王国燕 等:《陪伴型AI的婚恋替代效应:功能类型与心理机制的在线情景实验》
摘 要 在初婚年龄持续推迟、结婚登记数徘徊于历史低位的背景下，陪伴型AI正通过算法模拟与拟人化展演深度嵌入个体的私域情感生活。研究通过五组间（情感型、成长型、浪漫激情型、劳动型、对照组）在线情境实验（N=409），探究媒介化亲密如何从情感补偿走向婚恋替代。研究发现，四种AI情境均能显著提升社会临场感，并经由人机亲密接受度的中介增强婚恋替代性感知，其中浪漫激情型脚本的替代潜力最为突出。进一步分析表明，男性更容易将社会临场感转化为亲密接受度，而高依恋回避者对浪漫激情型AI的替代效应可能表现出更强的心理防御。研究揭示了陪伴型AI从“技术工具”转向“关系选项”的传播心理机制，为理解媒介化社会中亲密关系的重组提供了实证依据。关键词 陪伴型AI类型 社会临场感 人机亲密接受度 现实婚恋替代性感知本文引用格式参考：[1]王国燕,邱文博,张博涵,等.陪伴型AI的婚恋替代效应：功能类型与心理机制的在线情景实验[J/OL].新媒体与社会,1-18[2026-06-29].https://link.cnki.net/urlid/CN.20260629.1053.002.知网链接：《陪伴型AI的婚恋替代效应：功能类型与心理机制的在线情景实验》一 引言
在初婚年龄持续推迟、结婚登记数连年处于历史低位的背景下，现实婚恋关系正面临推迟、减少与困难化的趋势。与此同时，以 Replika、Character.AI 为代表的陪伴型 AI 正在快速进入个体的私域情感生活。现实亲密关系的弱化，与数字空间中情感陪伴需求高涨形成鲜明对照。当 AI 伴侣从科幻想象转变为数以千万人的日常实践，一个值得追问的谜题是：陪伴型 AI 正在如何改变人们对亲密关系的理解与期待？媒介技术进入亲密关系并非新现象。特克尔（Turkle）曾以“人工亲密”批判机器陪伴，认为其可能为真实关系设定不切实际的期待，甚至导致“关系的降级”。[1] 这一观点仍具有启发性，但在今天的陪伴型 AI 场景中，其作用机制还需进一步区分。用户被AI吸引，未必只是因为它更“像人”，也可能因为它比现实关系更可控：AI可以随时回应，不会疲惫，也较少要求用户承担复杂的情感义务。由此，陪伴型AI的婚恋影响不只是拟人化模拟的结果，也来自其低负担的互动特征。近年来的研究也注意到这一变化：王（Wang）与德纳特（Dehnert）提出“按需亲密”（on-demand intimacy）；[2] 庞（Pang）等人提出“AI放大效应”，[3] 陪伴、安慰与理解不再只是人际交往中的产物，也可作为可设计、可调用、可优化的媒介化服务，并可能重塑人们的现实婚恋观念。围绕这一变化，现有研究仍存在三点不足：第一，多数研究仍将陪伴型 AI 视为同质的“陪伴者”，对功能分化的不同关系脚本的区分不足；第二，已有研究多依赖访谈、案例或平台分析，对其影响婚恋态度的心理机制缺少直接检验；第三，传播学关于媒介化亲密和人机关系的讨论，与亲密关系研究中关于替代选择、关系投入和依恋差异的分析之间，尚未形成足够紧密的对话。基于此采用在线情境实验，考察不同类型 AI 伴侣如何影响现实婚恋替代性感知，并检验社会临场感（Social Presence）与人机亲密接受度（Human-AI Intimacy Receptivity）在其中的作用机制。研究试图回答：当 AI 伴侣被纳入亲密关系的理解框架之后，媒介化亲密如何由情感补偿的功能走向对亲密关系的替代？二 文献综述与理论假设
（一）陪伴型AI研究进展
近年的陪伴型AI研究已从可用性和工具效率的讨论转向对“关系型媒介”的关注。现有研究指出，陪伴型 AI 可以作为面向孤独、压力与情绪困扰的补偿性支持资源。用户愿意与其维持长期互动，并不因为其信息质量更高，而是因为它能够提供持续稳定的回应，[4] 并在一定条件下缓解孤独感、提供主观社会支持，[5]在独居、老年照护和日常情绪调适等场景中显示出现实吸引力。[6]进一步看，陪伴型 AI 不只是支持资源，也可能被用户理解为可以交往、依赖甚至接近伴侣的对象。当系统能够保持人格一致性，并持续提供回应和情绪理解时，用户更容易将其纳入社会关系框架，[7] 并赋予其“人工他者”的位置。[8] 媒介等同理论（Media Equation Theory）和计算机为社会行动者范式（Computers as Social Actors）也指出，人们会像对待现实中的人和地方一样对待媒介科技，[9]只要媒介呈现出社会线索，用户就会将社会规则和互动期待应用于计算机。