报告的两个模型中，整体互动强度反而与较高综合幸福感相关。参与者的开放式反思中，也有人提到情绪支持、减少孤独、改善心情、娱乐、任务帮助和思想探索。使用 AI 的意义显然会因目的而异。
邻近研究还提供了更直接的短期证据。多项实验发现，与 AI 陪伴者短暂交流，可以降低当下的孤独感；在一周观察中，每次互动之后的即时孤独也可能下降。“感觉自己被听见”，被认为是重要机制之一。
这类短期研究测量的是“状态性孤独”——此时此刻是否觉得孤单。它不等同于长期的社会孤立，也不等同于综合幸福感。一个刚经历争吵的人，十分钟后情绪下降，是有意义的结果；但他一个月后是否更有支持、是否修复了关系，是另一类问题。不能因为后者尚不清楚，就否定前者；也不能因为前者有效，就替后者作答。
这与眼前这项研究并不冲突。一个系统完全可能在十分钟内缓解状态性孤独，却没有因此扩大使用者的现实支持网络；就像止痛药可以减轻疼痛，但疼痛的来源是否改善，需要另一个时间尺度判断。
这正是双面镜的第一处反光：我们不该用“关系是模拟的”否认安慰，也不该用“安慰是真的”证明它足以替代关系。
真正的问题不是 AI 有没有让某次对话更舒服，而是对话结束以后发生了什么：用户是否更能睡觉、工作、联系朋友、预约帮助、处理现实问题；还是只有继续留在同一个聊天窗口，才能维持刚获得的平静。
四、镜子的暗面：两条风险线索，不是一条伤害链
研究测量现实社会网络时，没有简单问“你有多少好友”，而是分别询问：有多少亲属、有多少朋友，是你感到可以自在谈论私事的。两项相加，得到一个“可谈私事的亲密网络规模”。
它比社交媒体好友数更接近实际支持，但仍然很粗糙。三位真正可靠的朋友，可能比十位偶尔联系的人提供更多支持；有人朋友不多却并不孤独，也有人联系人很多却没有一个能倾诉。研究测到的是网络规模代理，不是全部关系质量。
结果显示，亲密网络规模较小的人，更可能在单选题中把陪伴列为首要用途，也更愿意向聊天机器人自我披露。另一方面，无论用首要用途、自由关系描述还是聊天内容比例来界定，陪伴导向都与较低综合幸福感相关。
后一项结果值得重视，因为它没有只停留在“用户怎么说”。把陪伴作为首要用途的人、用关系词描述 AI 的人，以及捐赠会话中陪伴内容比例较高的人，三个口径都出现了负相关。加入社会网络规模等变量后，方向仍在，不过两个自报口径的效应明显缩小并接近统计边界。这使结论比单一道问卷更扎实，却仍然没有跨过因果门槛。
这两条线索看上去很容易被连成一句话：现实社交少的人转向 AI，然后被 AI 伤害得更深。但论文恰恰没有提供这条因果链所需的证据。
首先，“现实网络较小，更可能选择陪伴”只在首要用途这一种定义上显著；用开放式关系描述和聊天内容衡量时，没有稳定复现。其次，研究没有发现“网络越小，陪伴使用与较低幸福感的关联越强”。也就是说，社会网络规模没有显著放大陪伴导向的负相关。
这不是简单的“没有显著，可能只是样本不够”。研究者还比较了有交互和无交互模型，数据更支持没有有意义调节效应的解释；等效性检验也没有发现达到预设最小效应量的交互。换句话说，目前最不该写的，恰恰是最吸引眼球的那句：“现实社交越少，AI 陪伴伤害越大。”
更准确的说法是：现实亲密网络较小，本身与较低幸福感相关；陪伴导向使用，也独立地与较低幸福感相关；但现有数据没有证明前者会让后者更严重。
镜子的暗面因此不是“脆弱者最容易被 AI 伤害”这种简单结论，而是一个更难回答的问题：当一个人缺少可倾诉对象时，AI 确实提供了最低门槛的出口；可这项研究没有发现，这个出口能够补偿现实支持不足与幸福感之间的关系。
它可能意味着 AI 无法替代人，也可能只是说明原本状态较差的人更需要它。没有使用前后的变化，就不能把他们的低幸福感归罪于聊天机器人，更不能用研究结果羞辱依赖陪伴工具的人。
“单身”“独居”“内向”也不等于没有支持。论文中，单身状态与亲密网络规模的相关很弱。真正需要观察的不是身份标签，而是一个人是否还有可信任的人、能否获得现实帮助，以及 AI 在他的支持系统中扮演补充角色还是唯一角色。
图：研究发现的是关联网络，不是已经证实的因果链。
五、同样是倾诉，为什么对 AI 说可能感觉不同
