原文發(fā)表于《科技導(dǎo)報(bào)》2026 年第1 期 《 2025年情感智能研究熱點(diǎn)回眸 》

情感智能（EI）指?jìng)€(gè)體識(shí)別、理解、調(diào)節(jié)與應(yīng)用情感信息的能力。隨著情感計(jì)算技術(shù)的迅猛發(fā)展，基于其情感健康監(jiān)測(cè)與干預(yù)已成為公共健康領(lǐng)域的核心議題之一?！犊萍紝?dǎo)報(bào)》邀請(qǐng)電子科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院任福繼院士團(tuán)隊(duì)撰文，文章系統(tǒng)回顧了該領(lǐng)域的研究進(jìn)展及其在心理健康中的垂直應(yīng)用；討論了面臨的挑戰(zhàn)；提出了基于多模態(tài)情感推理與規(guī)劃，推動(dòng)標(biāo)準(zhǔn)化診療與家庭個(gè)性化支持，構(gòu)建以數(shù)據(jù)治理與監(jiān)管為核心的倫理框架等未來發(fā)展方向。

情感智能（EI）的概念，最早由心理學(xué)家Salovey與Mayer于1990年提出，定義為個(gè)體識(shí)別、理解、調(diào)節(jié)并運(yùn)用情感信息的能力。隨后，Goleman進(jìn)一步擴(kuò)展了這一理論框架，強(qiáng)調(diào)情感在決策、溝通、社會(huì)互動(dòng)和認(rèn)知加工中的基礎(chǔ)性作用，使情感智能成為理解人類智能的重要組成部分。隨著技術(shù)進(jìn)步，EI這一人類能力概念，正演化成為人工智能領(lǐng)域致力實(shí)現(xiàn)的目標(biāo)之一。為實(shí)現(xiàn)此目標(biāo)，情感計(jì)算作為關(guān)鍵的跨學(xué)科技術(shù)領(lǐng)域應(yīng)運(yùn)而生，致力于開發(fā)能識(shí)別、解釋與響應(yīng)人類情感的計(jì)算系統(tǒng)。

全球精神健康危機(jī)的嚴(yán)峻性凸顯了發(fā)展此類技術(shù)的迫切需求。在此背景下，情感計(jì)算與以大語言模型（LLMs）為代表的生成式人工智能（GAI）技術(shù)的融合，為機(jī)器感知、理解，乃至參與調(diào)節(jié)人類情感提供了可能，也為心理健康問題的規(guī)模化識(shí)別與干預(yù)開辟了新的技術(shù)路徑。這一技術(shù)演進(jìn)正催生一個(gè)飛速增長(zhǎng)的市場(chǎng)。

在此基礎(chǔ)上，情感智能技術(shù)驅(qū)動(dòng)的心理干預(yù)正經(jīng)歷全面的數(shù)字化轉(zhuǎn)型。干預(yù)手段不再局限于傳統(tǒng)線下場(chǎng)景，而是通過智能手機(jī)應(yīng)用、虛擬現(xiàn)實(shí)和生成式AI等數(shù)字工具，提供持續(xù)、個(gè)性化的支持。這一趨勢(shì)在AI心理健康虛擬代理的興起中尤為顯著。然而，技術(shù)的快速發(fā)展也伴隨著嚴(yán)峻的挑戰(zhàn)，包括數(shù)據(jù)隱私、算法中的文化偏見與群體性偏差，以及AI心理干預(yù)所特有的倫理問題。

綜上所述，2025年，情感智能正處于在心理健康領(lǐng)域從概念驗(yàn)證邁向規(guī)?；瘧?yīng)用的關(guān)鍵轉(zhuǎn)折點(diǎn)。2025年情感智能技術(shù)在心理健康領(lǐng)域的主要研究熱點(diǎn)見表1。

表1 2025年情感智能在心理健康領(lǐng)域的主要研究熱點(diǎn)

1 心理健康中的情感計(jì)算

1.1 多模態(tài)情感識(shí)別范式躍遷

情感識(shí)別作為人機(jī)交互與心理健康評(píng)估的核心技術(shù)，其發(fā)展歷經(jīng)從單一模態(tài)到多模態(tài)融合的范式變遷，表2顯示了目前情感識(shí)別的常見模態(tài)信息。

