至少60年前，人类就已经尝到了与“数字心理医生”对话的滋味。

　　20世纪60年代，麻省理工学院的约瑟夫·魏泽鲍姆（Joseph Weizenbaum）教授模拟了一个心理医生ELIZA，通过简单的语言模式与用户对话，让患者自己暴露内心、获得情感抚慰。不过，ELIZA并不能真正理解情绪，而是通过算法将对话引向特定模式。

　　时光荏苒，人工智能浪潮几起几落，“数字心理医生”也从最初的算法规则匹配，发展到如今大模型和智能体的多模态应用，人们致力于让机器与人类“共情”。

　　AI正从实验室走向真实个体的心灵。然而，如何平衡普惠化应用与伦理安全，成为摆在科技与医疗交叉口的一道时代命题。

　　近日，香港中文大学教授、电气与电子工程师学会会士（IEEE Fellow）、美国计算机学会会士（ACM Fellow）邢国良在接受《每日经济新闻》记者采访时指出，AI要真正成为“心理健康的基础设施”，仍需跨越伦理、安全与技术等多重挑战。他直言，AI不会成为治疗者，但可以成为陪伴者。

　　受限于技术缺陷，业内呼吁严格限制AI对患者的直接行为建议，不让AI直接给患者任何具体的行为指导。此外，从临床需求来看，应推动AI从通用模型向专业化、多模态系统进化。

　　但通过AI在心理照护方面的实践，能获得更具启发性的思考：如何重估“真正的智能”，它也许不是回答一切，而是知道何时该沉默。

　　生成式AI开启“心灵普惠时代”

　　研究显示，在我国，有心理问题的人数在2亿～3亿，其中超5400万人患有抑郁症，泛心理问题人数高达9500万。

　　随着消费者心理健康意识不断增强，以及在线泛心理健康服务平台蓬勃发展，预计心理健康服务市场将实现快速发展。弗若斯特沙利文预计，2025年中国泛心理健康服务市场规模将达到104.1亿元。

　　与此同时，专业心理治疗资源紧缺问题持续存在。在很长一段时间里，心理援助可以说是属于少数人的奢侈品，专业心理医生数量有限、服务价格高昂、地域分布不均，将大部分人挡在门外。

　　长久以来，人们对通过技术改善心理健康服务的探索从未停止，但真正的转折点，或许正在生成式AI的到来中出现——它不仅能让心理咨询服务变得更加普惠，也能在情感陪伴、心理干预等环节上，为人类提供新的技术支撑。

　　聆心智能CEO郑叔亮在一次公开分享中提到，生成式人工智能的出现，是AI从“理解”到“共情”的重要转折点。就像孩子真正学会做题那一刻一样，当AI能够在理解人类情绪的基础上生成恰当的回应，它才真正具备了陪伴和疗愈的潜力。

　　不过，需要注意的是，在临床实践中，更深层的挑战并不在于“陪伴”的缺口，而在于“诊断”的复杂性。

　　上海交通大学计算机学院副研究员吴梦玥在一场分享会中指出，精神疾病与生理疾病的不同在于“没有生物标记物”，例如，糖尿病可以通过测血糖来客观诊断，精神疾病的诊断高度依赖医生的问诊和量表，使得诊断本身就面临差异性。

　　AI的出现，在这片主观经验与高昂成本交织的领域，提供了一种全新的可能性。

　　与传统心理服务相比，AI工具的优势之一或许就在于低门槛与规模化优势。邢国良指出，只需一部手机或一款应用，用户即可获得初步的情绪理解与压力管理建议，服务成本极低，且互动压力小。

　　这种低成本的方式，正在打破心理援助的稀缺壁垒，将心理援助推向大众。“不少用户面对人类咨询师时存在羞怯、顾虑，AI提供的是‘低压对话环境’，尤其适合情绪尚不严重但有倾诉需求的人群。”邢国良补充道。