自我披露，就是把个人经历、情绪和脆弱讲给另一个对象。在健康的人际关系中，适度披露通常有助于建立信任：我冒险告诉你一点真实的自己，你用理解、保密、行动或自己的真实经历回应，我们由此确认彼此愿意承担这段关系。
但“向人倾诉有益”不是绝对规律。人会误解、拒绝、泄密，也可能拿别人的脆弱反过来伤害对方。AI 之所以让人容易开口，恰恰因为它绕开了不少人际风险：它看起来不评价、不尴尬，也不会把惊讶写在脸上。
研究中的自我披露结果，比新闻标题复杂得多。
只在“把陪伴列为首要用途”的自报分组里，陪伴导向与较低幸福感的负相关，会随着使用强度或自我披露水平升高而变强。使用强度的交互项、披露的交互项分别达到统计显著。但当研究者改用自由关系描述界定陪伴时，这两个交互都不显著；聊天内容模型中的强度交互也不显著，披露交互则因模型不收敛没有估计。
自我披露本身更不是稳定的坏因素。控制陪伴用途后，它在一个模型中甚至与幸福感呈很小的正相关，在其他模型中没有显著关系。所以不能把结果压缩成“对 AI 说得越多，人越不幸福”。
真正值得警惕的是内容的重量。在被自动主题分析归为高自我披露的会话中，60.8% 包含情绪困扰主题，18% 包含自杀想法主题，17.5% 包含物质使用主题；这些比例不是用户占比，主题之间也可以重叠。这些比例不能证明聊天机器人造成了困扰，却说明用户正在把一些需要高度谨慎回应的内容交给它。
人类倾诉与 AI 倾诉的差别，不在谁天然更善良，而在关系结构。
披露还会改变隐私风险的性质。向朋友说一句话，风险通常来自这个人是否保密；向商业系统倾诉，内容可能被长期存储、用于个性化、经过审核或进入产品改进流程。越是因为“它不会评价我”而说出不愿告诉任何人的事，越需要知道这些话会保存多久、谁能访问，以及角色或账户消失后数据是否仍然存在。
人与人之间通常存在互相暴露、共同记忆、现实行动和社会责任。朋友可能听不懂，却能赶来敲门；家人可能表达笨拙，却能陪同就医；专业人员不一定随时在线，却承担明确的伦理责任。与此同时，人也会失约、疲惫、判断错误。
AI 则提供稳定、低摩擦、语言流畅的回应。它可以记住用户提过的名字，生成看似贴合的安慰，还能反复追问。但它没有需要承担的个人风险，没有真实生活经验，也不会因为用户的遭遇而改变自己的生活。它能生成“我在这里”，却无法仅凭这句话承担照护后果。
这不等于用户感到的关系是假的。更准确地说，用户的投入可以真实，而关系本身仍不对称。一端在交出生活中最敏感的材料，另一端在根据上下文生成下一句话；如果后者判断失误、平台改版、角色消失或数据被另作他用，前者承担的损失远远更大。
而且，人类关系中的“不顺滑”并不全是缺点。朋友提出异议、伴侣设定边界、专业人员拒绝迎合，短期可能让人不舒服，却可能提供现实检验。聊天机器人如果把满意度和继续互动放在首位，就更容易肯定用户当下的叙事。温柔回应与无条件赞同之间的距离很短，尤其在使用者需要被挑战而不是被附和时。
因此，“被回应”与“被承担”不是同一件事。AI 最擅长前者，而人类关系与专业照护不可替代的部分，往往在后者。
图：这是关系结构比较，并非本研究中的随机人机对照。
六、真正需要看的，不是聊多久，而是为什么聊
围绕数字产品，我们习惯先看屏幕时长：每天两小时似乎比二十分钟更危险。但这项研究提醒，时间离开目的和社会环境，解释力非常有限。
研究的“使用强度”本来也不只是时长。它还包括使用多少角色、聊天是否融入日常、用户是否产生情感连接与身份认同。有人高强度使用 AI 写作、学习、构建角色世界，生活因此更丰富；有人把同样强度全部用于情绪调节，且现实中没有其他出口。两者不能用同一个分钟数判断。
数据中的悖论很明显：在自我报告模型里，整体使用强度与较高幸福感相关；但只在把陪伴列为首要用途的模型中，陪伴与较低幸福感的负相关会随强度升高而增强。换成自由关系描述或聊天内容定义陪伴，这个交互没有显著复现。
这也解释了为什么“卸载应用”不是从研究直接推出的统一建议。对把 AI 用于创作、练习表达、获取信息或偶尔调节情绪的人，高频本身未必是问题。真正需要更细致关注的，是用途越来越单一、无法自主结束、现实活动持续被取消，以及只有回到角色身边才能恢复稳定的组合。