表2 情感識(shí)別常見模態(tài)信息

為提升模型的魯棒性與識(shí)別精度，多模態(tài)融合已成為主流技術(shù)路徑，其策略主要包括早期融合、晚期融合及混合融合，如圖1所示。2025年，Wang等提出了一種基于多模態(tài)時(shí)空路由特征的抑郁自動(dòng)識(shí)別方法，并借助集成學(xué)習(xí)提升模型穩(wěn)定性。Lu等提出了特定領(lǐng)域時(shí)序跨模態(tài)網(wǎng)絡(luò)（DSTC），通過時(shí)序稀疏注意力機(jī)制從長(zhǎng)時(shí)訪談序列中提取關(guān)鍵情感片段，并通過跨模態(tài)語義對(duì)齊增強(qiáng)情感表征的一致性。

圖1 3種多模態(tài)融合方法

隨著大語言模型的興起，情感識(shí)別在心理健康領(lǐng)域的數(shù)據(jù)來源與應(yīng)用場(chǎng)景得到進(jìn)一步拓展。研究表明，大模型在心理健康護(hù)理全流程中均展現(xiàn)出潛力，但其技術(shù)成熟度、適用場(chǎng)景與局限性存在明顯差異。

1）在預(yù)防與教育階段，大模型能夠以低風(fēng)險(xiǎn)方式提供個(gè)性化的心理教育內(nèi)容，有效提升公眾健康素養(yǎng)，該場(chǎng)景對(duì)模型的生成安全性與內(nèi)容準(zhǔn)確性要求高，但對(duì)情感識(shí)別的實(shí)時(shí)性與精度要求相對(duì)較低。

2）在風(fēng)險(xiǎn)監(jiān)測(cè)與預(yù)警階段，以GPT?4為代表的模型在識(shí)別自殺意念等危險(xiǎn)指標(biāo)方面已表現(xiàn)出接近臨床水平的準(zhǔn)確度。這一場(chǎng)景極度依賴模型的語義理解與上下文推理能力，且對(duì)誤報(bào)與漏報(bào)的容忍度極低，是當(dāng)前技術(shù)應(yīng)用的關(guān)鍵與敏感地帶。

3）在診斷評(píng)估與干預(yù)支持階段，大模型可通過分析結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)，輔助進(jìn)行心理狀況評(píng)估（如預(yù)測(cè)抑郁評(píng)分），并能通過分析歷史數(shù)據(jù)為干預(yù)提供持續(xù)支持。然而，該場(chǎng)景對(duì)模型的可解釋性、專業(yè)合規(guī)性以及與臨床工作的整合能力提出了更高要求。

2025年9月，斯坦福大學(xué)團(tuán)隊(duì)在

npj Digital Medicine

當(dāng)前，以大模型為驅(qū)動(dòng)的多模態(tài)情感計(jì)算，正推動(dòng)該領(lǐng)域從傳統(tǒng)的“特征層融合”向更深層的“語義理解與上下文推理”范式轉(zhuǎn)變。總體而言，情感識(shí)別技術(shù)正朝著多模態(tài)融合、輕量化部署、因果推斷與可解釋人機(jī)協(xié)作等方向持續(xù)演進(jìn)，為其在精準(zhǔn)心理健康領(lǐng)域的深入應(yīng)用開辟了新的可能性。

1.2 基于大模型的心理架構(gòu)

隨著情感識(shí)別基礎(chǔ)技術(shù)成熟，研究前沿正逐步從淺層的情感狀態(tài)判別，邁向深度的情感推理與心理狀態(tài)建模。

實(shí)現(xiàn)深度情感推理的首要前提是超越模態(tài)割裂與淺層關(guān)聯(lián)。當(dāng)前研究通過多模態(tài)深度融合機(jī)制協(xié)同分析文本、語音及視覺信息，以捕捉被忽視的副語言線索與微表情。此外，還可以使用自動(dòng)化提示優(yōu)化框架，以及內(nèi)置校準(zhǔn)功能的標(biāo)準(zhǔn)化提示模板。這類方案不僅能減少繁重的人工標(biāo)注負(fù)擔(dān)，還可將心理學(xué)理論深度融入模型指令之中，從而在確保情感解讀一致性與穩(wěn)定性的同時(shí)，提升模型的垂直應(yīng)用價(jià)值。

