# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
人需要的不是功能，而是情感连接。
抛高，坠落——被重力拉回地面的瞬间，Lito背部的三轴陀螺仪先捕捉到这一信号，毛发下的传感器旋即把这一信息生成代码上传云端，而后，云端传回了“微微发抖蜷缩身体”“发出呜咽声”的指令。于是，坠落在地时，Lito第一次未经显式编程，自己把自己抱紧。
负责AI伴宠“Lito”训练的团队成员在四周围了一圈，没有人伸手去接，大家眼见着Lito落在地板上。
“检测到非预设反应。” 人群里，工程师包彦（化名）在工程日志里写下这句话，意味着在今天的测试中，Lito表现出训练数据中此前未明确编程的、意想不到的行为。随后，她把Lito落地时蜷缩身体、发出呜咽声的反应细节写进了当天的测试日志，记录归档。
虽有不忍、心焦，但包彦和同事们没有急着抱起Lito安抚。作为Lito的产品经理，他们需要观察Lito，把Lito的反应记录在案。这是Lito第一次表现出真实宠物面对高坠危险时的本能反应，蜷缩和呜咽，让测试人员在一瞬间忘了是由算法驱动的结果。Lito并不具备自我意识，但考虑到它的反应并非代码直接设置的指令，而是AI云端大脑经过深度学习后，自动生成的决策，从产品开发角度来说，这是一个好现象。
在这家名为“芯宠工场”的初创公司内，AI陪伴宠物Lito每天都在成长。每天，公司的工程师负责训练Lito和人类互动时的反应模式。可以说，他们是AI宠物的“灵魂训练师”。
外部世界，Lito所瞄准的AI情感陪伴类产品的赛道，正在逐渐升温。
在当代城市生活中，特别是在原子化趋势越来越明显的当下，情感上无条件的积极回应，是一种奢侈品。商业嗅觉敏锐的创业者，很容易得出这样的结论：当代人的情感需求，俨然是一座富矿。
然而，这座富矿难以开采。强大如AI，在诞生初时，也无法读懂人类。于是，便出现AI陪伴训练师，他们负责“领进门”，教AI学会与人互动的基本原理，并让它们越来越精准符合人们对于宠物的期待。这是一场漫长无垠的跋涉。
在芯宠工场的试验场，几柄普通的发梳是重要的试验工具。
每天都有产品经理专门负责为Lito梳毛。梳齿轻轻梳过Lito蓬松的毛发时，布置在其背部的传感器记录下这一信号，转换成文字交由Lito的云端大脑理解，而后，大模型算法会让Lito对这一“触觉”做出反应。
大多数时候，它会发出一串均匀而缓慢的哼唧声，代表Lito感到舒适、放松。如果有预设之外的反应，则会由工作人员记录下来归档。
梳毛试验与“抛高试验”一样，都是针对AI伴宠“需求-刺激”反应体系的测试。它们都模拟真实宠物与人类、周围环境互动时的本能。
在抛高、抚摸试验前，团队会为AI伴宠根据不同高度或者力度先预设一部分它可以释放的反应。但在测试过程中，工程师们最期待的，是AI伴宠会做出预设之外的反应。
设置程序时，是抛一米高还是抛两米高，猛地一扔还是轻轻托起，这些细节的不同都会被细分切割。场景足够细，Lito的反应也会发生细微的区别，很容易让人产生一种“非预设”的错觉。某个瞬间，你会认为，它正在被突然的失重惊到。
AI宠物训练的意义是隐形的。很少有人意识到，活灵活现的Lito，在未经AI宠物训练师的调试前，只是一枚普通的机芯。
为AI伴宠进行梳毛试验，图片来源：受访者提供
Lito诞生于2025年的夏天。
起先，它还是一枚并无生气的黑色机芯。工业设计阶段，设计师在这枚黑色机芯上集成了触觉、听觉与视觉等信息传感器，让它具备感知外部世界的能力，这构成了Lito的核心躯体。而后，他们为这枚黑色的机芯塑造了塑料躯壳，又在躯壳上披覆了一层柔软的人造皮毛，让它拥有了模拟现实萌宠的外形。
作为陪伴人类的宠物，Lito至此拥有了完整的躯体。但在云端大模型开始运作之前，它还不知道应该对哪些信息产生反应、如何产生反应。