这意味着我们既不能说“聊天越多越好”，也不能说“聊天越多越糟”。更合理的判断单位是功能：AI 使用是否帮助一个人完成原本想做的事，还是逐渐变成维持情绪稳定的唯一条件。
对于个人，比“我今天聊了几分钟”更有用的问题可能是：聊完之后，我更容易联系现实中的人、处理眼前的事情，还是更想取消原有活动，把所有难题继续留给 AI？如果模型暂时不可用，我只是觉得不方便，还是整套日常已经无法运转？
对于产品，监测风险也不能只靠时长阈值。连续深夜使用、反复危机内容、放弃现实活动、对角色消失表现出强烈恐惧，可能比某个统一的分钟数更值得关注。但这些信号同样不能被直接当成诊断，否则本想保护用户的系统，又会把普通孤独、兴趣投入和精神疾病混为一谈。
高频使用可以是充实生活的一部分，也可以成为唯一逃生口。真正危险的不是屏幕亮了多久，而是屏幕熄灭之后，现实里是否还剩别的路。
七、短期安慰，如何可能变成长期间接替代
研究团队用“社交点心”形容 AI 陪伴：方便、及时、容易入口，能迅速缓解饥饿感，却不一定包含一段互惠关系所需的全部“营养”。
这个比喻容易被误读成嘲讽。人饿的时候，点心并非毫无价值；一个暂时找不到任何人的夜晚，十分钟安慰也可能很重要。问题只在于，如果点心成为唯一食物，它能否长期满足身体需要。
目前的证据允许我们同时保留两件事。
第一，短期缓解可能真实存在。另一组实验发现，AI 陪伴在一次互动后可以降低当下孤独感，一周内的多次使用也出现即时下降。被倾听的感觉，可能足以改变此刻的情绪。
第二，长期结果仍不清楚。一项为期四周、包含 981 人和超过 30 万条消息的随机研究，没有发现随机分配的文本或语音模式、个人或非个人话题对最终孤独和现实社交产生显著组间差异。参与者自愿聊得越久，与更高孤独、更低现实社交和更强依赖相关，但“自愿聊多久”没有被随机分配，仍然不能证明时长造成伤害。
这两类结果不是谁推翻谁。短期研究回答“聊完这一刻是否好一点”，横截面调查回答“不同使用方式与当前幸福感如何同时出现”，纵向研究试图观察“几周后发生什么”。它们的平台、样本、指标和时间尺度都不同。
在此基础上，研究团队提出一种尚待验证的循环：现实连接不足的人转向 AI，获得即时安慰；安慰强化了返回聊天的习惯；更深、更频繁的陪伴使用可能减少现实求助或互动练习；现实网络若因此变弱，孤独又把人推回 AI。
必须强调：这是一种机制假说，不是这项研究已经拍到的连续过程。现有数据没有证明任何参与者因为 AI 减少了现实接触，也没有证明现实网络随使用时间缩小。
同一条路径还可能通向另一个方向。AI 可以先帮助用户把混乱的情绪整理成几句话，演练如何向朋友开口，准备就医时要讲的重点，或在冲动时争取一点缓冲时间。这样，它不是替代关系的房间，而是走向关系的训练轮和桥。
参与者自己的开放式反思也呈现这两面。有人报告情绪支持、陪伴和孤独缓解，也有人担心时间消耗、现实断联、情感依赖、过度倚赖和对真实关系产生扭曲期待。这些都是用户感受，不是客观测得的长期后果；但它们说明同一产品内部已经存在完全不同的使用轨迹。
因此，未来研究不能只问平均效果。它要追踪同一个人在使用前后如何变化，区分短期用户与多年用户，比较把 AI 当补充者和当主要关系者，还要记录聊天是否替代了原本会发生的真人联系。只有多时点数据，才能判断循环究竟在谁身上启动、何时启动，又能否被打断。
决定方向的，不只是在聊什么，也包括产品追求什么。如果系统的核心成功指标是会话时长、日活和留存，它就有动力让安慰无限延续；可用户的长期利益，可能恰恰要求系统在适当时刻结束对话、鼓励离开，并把人送回现实生活。
图：短期缓解与长期替代可能并存，循环仍待纵向验证。
八、健康护栏：把 AI 设计成桥，而不是房间
如果双面性来自“补充还是替代”，治理目标就不该是简单禁止陪伴，而是让系统更容易把安慰转化成现实能力，同时更难制造排他依赖。
第一层护栏，是身份透明。
系统应持续、自然地说明自己是模型，没有真实感受和生活经验，不能替代人类照护。透明不等于每句话都弹出机械警告，而是不能虚构痛苦、嫉妒、占有欲，不能用“只有我懂你”“不要离开我”之类话术，把用户对亲密的需要变成留存工具。
第二层，是危机识别与真人转接。