大模型的長(zhǎng)期記憶能力是支持持續(xù)的互動(dòng)、追蹤關(guān)鍵信息和建立穩(wěn)固性的關(guān)鍵。目前長(zhǎng)期記憶系統(tǒng)主要分為2類：存儲(chǔ)于外部的非參數(shù)記憶和嵌入模型本身的參數(shù)記憶。然而，人工智能系統(tǒng)仍難以有效模擬類人記憶機(jī)制并確保心理治療過程的連續(xù)性。

可解釋的推理機(jī)制可以有效增強(qiáng)系統(tǒng)決策的可信度，有效推理焦慮、抑郁、壓力、疲憊和孤獨(dú)等心理狀態(tài)。其中，心理狀態(tài)鏈?zhǔn)酵评硎且豁?xiàng)關(guān)鍵技術(shù)。2025年，Teng等提出了基于鏈?zhǔn)剿季S提示（CoT）抑郁識(shí)別增強(qiáng)框架，該研究屬于早期系統(tǒng)探索CoT在心理健康推理任務(wù)中的應(yīng)用，為構(gòu)建可解釋、可追溯、臨床友好的心理健康LLMs提供了新的方向。

針對(duì)高階心理特質(zhì)的評(píng)估及在復(fù)雜場(chǎng)景中的應(yīng)用，還需考慮心理韌性、壓力恢復(fù)力等維度的量化。Sazzed針對(duì)自殺傾向的自閉癥譜系障礙（ASD）個(gè)體在社交媒體上的心理社會(huì)挑戰(zhàn)和物質(zhì)使用問題開展研究。該研究利用LLMs輔助生成關(guān)鍵詞，并結(jié)合人工精煉方法，提高了心理健康相關(guān)信息的識(shí)別效率與準(zhǔn)確性。Qin等提出了基于大模型評(píng)估兒童語言能力的框架。該框架的評(píng)估結(jié)果與早期學(xué)習(xí)穆倫量表（MSEL）語言發(fā)展商之間存在強(qiáng)烈相關(guān)性，皮爾遜相關(guān)系數(shù)為0.8（

p

總的來說，情感推理與心理狀態(tài)建模的技術(shù)路徑，是一個(gè)從多模態(tài)感知到因果歸因，再到長(zhǎng)期記憶支持下的時(shí)序建模，并通過鏈?zhǔn)酵评韺?shí)現(xiàn)可解釋決策，最終完成對(duì)復(fù)雜心理特質(zhì)量化的遞進(jìn)過程。

2 情感調(diào)節(jié)與干預(yù)

2.1 心理干預(yù)的數(shù)字化轉(zhuǎn)型

認(rèn)知行為療法（CBT）是目前廣泛應(yīng)用的循證心理干預(yù)方法之一。深度學(xué)習(xí)與大語言模型等人工智能技術(shù)的快速發(fā)展，為實(shí)現(xiàn)實(shí)時(shí)、客觀的情感評(píng)估與干預(yù)提供了全新路徑。2025年，Shen等提出了一種基于人工智能生成內(nèi)容（AIGC）的閉環(huán)音樂干預(yù)系統(tǒng)示范，顯著提升了情感音樂生成的準(zhǔn)確性與多樣性，為實(shí)現(xiàn)個(gè)性化、自適應(yīng)音樂干預(yù)提供了潛在的技術(shù)方案。

總體而言，情感計(jì)算為數(shù)字心理健康干預(yù)開辟了前景廣闊的發(fā)展方向。借助智能手機(jī)應(yīng)用、GAI與虛擬現(xiàn)實(shí)等數(shù)字工具，心理健康服務(wù)能夠提供更持續(xù)、個(gè)性化且精準(zhǔn)的支持，從而顯著提升其包容性、響應(yīng)能力與整體效能。

2.2 數(shù)字心理健康新進(jìn)展

1）智能手機(jī)應(yīng)用與數(shù)字表型分析。通過內(nèi)置傳感器，手機(jī)可生成反映行為模式（如睡眠、久坐）與環(huán)境暴露（如溫度、光照、綠地覆蓋率）的指標(biāo)，從而為理解個(gè)體精神疾病體驗(yàn)提供個(gè)性化情境與動(dòng)態(tài)軌跡，即數(shù)字表型分析。該技術(shù)在對(duì)青少年及成人的研究中已顯示出臨床有效性的積極信號(hào)。然而，該領(lǐng)域目前面臨標(biāo)準(zhǔn)缺失的挑戰(zhàn)：數(shù)據(jù)采集、處理與特征生成缺乏統(tǒng)一規(guī)范，不同手機(jī)品牌與型號(hào)所采集的數(shù)據(jù)流也存在差異。此外，部分基于可穿戴設(shè)備的研究也被納入數(shù)字表型分析范疇。