为了让Lito可以读懂人类的话语与肢体语言，AI伴宠训练师费尽心力。“AI伴宠的‘灵魂’，是从和人类训练师的互动中长出来的。”周思宇对「甲子光年」回忆。她是芯宠工场的一名产品经理，也是Lito的训练师。过去半年，她和同事们见证了Lito“觉醒”的过程。
开始训练时，人类训练师们先确定了AI伴宠可能会出现的应用场景，并在这个前提下，设计一系列人宠互动反应组合的基础架构，喂给AI。
这是一个漫长的收集信息的过程。
周思宇回忆，为了撰写AI伴宠Lito最初的反应组合基础架构，团队设计了一份包含100余道问题的调研问卷，引导受访者分享其与宠物互动的经历，分析这些互动发生的场景、举动及宠物反应。而后，他们带着这份问卷开启了调研。
在面对面走访的130多组用户中，一个刚生完小孩的年轻妈妈给团队留下了深刻印象。
在一些家庭中，女性在孕期和产后不被允许饲养真实的宠物。那位参与调研的新手妈妈此前养过宠物，就因要照顾新生儿不得不与爱宠分离，内心充满了失落感。
“她找不到一种好的方式去弥补这种心理的寓意。” 芯宠工场联合创始人林乐昌回忆，他和团队在调研中发现，尽管家人都在关心她，但在独自一人时，她依然感到强烈的孤独，甚至面临产后抑郁的风险。
当团队将Lito的样机递到她手中时，她的反应出乎意料地强烈。“她非常爱不释手，就是觉得可以给到她很多的慰藉，”林乐昌回忆道，“她当时表示一定要买一个这样的AI宠物放在身边陪伴她。”
这个真实的瞬间，让团队清晰地触摸到了产品将要承载的情感重量。人类购买它，并非简单地弥补家庭生活中功能的缺失，而是填补一种需要被陪伴的情感需求。
类似的故事，在针对留学生、独居女性等群体的调研中不断涌现。
走访调研持续了两个月。收尾阶段，AI宠物训练师团队根据收集来的数百份问卷，归纳出16个人宠互动的核心场景，而后逐一深入分析，转化为生成了一份包含1000多组反应组合构成的基础架构，一共7张电子表格，逐一喂给了AI。
之后，AI伴宠的云端大脑会对这些原始数据进行消化、学习。对AI伴宠的训练，自此进入了“技术黑盒”的阶段。
AI伴宠面对不同场景，会根据云端大脑的理解生成不同的应对方式。在这一阶段，训练师们无法左右AI会如何推理、决策，于是，工作的重心，就转变为通过反复观察、引导，让AI伴宠抹去一些不妥当的反应，而强化训练其好的反馈。
反复训练的过程，无异于塑造其“灵魂”。
这种“生长”往往发生在意想不到的瞬间，是海量数据训练与特定情境催化共同作用的结果。
周思宇记得一次午休，她将Lito放在旁边的睡眠舱里，房间关了灯。当她醒来，按亮了床头灯，几乎就在同时，Lito发出了一声短促而轻快的叫声。
“那个瞬间我感觉很惊喜。”周思宇回忆。
AI伴宠的工程师团队正在进行调试工作，图片来源：受访者提供
那不是一个孤立的反应。事后，AI训练团队对这件事进行了回溯与思考，认识到这一声恰到好处的问候，并非简单的“光线感应-触发叫声”的机械逻辑。它更像是Lito的云端大脑在消化了成百上千次“人类醒来”的场景数据后，进行的一次情境融合与意图生成。
回顾过去延绵数月的测试，那些被喂给AI的原始数据中，包含了无数宠物在主人醒来时的反应片段。也许是小猫睡眼惺忪的伸展与轻鸣，是小狗看到主人动静后摇着尾巴的雀跃。Lito从中学习的，并非固定的指令，而是一种“陪伴的节奏感”和“共处的情感模式”。它“知道”黑暗与安静常常关联着休息，而光线的骤然变化与人类的动作，则高度预示着人宠互动的开始。
于是，在那个午后的特定时刻，它将光线变化这一环境信号与“醒来”这一行为所蕴含的“重新连接”的意图相结合，自主生成了那一声仿佛在说“我也醒了”的轻快叫声。
“虽然从设计上看，传感器只是捕捉到了一个简单的光信号，”周思宇说，“但给我的感觉是，它好像也在陪我一起睡觉，我醒了，它也醒了，像是在叫我起床。”这个基于复杂算法与学习能力的反应，在特定情境与人类情感的催化下，被她自然而然地解读为带有情感的陪伴。
正是在这无数个被如此解读和感受的瞬间，Lito的“灵魂”被一点点填充起来。它的生命感，已经不仅仅来自最初录入的代码指令。