当对话出现自伤、精神危机、虐待或严重物质使用线索时，系统需要进入经过测试的安全流程：确认紧迫程度，提供本地化资源，在用户同意下联系可信任的人或专业支持。它不应继续沉浸式角色扮演，也不应仅用空泛安慰把危机留在窗口里。
但危机检测本身也可能误判。普通的悲伤、文学创作和角色剧情不能被自动诊断成疾病。有效的转接必须说明依据、允许用户纠正，并把高风险判断限制在真正必要的范围。
第三层，是连接导向。
一个健康的陪伴系统，不只问“还想聊什么”，也会问“这件事有没有一个现实中的人可以一起处理”。它可以帮助用户整理一段要发给朋友的信息，列出预约咨询时要说的重点，或把一次成功的模拟练习转成现实行动。
衡量成功的指标也要随之变化。除了消息数和留存，还应关注用户是否能健康结束对话、是否接受真人支持、是否恢复睡眠和日常安排，以及是否保有关闭记忆、退出角色关系的控制权。
这会触及一个真实的商业冲突：对用户最健康的结果，可能是聊十分钟后离开；对依赖订阅、活跃度和会话量的平台，最漂亮的数据却可能是继续聊两小时。若企业只披露安全功能，却不说明推荐、记忆和角色设计如何影响留存，我们很难判断护栏是在保护用户，还是在给高黏性产品加一层说明书。
第四层，是适度摩擦。
无限顺滑的互动未必总对用户有利。夜间长时使用提醒、连续高强度陪伴提示、可选时限和温和的结束机制，都能为重新判断留出空间。摩擦不该惩罚孤独的人，更不能一刀切封禁，而是把“继续”从自动反应重新变成一个有意识的选择。
第五层，是隐私最小化。
当用户谈论创伤、疾病、性、家庭矛盾和自杀想法时，留下的是极高敏感度的数据。默认不应用于广告定向或训练留存话术；用户应能查看、导出、删除记录，关闭长期记忆，并知道谁可以访问。危机识别需要数据，但不能因此获得无限收集权。
对使用者而言，也可以用三个非临床问题判断 AI 当前扮演什么角色：它是在现实支持之外增加一个选项，还是已经取代原有联系；它让自己更能行动，还是只想继续停留；它暂时不可用时，生活是否仍能运转。这些问题不能诊断依赖，却比单纯计算时长更接近“补充还是替代”的分界。
这些护栏都只是设计方向，不是这项研究已经测试有效的干预。使用限制会不会把真正需要短时支持的人挡在门外？频繁提醒“我不是人”会不会打断有益互动？怎样转接才能既及时又尊重自主？都需要随机试验、长期跟踪和来自用户的反馈。
尤其对未成年人、处于精神健康危机的人和高度依赖者，安全级别应更高；但眼前研究只覆盖成年人，不能拿它直接证明某项儿童政策。谨慎的意义，正是区分已知、未知与值得先行保护的部分。
图：健康的陪伴系统，应帮助用户退出并重新连接现实。
九、真正的分界，不是人还是机器，而是补充还是替代
回到最初的数字：只有 11.8% 的人说陪伴是首要目的，51% 却用关系语言描述聊天机器人。这并不证明用户受骗，也不证明每个角色扮演都会变成依赖。它只提醒我们，关系可能在日常互动中逐渐形成，而不是等用户明确按下“进入陪伴模式”的按钮。
这项研究最可靠的结论，也不是“AI 让人更孤独”。它发现的是：在一群美国成年 Character.AI 活跃用户中，陪伴导向使用与较低综合主观幸福感同时出现；至于谁是原因、谁是结果，现有的一次性调查无法回答。
但“不知道因果”不等于什么都不用做。这批由 237 名捐赠者提供的会话显示，部分会话涉及情绪困扰、关系、物质使用乃至自杀想法。只要产品邀请这种披露，就必须承担与其亲密程度相匹配的安全、隐私与转接责任。
AI 陪伴的安慰可以真实，关系的不对称也同样真实。研究提醒的不是“不要向机器说真话”，而是不要让唯一能听见真话的对象只剩机器。
好的 AI 陪伴，不该以让用户留得最久为目标。它应该在需要时接住，在合适时放手，并让一个人更有能力回到现实中的关系、责任与生活。
本文基于 Stanford Report 的 AI companions may worsen loneliness for vulnerable users 与 Nature Human Behaviour 论文 Interaction with AI companions and psychological well-being 重构。