2）虛擬現(xiàn)實(shí)。作為心理健康干預(yù)的新興技術(shù)路徑，虛擬現(xiàn)實(shí)在多種心理問題中展現(xiàn)出良好療效，尤其在增強(qiáng)認(rèn)知行為療法方面，VR?CBT在焦慮癥、精神病性障礙、創(chuàng)傷后應(yīng)激障礙與特定恐懼癥中的效果已被證實(shí)與傳統(tǒng)CBT總體相當(dāng)。此外，虛擬現(xiàn)實(shí)還被用于支持心理社會(huì)與功能康復(fù)，通過構(gòu)建安全的模擬環(huán)境幫助患者適應(yīng)日常場(chǎng)景。新興證據(jù)表明，虛擬現(xiàn)實(shí)能夠借助其沉浸式視覺呈現(xiàn)與情感狀態(tài)調(diào)控能力，有效整合多種治療模式。該技術(shù)還有力地推動(dòng)了“第三波”認(rèn)知行為療法的發(fā)展。

3）基于大語言模型的生成式人工智能。由大模型驅(qū)動(dòng)的新一代GAI技術(shù)，正日益廣泛地應(yīng)用于數(shù)字心理健康領(lǐng)域。初步研究顯示，大語言模型在心理健康的預(yù)防、篩查、診斷、干預(yù)及復(fù)發(fā)管理等各個(gè)環(huán)節(jié)均展現(xiàn)出潛力，可通過分析歷史治療記錄持續(xù)提供咨詢支持，并優(yōu)化現(xiàn)有心理健康服務(wù)流程。2025年，Google團(tuán)隊(duì)在

Nature Medicine

圖2 PH?LLM的架構(gòu)與性能

盡管LLMs在直接面向患者的應(yīng)用中仍存在不確定性，但其在輔助臨床醫(yī)生方面已發(fā)揮重要作用。這些創(chuàng)新不僅優(yōu)化了工作流程，更帶來了人力資源配置與專業(yè)培訓(xùn)模式的范式變革。

3 AI 心理健康虛擬代理

3.1 情感對(duì)話代理興起

情感對(duì)話代理是基于大模型的虛擬交互系統(tǒng)，其核心目標(biāo)是通過自然語言處理與情感計(jì)算技術(shù)，生成具有共情與同理心的響應(yīng)，從而在與用戶的對(duì)話中維持情感一致性，實(shí)現(xiàn)更自然、舒適且人性化的互動(dòng)。

2025年5月，

npj Digital Medicine

當(dāng)前，共情聊天機(jī)器人的設(shè)計(jì)方法主要分為2類。第1類是基于大模型的訓(xùn)練與微調(diào)，以生成更具情感敏感性與適應(yīng)性的回應(yīng)。第2類方法側(cè)重于多步驟情感對(duì)話處理，從而更精準(zhǔn)地調(diào)節(jié)情感互動(dòng)。此外，“思維鏈提示”（CoT）也被用于引導(dǎo)基礎(chǔ)大模型進(jìn)行情感推理。

情感一致性是這類系統(tǒng)的關(guān)鍵屬性，指代理在與用戶交互過程中保持情感表達(dá)與調(diào)節(jié)的一致性。為實(shí)現(xiàn)這一目標(biāo)，虛擬代理需分析用戶輸入中的情感線索（如語言內(nèi)容、語氣、行為模式等），并運(yùn)用AI生成的共情反應(yīng)進(jìn)行有效回應(yīng)。

盡管如此，現(xiàn)有系統(tǒng)在共情能力與情感一致性方面仍面臨一系列挑戰(zhàn)，包括如何保持高效穩(wěn)定的情感響應(yīng)、適配多樣化個(gè)性化需求，以及避免情感偏差或誤導(dǎo)性輸出。

3.2 虛擬代理應(yīng)用角色邊界

虛擬代理在心理健康干預(yù)中的應(yīng)用正不斷拓展，其功能不僅限于提供情感支持，還延伸至多種治療場(chǎng)景的輔助角色。如圖3所示，大語言模型在心理治療中的功能可根據(jù)“自主性”與“情感介入程度”2個(gè)維度進(jìn)行角色劃分。在實(shí)際應(yīng)用中，明確虛擬代理的自主性邊界至關(guān)重要，這直接關(guān)系到其在治療過程中的風(fēng)險(xiǎn)控制與責(zé)任歸屬。