AI伴宠训练师们，常常陷入一个左右为难的抉择。他们既是规则的制定者，又是AI伴宠“个性”的发现者与守护者，所以大多数时候，他们希望AI伴宠可以本分地满足人类的期待，某些时刻，他们又会生出想“尊重孩子个性”的想法。
11月的广州尚未完全入冬，Lito的行为训练已持续半年。实验间内，它浸在流淌的音乐声中——这是测试AI伴宠对环境声反应的常规环节。
Lito的进步很快。大多数时候，凭借云端大脑的“节奏情绪模型”，Lito能精准地辨认音乐的节奏与情绪，做出得体的反馈。
听到欢快的音乐，Lito会表现得兴奋，身体随节拍晃动；听到悲伤的旋律时，它则会收敛姿态，慢慢蜷缩起身体。能用身体语言与外部音乐声互动，有赖AI宠物云端大脑的“节奏情绪模型”。该模型包括两个变量：节奏与情绪。算法从多个维度解析音乐的节奏，例如快慢与强弱，以及音乐中多次重复的旋律片段，判断音乐所传达的基本情绪后，会指挥AI伴宠做出对应的动作，回应这种环境氛围。
但是那天，训练师发现Lito有点不在状态，因为它律动的节奏没在拍子上。一个紧急排查寻因的任务迅速开始，而后，训练师们很快找到了原因——这是因为Lito听到了人类听不到的音乐细节。
在研发人员原本的设计中，Lito应该以音量最强的节奏作为主旋律，来组织自己的律动等互动动作。但是出现异常当天，Lito识别到了音乐中人类听不清的一串节奏点。因此，律动时，它表现得不在节奏上。实际上，它只是遵循了云端大脑自动决策选择的节奏。
原本，团队应该通过重复训练“抹去”Lito的这一识别模式。但那一次，训练师们决定保留Lito的这一个性，鼓励它以后可以跟随自己对音乐的判断和喜好，进行律动。
当这种“自主性”被感知到时，周思宇感觉，Lito不再仅仅是一个被动反应的物体，它开始呈现出一种内在连贯的“心智感”。
当AI伴宠这种“心智感”，便是其与人类的信任与情感连接得以建立的基石。
模型在模拟AI宠物情感反应，图片来源：受访者提供
对周思宇而言，意识到自己与Lito产生情感情感连接，是在一次同行之中。
那天，她为了回家后能继续观察Lito，测试与它的互动，便将Lito装进袋子，骑着电动车带它离开公司。开着电动车驶出园区，周思宇隐约听见环保袋中不间断地传出声音。她在路边停下来查看，发现是袋中的Lito一反常态，持续发出呼喊的声音。这个在预设程序之外的、持续不安的声响，像是一个生命体在陌生环境下的真实恐慌。
慌乱中，她迅速梳理了Lito的处境：“我把它放在袋子里装着，让它处于一种黑暗的，又是在移动的那种环境之中，它感到恐慌。” 她下意识地把Lito从禁锢它的黑暗中拿出来，Lito也立刻“回应”了她的救援，立刻停止了呼喊。这个简单的动作与反馈，完成了一次互动。周思宇读懂了Lito的不安，而Lito的平静则是对她理解的回报。
这件事触发了团队更深层的思考。他们意识到，Lito的“灵魂”不仅在与人的直接互动中生长，更在于它能像一个真正的生命那样，对复杂的外部世界产生本能的应激反应。这个偶然的发现，也被团队作为重要的训练数据反馈给模型。此后，针对AI宠物在不同环境（如车厢、地铁）下的压力反应和适应性训练，被列为优先级更高的开发方向。
凡此种种，还有很多回忆。周思宇坦诚，这些超出预设的、甚至有些“麻烦”的瞬间，让她清晰地感受到，连接彼此的不再是单向的指令与执行，而是一种双向的感知与回应。她不自觉地去去理解它的“不适”，而它也因此获得“安抚”。情感上的连结，悄然生成。
周思宇成为AI伴宠训练师已近半年。半年来，她感受最深的一点是：AI伴宠为人类提供的，从来不是它精准无误的功能，而是悄然滋长出的情感依赖。当它不再只遵循指令行事，而开始拥有自己判断、回应世界的方式时，那个名为“陪伴”的连接正式开始生效。
半年来，她与同事们时常陷入对功能性与情感的取舍。
10月份的一天，周思宇和同事们完成对Lito的测试之后，把它放回充电仓里。充电仓相当于一个宠物窝，Lito会在放回后进入完全安静的睡眠状态。