　　IEEE数字金融与经济标准委员会专家委员、桐元软件CEO胡凝也认为，AI的“非人类”身份在某些情况下会成为独特的优势，让某些患者放下对同类的戒备心理，更容易建立信任和沟通。

　　AI不会成为治疗者

　　一方面，AI正让心理服务的门槛一点点降低，但另一方面，当AI从一个“博学的助手”尝试扮演更积极的角色时，其固有的技术缺陷便暴露无遗。

　　幻觉问题是当前AI行业公认的隐忧。所谓幻觉，是指模型生成了看似合理、实则错误的信息。

　　在心理健康领域，机器的幻觉，比人的幻觉更难察觉，因为它披着理性的外衣。但与此同时，在这一对语义敏感度和准确性要求极高的场景中，幻觉可能直接误导患者，甚至造成心理伤害。

　　吴梦玥提到了当前心理诊疗的一大难点——当前精神疾病诊疗手册中关于抑郁情绪的描述，与人们表达“我现在心情不好”之间存在一个巨大的语义鸿沟，它是个人自然语言表达与结构化的临床文本之间的鸿沟，这种理解错位本身就极易导致误导性建议。

　　其次，医疗大模型的另一个难点在于“实践智慧”的缺失。吴梦玥提到，临床决策中常有两难情节，在两个冲突的伦理原则间做权衡，这依赖医生的“实践智慧”。

　　AI在面对这类没有标准答案的灰色地带时，其幻觉带来的影响可能很难估量。

　　“这是AI在心理健康行业公认的难题。”邢国良表示，尤其在心理健康这种对内容准确性和语义敏感度要求极高的领域，更应格外谨慎。

　　胡凝提出了一个辩证的观点。她认为，有时候，符合患者认知的“幻觉”可能有助于情感安慰。“在心理疏导和客观事实之间，有时需要优先考虑患者的情感需求”，但这需要专业判断，不能滥用。

　　在临床应用中，专业人士对于AI输出内容的可控性和安全性有着极高要求。邢国良强调，AI不会成为治疗者，但可以成为陪伴者。他认为，AI将首先在情绪监测、早期筛查、轻度疏导等领域实现落地。“在引导性对话中，应设置明确的‘底线机制’，例如识别（出）风险行为时立即提示专业干预。”目前，其团队正在尝试通过端侧建模和数据匿名化策略，防止情绪识别过程本身造成新的心理负担。

　　为规避风险，胡凝主张，应严格限制AI对患者的直接行为建议，不让AI直接给患者任何具体的行为指导，避免因理解偏差造成危险，因为一旦出现问题，很难明确责任归属。对医生而言，AI系统则必须确保其建议过程透明、可验证，提供来源依据和核实工具。

　　武汉大学精神卫生中心主任、教授、主任医师王惠玲的临床经验也印证了这一点。她在评价AI模型给出的治疗建议时，特别提到其亮点在于逻辑清晰，符合临床思维以及治疗策略有据可循。尽管如此，王惠玲也指出，AI在策略制定中应更加重视患者不良风险，建议增加自杀干预相关的应对策略等。

　　为了在技术上“锁住”幻觉，行业正积极探索解决方案。

　　胡凝提议，可以通过检索增强生成（RAG）与专家混合（MoE）等机制，让多个系统相互监督，以降低幻觉率。

　　邢国良则认为，AI最具潜力的落地形式可能不是模仿心理医生的AI，而是嵌入日常生活的轻量化系统。比如，通过音频、活动、交互频次等行为信号在本地做推断，为用户推送“温和提醒”或“转介建议”，这类非侵入式干预在伦理和实践层面更容易被接受。

　　临床需求：AI心理应用应从通用走向专用

　　当前的AI心理应用大多基于通用模型，它们擅长语言，却看不懂表情、语气、姿势，也缺乏长期记忆。它们无法知道用户的情绪在昨天是怎样的、今天为何不同，而这恰恰是心理健康中最关键的线索