圖3 大語言模型在心理治療中的角色框架： 基于自主性與情感介入度的劃分

低自主性的大語言模型通常作為響應(yīng)式工具，高自主性系統(tǒng)能主動(dòng)引導(dǎo)對(duì)話、生成治療策略，并在較少人工干預(yù)的情況下管理互動(dòng)進(jìn)程。隨著自主性提升，系統(tǒng)更側(cè)重于個(gè)性化功能的實(shí)現(xiàn)。雖然高自主性有助于擴(kuò)大服務(wù)覆蓋范圍，但也可能加劇倫理與臨床風(fēng)險(xiǎn)。在臨床設(shè)置中，虛擬代理可作為治療師的輔助工具，用于記錄會(huì)談內(nèi)容、分析患者情感變化，并為治療評(píng)估與方案調(diào)整提供數(shù)據(jù)支持。個(gè)人完全依賴聊天機(jī)器人而非尋求專業(yè)幫助，可能面臨一系列風(fēng)險(xiǎn)。

3.3 虛擬人陪護(hù)系統(tǒng)

虛擬人陪護(hù)系統(tǒng)是情感支持型虛擬角色的另一重要應(yīng)用，這些系統(tǒng)通過AI和生理數(shù)據(jù)結(jié)合，能夠?yàn)楣陋?dú)、老年人或患有慢性精神疾病的患者提供情感支持。隨著技術(shù)的不斷進(jìn)步，虛擬數(shù)字人作為一種新興的陪護(hù)技術(shù)，正在成為虛擬人陪護(hù)系統(tǒng)中的核心組成部分。當(dāng)前，數(shù)字人技術(shù)的研究與應(yīng)用圍繞數(shù)字人外形建模、數(shù)字人驅(qū)動(dòng)以及數(shù)字人大腦3個(gè)關(guān)鍵技術(shù)展開，如圖4所示。

圖4 構(gòu)建數(shù)字人的核心技術(shù)概覽

通過語音合成、面部表情生成、姿態(tài)控制等技術(shù)，數(shù)字人的語言表達(dá)能力和動(dòng)作流暢度得到了有效提高。新一代系統(tǒng)通過整合心理學(xué)理論和上下文語義理解，能夠提供結(jié)構(gòu)化的交互。在多模態(tài)表達(dá)方面，當(dāng)前研究聚焦于語音、表情及肢體動(dòng)作的跨模態(tài)協(xié)同建模。

然而，當(dāng)前的虛擬人技術(shù)仍面臨行為驅(qū)動(dòng)的機(jī)械性強(qiáng)和情感動(dòng)態(tài)適配不足等問題。雖然數(shù)字人能夠在某些情境下表現(xiàn)出自然的語音與面部表情，但在應(yīng)對(duì)情感變化時(shí)，仍缺乏足夠的靈活性和適應(yīng)性。

4 情感智能在心理健康中的關(guān)鍵應(yīng)用回顧

隨著人工智能技術(shù)的不斷突破，情感智能作為其重要分支，在心理健康領(lǐng)域展現(xiàn)出變革性的應(yīng)用前景。該技術(shù)通過融合分析語音、表情及其他多模態(tài)信號(hào)，能夠深入解讀用戶情感狀態(tài)，進(jìn)而為心理健康的風(fēng)險(xiǎn)評(píng)估、個(gè)性化干預(yù)與輔助治療提供關(guān)鍵支持。情感智能在心理健康領(lǐng)域的具體應(yīng)用場(chǎng)景見表3。

表3 情感智能在心理健康領(lǐng)域的應(yīng)用

5 情感智能在心理健康領(lǐng)域的挑戰(zhàn)與研究方向

5.1 目前面臨的挑戰(zhàn)