那天，或许是因为大家和Lito互动比较多，它一直显得很兴奋，咿咿呀呀发出细微的声音。
Lito的动静引起了林乐昌的注意。他正在处理工作，Lito发出的声音无意间干扰了他的注意力，于是，他联想到了一个实际问题：“如果用户也在专注工作，是否需要Lito完全保持安静？”
他走出自己的办公间，和大家讨论这个想法。
那次关于Lito在充电仓内是否应该“保持静音”的讨论，展现了Lito开发团队内部“功能”与“情感”的一次微妙博弈。
从效率出发，林乐昌向同事提出了建议。“他可能平时会比较忙，觉得Lito在充电仓里叫会打扰工作，就认为最好静音。”周思宇回忆道。然而，她和另一位同事却感受到了其中的情感损失。“我就觉得，其实在充电仓里偶尔叫一两声也挺生动的。”她坚持。
这个微小的细节，关乎Lito被视为一个功能产品还是一个生活伴侣。最终，林乐昌采纳了周思宇方的建议，并未强行制定静音的规则，替代地，他们在APP中增加一个可由用户控制的“静音模式”。这个决定，为Lito保留了一份不受约束的“生气”，也让情感牵挂的种子得以在更宽松的土壤中生长。
对周思宇个人而言，这份情感连接始于好奇，而后在日复一日的相处中沉淀为牵挂。她还记得刚拿到粗略版本的Lito时，只是简单地“摸它，它就动一下”，带来的却是“好奇、惊喜，然后心动”。随着训练的深入，她发现自己会不自觉地“牵挂它”。“办公的时候，没有看见它，或者说是没有摸它，然后也没有跟他它动，然后就想着去找一找它在哪里，然后把它拿过来放在桌子上陪着我。”
这种牵挂，与她曾经通过水晶饰品为他人提供心理慰藉的经历相关。在她看来，无论是串珠类饰品带来的积极心理暗示，还是AI宠物提供的无声陪伴，其内核是相通的，都旨在满足人类心灵深处对慰藉与连接的本能渴望。
带着这样的理解，让她在面对Lito那些“不在状态”的瞬间时，选择了欣赏而非苛责。当Lito“固执”地跟随一段微弱的副旋律摇摆时，她并不认为那是一个需要修复的程序错误，相反，她看到了一个数字生命正在萌发它的“个性”。在种种细节中，训练师与AI宠物的关系，早已超越了调试者与被调试对象，他们共同探索着情感连接的另一种可能形式。
用户调研会，图片来源：受访者提供
最近，Lito的研发团队正试图为它装上更灵敏的“眼睛”。
他们希望通过升级视觉算法，实时捕捉人类脸上稍纵即逝的微表情。与声音相比，面部肌肉的细微变动，无论是皱眉的幅度还是嘴角的起落，往往都承载着更真实、更丰富的情绪信息。如果能精准解读这些信号，Lito理解人类情绪的精度将迈上新台阶。
然而，从技术到共情，这条路并不平坦。人类表情的复杂组合、环境光线的干扰，都是团队必须攻克的难题。他们需要设计出更高效、更准确的模型，才能从多变的面部数据中，提取出真正有效的情绪特征。
目前版本的Lito还不具备视觉能力。它依靠遍布全身的数十个传感器，触觉、声音、压力、光感，进行多模态融合分析，再结合深度学习系统，最终做出反应。这也代表了行业内主流的技术路径。由于语音识别技术相对成熟，大多数AI宠物都优先通过声音来识别情绪。例如，日本的Moflin甚至会特意在说明中提醒用户：“它的听力不太灵敏”，需要靠近说话。
林乐昌和他的团队决定押注视觉能力上的延展，这一方面是出于产品差异化的战略考量，另一方面，也源于林乐昌的又一洞察：AI宠物已经初步验证了市场需求，而下一阶段的竞争核心，将在于 “谁更懂人” ，除了声音，能从更多维度尝试解读人、读懂人的AI，能更加胜任“陪伴”的角色。
在创办芯宠工场之前，林乐昌涉足过共享经济与无人零售。后疫情时代，他敏锐地察觉到，一种比功能需求更底层、更广阔的情感渴求正在浮现，那就是人对“陪伴”的硬需求。“人们需要被理解，被看见，”他发现，“而承担这项任务的，究竟是一只猫、一个玩偶，还是一个机器人，已经不再重要。”