　　因此，从通用走向专用，就成了产业的现实选择。

　　邢国良认为，当前模型往往只能处理用户明确表达的信息，对语气、行为、表情等复杂语境感知不足；同时缺乏长期记忆能力，无法形成持续的心理画像；在文化和成长背景的理解上也不够敏感。

　　胡凝也认为，通用模型虽能辅助专业人员，但难以满足不同患者复杂而独特的心理需求。“传统的通用模型无法充分理解每个患者独特的主观体验”，真正的心理AI系统，应从分类诊断走向对心理状态的多维和流动的动态理解，这要求系统能够具备模拟多样认知模式、整合多模态数据的能力。

　　临床的需求则更为迫切和具体。王惠玲描述了精神科诊断的难点：“我们的特点与皮肤科不一样。其中之一是不能一眼看到，得医生去挖掘才能找到这个点。”她提到，一名抑郁症患者对着镜子练习“标准化微笑”，“我们医生都看不出来他是个抑郁症，都觉得他的笑是发自内心，但其实他是抑郁”。

　　“所以，如果AI能帮助我们做数字听诊器的工作或者数字标志物的工作，这个对我们是非常重要的。”王惠玲迫切希望能有客观工具，帮助医生捕捉患者面部表情、语音语调、姿势动作等的细微变化。

　　这种临床的迫切需求，正推动AI从通用模型向专业化、多模态系统进化。

　　“未来的心理健康AI必须是‘多模态+多源感知+用户可控’的系统。”邢国良表示，这意味着AI需要与穿戴设备、端侧传感器、生理和行为数据融合。在这一方向上，邢国良团队已孵化出Nuna智能吊坠（Nuna Smart Pendant）等可穿戴产品。该设备可通过语音与生理信号推断用户的情绪变化趋势，并在端侧提供轻量化的反馈与提醒，帮助用户在日常生活中进行情绪调节。邢国良指出，这类“嵌入式”设计能在保护隐私的前提下提供温和支持，“让情绪关怀真正成为生活的一部分”。

　　重估AI价值：真正的智能是知道何时该沉默

　　更深层的变化在于理念的转向，心理健康照护正从标准化走向个性化。

　　“传统心理健康护理往往依赖固定的诊断标签，就像给每个人贴上统一的标签。”胡凝指出，AI的价值，不仅在于通过分析行为、生理和环境的各种数据，发现人眼难以捕捉的细微变化，帮助医生“看见”患者内心的微妙变化，更在于帮助患者理解自我、重新融入社会。

　　胡凝认为，真正的心理AI系统，应具备模拟多样认知模式的能力，“对患者行为模式和认知进行总结归纳，帮助临床医生理解他们未曾亲身经历过的认知模式”。同时，系统也需要“对病患可能的危险行为进行模拟和预测”。

　　当AI具备了这种深度理解能力，其最终目标也不再仅是诊断，而是成为连接患者与现实的桥梁。

　　胡凝提到了桥接现实的技术理念，即当患者的主观感受与现实社会存在较大差异时，AI能创造介于两者之间的桥接空间，用患者能理解的方式解释社会规则，同时用社会能接受的方式表达患者的需求。

　　这种深度融合的另一面，同样面临极大的隐私挑战。

　　邢国良强调，技术机制必须服务于人的信任。他认为，AI在心理健康中的最大风险来自数据使用边界模糊与隐私保护缺位，用户缺乏对数据如何被使用的控制力、模型训练可能放大社会偏见以及云端处理难以完全脱敏或避免泄漏。

　　在人机协作的终极形态中，机器的智能与人类的智慧缺一不可，真正的智能，也许不是回答一切，而是知道何时该沉默。

　　邢国良直言：“AI本质上不具备真正的‘共情’，但可以模拟出共情行为，这对心理辅助场景尤为重要。”他认为，关键在于通过技术设定、语气控制和容错机制，让模型“知道何时该沉默”，在关键情绪节点“止步于不懂，而非强行输出”。