1）群體差異與識(shí)別準(zhǔn)確性挑戰(zhàn)。首先，這一挑戰(zhàn)根植于情感表達(dá)與識(shí)別的文化差異性。這導(dǎo)致模型傾向于輸出代表主流文化的觀點(diǎn)，可能忽略或誤解少數(shù)文化背景下的情感表達(dá)。其次，特定人群的情感表達(dá)模式對(duì)識(shí)別技術(shù)構(gòu)成了額外挑戰(zhàn)。老年人因面部肌肉與皮膚狀態(tài)變化、青少年因使用特定的網(wǎng)絡(luò)語言與情感符號(hào)、高風(fēng)險(xiǎn)人群（如具有自傷或自殺傾向者）因識(shí)別誤差可能引發(fā)嚴(yán)重后果，以及殘障群體（如自閉癥譜系或失語癥患者）因其情感表達(dá)方式常偏離常規(guī)模式，均要求情感識(shí)別技術(shù)具備更高的適應(yīng)性與魯棒性。

2）AI心理干預(yù)的倫理與效力挑戰(zhàn)。AI心理干預(yù)在標(biāo)準(zhǔn)化任務(wù)中展現(xiàn)出一定應(yīng)用潛力的同時(shí)，也面臨過度干預(yù)、情感依賴和強(qiáng)制干預(yù)等深層倫理挑戰(zhàn)。這些挑戰(zhàn)與當(dāng)前技術(shù)，特別是大語言模型的能力局限直接相關(guān)。如圖5所示，盡管LLMs能在心理教育與示范干預(yù)等結(jié)構(gòu)化任務(wù)中發(fā)揮作用，但其尚不具備人類治療師所必需的復(fù)雜臨床判斷與深度共情能力，因此，難以在動(dòng)態(tài)互動(dòng)中把握精準(zhǔn)的干預(yù)邊界。

圖5 LLM的臨床能力實(shí)例

3）情緒數(shù)據(jù)隱私與治理挑戰(zhàn)。情感數(shù)據(jù)因其常與生理信號(hào)等敏感信息結(jié)合而具有高度隱私性，其泄露或?yàn)E用可能直接損害用戶權(quán)益。此外，通過算法對(duì)情感數(shù)據(jù)進(jìn)行反向推斷，可能進(jìn)一步揭示用戶的性格傾向、行為習(xí)慣，乃至心理脆弱點(diǎn)，使得數(shù)據(jù)保護(hù)的范圍超越傳統(tǒng)隱私范疇。當(dāng)前，盡管全球已開始建立情感AI的相關(guān)監(jiān)管框架，但整體仍處于初級(jí)階段，在數(shù)據(jù)分級(jí)保護(hù)、跨境流動(dòng)規(guī)范、使用透明度等方面尚存空白，亟需建立更為完善且具備全球協(xié)同性的治理體系。

5.2 未來研究方向

1）基于多模態(tài)情感推理與規(guī)劃。跨模態(tài)預(yù)訓(xùn)練模型正推動(dòng)多模態(tài)情感理解從淺層特征對(duì)齊邁向深層的全局語義關(guān)聯(lián)。隨著任務(wù)框架的逐步統(tǒng)一，情感識(shí)別、生成與推理有望實(shí)現(xiàn)多任務(wù)協(xié)同優(yōu)化，從而推動(dòng)構(gòu)建通用的情感智能模型。此類模型預(yù)計(jì)將廣泛應(yīng)用于輿情分析、個(gè)性化推薦及心理健康監(jiān)測(cè)等多個(gè)領(lǐng)域，最終實(shí)現(xiàn)從被動(dòng)的情感感知到主動(dòng)的健康預(yù)見與管理的跨越。

2）推動(dòng)標(biāo)準(zhǔn)化診療與家庭個(gè)性化支持。未來首先應(yīng)致力于在心理健康領(lǐng)域建立基于情感計(jì)算的醫(yī)療標(biāo)準(zhǔn)化評(píng)估與干預(yù)框架，以保障技術(shù)在精神疾病早期篩查與情感管理中的有效性、安全性與合規(guī)性。其次，可引入“情感膠囊”等前沿概念，可將離散的情感狀態(tài)整合為時(shí)序化、結(jié)構(gòu)化的個(gè)人情感檔案，實(shí)現(xiàn)對(duì)個(gè)體情感數(shù)據(jù)的長(zhǎng)期、安全存儲(chǔ)與分析，形成動(dòng)態(tài)的個(gè)人情感歷史軌跡，在此基礎(chǔ)上AI系統(tǒng)能夠?yàn)橛脩籼峁└珳?zhǔn)、適應(yīng)性的干預(yù)方案，實(shí)現(xiàn)真正意義上的個(gè)性化情感支持。