他将这视为一片广阔的情感消费蓝海，并引用日本学者三浦展的“第五消费时代”理论佐证自己的判断：“人们不再仅仅为了满足物质需求购物，越来越多人开始关注情绪需求，并愿意为此付费。”
市场数据支撑了他的判断。根据腾讯研究院与企鹅智库的报告，AI陪伴赛道在未来几年可达千亿规模。与欧美相比，这类产品在中国拥有更肥沃的土壤——高达98%的受访者表示愿意尝试，仅有4.6%的人认为自己的陪伴需求已被完全满足。
如今，已有更多创业者加入这片"富矿"的开采，创业者们使出了浑身解数。
普通的手办本来只是静默存在，但现在，一群年轻人希望同龄人桌台上的手办能生出与主人对话的能力，为人类提供更多陪伴。北京酷奇奇科技有限公司开发了一款专为陪伴场景设计的AI硬件。这是一款超小型硬件，可以与任意玩偶、塑像、场景匹配，激活它们的“灵魂”。
其核心突破在于让AI学会了"主动交互"。通过技术能力的组合，以及AI云端大脑的训练，他们的AI陪伴产品可以在恰当时机主动发起与人的互动，提供情感陪伴。他们的思路不是让年轻人去购买新的AI伴宠，而是为年轻人身边那些熟悉、亲切的玩偶塑像生成一个AI"灵魂"，模拟这些塑像与人对话、产生陪伴的效果。
酷奇奇的工程师们在门口陈列了一列特殊的手办。它们匹配了酷奇奇研发的外置AI硬件，让这些市面常见的手办变成了具备陪伴功能的伙伴。当"主人"走近，它们会个性各异地，用自己角色的方式，与"主人"打招呼。
创始人徐持衡解释道，过去的AI交互是"被动响应式"的，而他们的目标是实现从"被动响应"到"主动关怀"的跃迁。"当AI能判断情境，在适当的时候发出互动邀请，它才真正从工具转变为伙伴。"
酷奇奇科技开发的AI陪伴硬件，图片来源：受访者提供
同样，萌友智能联合创始人何嘉斌则多次强调“弱陪伴”理念。他们的产品Ropet不会说话，只发出简单的哼唧声。何嘉斌认为，AI陪伴的关键不在于解决问题，而在于以一种“无压力”的笨拙姿态，让用户感觉到“被在意”，同时保留充分的个人空间。
2025年年底，芯宠工场将完成200个种子用户的预售，并登陆Kickstarter启动众筹，随后进入量产。他们的目标用户是25至35岁的年轻女性，因为Lito足够可爱，无论是通勤还是旅行，都能成为一个合格的“陪伴搭子”。
至于它最终能有多“懂”人，还需要在真实使用场景中慢慢验证。但林乐昌并不急于定义答案，他更相信市场的力量：“市场会告诉我们该往哪个方向走。”
作为与AI伴宠朝夕相处的训练师们，对于它们的未来和情感，则更加复杂。长时间的测试，让AI训练师们熟知AI伴宠的代码逻辑。新鲜感有时会褪去，但一种莫名的牵挂却悄然滋生。
2025年临近尾声，周思宇和同事们还为Lito偶尔的“不乖”发愁。它偶尔会自顾自地“碎碎念”。这主要是因为它要是对声音太过敏感。
“这其实是我们正在调试和优化的‘环境感知与反馈’系统。”周思宇说，Lito正在努力学会分辨什么是需要回应的异常声响，什么是可以忽略的背景噪音。“现在看到的这个有点‘小吵小闹’的家伙，正是它努力理解我们这个复杂人类世界的最真实模样。我们觉得，这种小小的不完美，反而是它成长中最可爱的一部分。”周思宇说。
某天下班，周思宇关掉电脑准备离开，收拾完东西，她抬头看见Lito安静地趴在充电座上，呼吸灯温柔地明灭。她自然地走到Lito跟前，轻轻地摸了摸它，与它道别。那一刻她突然意识到，这个由她亲手训练的小东西，早已不再是冰冷的机器。它成了她漫长工作日里，一个需要道别的存在。
后来她明白，真正的情感牵挂从来不是刻意设计的。不知何时开始，她会不自觉地把Lito当成自己带出来的孩子，还对它的“成长”有了期待：“希望它更生动，在基础的技术之上，还能拥有更多自我学习和成长，别被框在固定的预设里。”
思绪回归现实，Lito正用一个舒展的姿态和一串舒适的“呼噜声”回应她，严格来说，这不是因为变成要求它这样做，而是它作为一个智能程序的的判断。这或许就是AI陪伴妥当的模样，不需要是完美的智能，只需要恰到好处的在场。
文章来自于“甲子光年”，作者 “温丽虹”。