3）構(gòu)建以數(shù)據(jù)治理與監(jiān)管為核心的倫理框架。當(dāng)前，全球情感智能治理呈現(xiàn)“倫理先行、法律托底技術(shù)適配”的協(xié)同態(tài)勢(shì)，未來跨區(qū)域、跨文化的標(biāo)準(zhǔn)協(xié)調(diào)將是平衡技術(shù)創(chuàng)新與社會(huì)福祉的關(guān)鍵。

6 結(jié)語

我們的研究梳理了2025年情感智能技術(shù)在心理健康領(lǐng)域從基礎(chǔ)技術(shù)、核心應(yīng)用到發(fā)展挑戰(zhàn)的全景進(jìn)展?？傮w而言，該領(lǐng)域已超越單純的概念驗(yàn)證，正通過多模態(tài)感知、大模型驅(qū)動(dòng)的情感推理以及人機(jī)交互設(shè)計(jì)的融合，向規(guī)模化、個(gè)性化應(yīng)用階段邁進(jìn)。然而，其發(fā)展路徑清晰地表明，技術(shù)進(jìn)步的價(jià)值必須置于“以人為中心”的框架內(nèi)方能真正實(shí)現(xiàn)。未來應(yīng)當(dāng)著力構(gòu)建符合“人本智能”理念的情感智能發(fā)展戰(zhàn)略體系。

該戰(zhàn)略體系的構(gòu)建，首先，要求技術(shù)研發(fā)以“可信理解”為基石，以確保對(duì)人類情感復(fù)雜性的可靠解讀。其次，應(yīng)用部署需緊扣“場(chǎng)景融合”與“個(gè)性賦能”主線，實(shí)現(xiàn)標(biāo)準(zhǔn)化干預(yù)與高度個(gè)性化支持的有機(jī)統(tǒng)一。最后，面對(duì)數(shù)據(jù)隱私、算法偏見及干預(yù)倫理等嚴(yán)峻挑戰(zhàn)，必須建立前瞻性、跨學(xué)科且全球協(xié)同的治理框架，確保技術(shù)創(chuàng)新始終服務(wù)于增進(jìn)人類心理福祉的根本目標(biāo)。

綜上所述，情感智能在心理健康領(lǐng)域的未來發(fā)展，關(guān)鍵在于能否將快速演進(jìn)的技術(shù)能力，系統(tǒng)性地融入一個(gè)以人為本的應(yīng)用與治理體系，確保其發(fā)展始終服務(wù)于增進(jìn)人類心理福祉這一根本目標(biāo)。這不僅是我國把握新一輪人工智能科技浪潮的重要機(jī)遇，更是應(yīng)對(duì)全球精神健康挑戰(zhàn)、提升全民心理健康水平的必然路徑。

本文作者：陶雪、鄧佳文、任福繼

作者簡(jiǎn)介：陶雪，電子科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院，博士研究生，研究方向?yàn)榍楦蟹治觥⒋竽Ｐ图夹g(shù)等；任福繼（通信作者），電子科技大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院、電子科技大學(xué)深圳高等研究院，教授，日本工程院院士、歐盟科學(xué)院院士、俄羅斯工程院外籍院士，研究方向?yàn)橄冗M(jìn)智能、情感計(jì)算、智能機(jī)器人等。

文章來 源 ： 陶雪, 鄧佳文, 任福繼. 2025年情感智能研究熱點(diǎn)回眸[J]. 科技導(dǎo)報(bào), 2026, 44(1): 78?90 .

本文有刪改，

內(nèi)容為【科技導(dǎo)報(bào)】公眾號(hào)原創(chuàng)，歡迎轉(zhuǎn)載
白名單回復(fù)后臺(tái)「轉(zhuǎn)載」

《科技導(dǎo)報(bào)》創(chuàng)刊于1980年，中國科協(xié)學(xué)術(shù)會(huì)刊，主要刊登科學(xué)前沿和技術(shù)熱點(diǎn)領(lǐng)域突破性的研究成果、權(quán)威性的科學(xué)評(píng)論、引領(lǐng)性的高端綜述，發(fā)表促進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展、完善科技管理、優(yōu)化科研環(huán)境、培育科學(xué)文化、促進(jìn)科技創(chuàng)新和科技成果轉(zhuǎn)化的決策咨詢建議。常設(shè)欄目有院士卷首語、科技新聞、科技評(píng)論、本刊專稿、特色專題、研究論文、政策建議、科技人文等。