[10] 因此，陪伴型 AI 之所以可能承接部分原本指向人类伴侣的关系预期，是因为它在互动中被用户经验为具有社会性和关系性的对象。[11]与此同时，陪伴型 AI 的风险研究也在增长。人机关系一旦进入情感依赖层面，其后果就不再只是一般意义上的使用黏性，还可能涉及失落反应、关系边界模糊、现实互动退缩以及主体性受损等问题。[12] 但总体来看，现有研究仍多聚焦单一平台、单一产品或通用型陪伴 AI，对不同类型陪伴型 AI 如何激活不同关系期待，并进一步影响现实关系替代判断的讨论仍不充分。[13]（二）人机亲密接受度及其研究模型
长期以来，关于人机关系的量化研究多以技术采纳、信任、拟人化和社会反应等理论为基础，主要解释用户为何愿意使用、信任或接受机器人、聊天机器人等人工他者。然而，随着陪伴型 AI 进入情感支持、恋爱模拟等场景，单纯考察使用意愿已难以解释人机关系的亲密化趋势。对于陪伴型 AI 而言，更关键的问题在于：用户是否愿意让 AI 进入自己的私人情感空间、进行深度沟通，并将其视为承载情感需求的对象。基于这一转向，人机亲密接受度逐渐成为理解陪伴型 AI 如何从工具性交互走向关系化互动的关键概念。从现有研究看，围绕人机亲密接受的研究大体沿着三条路径展开。第一类研究以社会临场感、温暖感、拟人化、感知真实感等体验变量为前因，考察其对接纳态度的影响。第二类研究着重关注关系发展过程，讨论人机关系如何从工具性交互转向情感联结。[14] 第三类研究则开始直接测量人机亲密接受度，将其细化为沟通亲密、社会距离和个人亲密等个维度。[15]事实上，一旦个体愿意将AI视为可以进入私人情感领域的对象，这种关系开放性就可能进一步影响其对现实亲密关系的理解和评价。现有研究对于人机亲密接受度如何外溢到现实婚恋判断，仍缺乏充分解释。基于此，研究将社会临场感置于人机亲密接受度之前，并进一步考察性别与依恋风格在这一过程中的作用。（三）理论假设
1. 主效应假设
陪伴型AI并非提供同一种关系体验。不同产品在功能上具有不同侧重；[16] 亲密关系也包含温暖支持、吸引力与角色分工等多重期待维度。[17] 因此，在考察陪伴型AI对现实婚恋替代性感知的影响时，有必要区分其功能类型。借助斯滕伯格（Sternberg）爱情三角理论（Triangular Theory of Love）进行类型划分：该理论认为爱情包含亲密、激情、决策/承诺三个成分，[18] 这为理解人类亲密关系提供了经典模型。同时人机传播研究指出，AI 并非中性的沟通工具，其社会角色定位会激活用户不同的关系期待与意义建构。[19] 将二者结合，研究将陪伴型AI区分为三种基本取向：亲密主导（以情绪支持为特征）；激情主导（以浪漫暗示与亲密接触为特征）；实用辅助主导（以任务协作与日常照料为特征）。考虑到实用辅助主导AI在实际用途上仍有差异，研究进一步将其细分为成长型与劳动型：前者围绕学习支持与能力提升展开，后者则突出生活照料与家务协作功能。这一处理既保留了爱情三角理论对关系结构的解释力，也回应了陪伴型AI在现实应用中功能不断分化的趋势。由此，研究最终设置情感型、浪漫激情型、成长型与劳动型四类陪伴型AI实验情境。已有研究指出，心理支持型 AI 更容易引导用户形成情感依赖，[20] 不同关系脚本可能以不同方式激活关系想象与比较判断，[21] 但对于具体影响如何、何者影响更强尚未形成一致结论，基于此提出假设：H1：与对照组相比，陪伴型 AI 情境会显著提升现实婚恋替代性感知。H2：不同功能脚本对现实婚恋替代性感知的影响存在差异，其中浪漫激情型的提升作用预期最为明显，劳动型相对较弱。2. 中介机制假设
社会临场感是媒介互动中关于“他者是否在场”的主观体验，也是陪伴型AI由工具使用转向关系经验的重要环节。[22] 称呼、记忆、回应、共情、语音和形象等社会线索越丰富，用户越容易感到互动对象真实在场[23]并进一步提升对AI对象的真实感、温暖感与持续互动倾向。[24] 因此，不同陪伴型 AI 脚本影响替代判断的第一步，可能在于其能否触发更强的社会临场感。有关人—AI浪漫关系的研究发现，用户会在持续互动中逐步赋予AI以关系意义。[13] 社会临场感本身并不等于亲密关系的形成，用户感到 AI具有在场感只是关系化过程的起点；只有当这种在场体验进一步转化为人机亲密接受度，即用户愿意将AI视为承载情感需求的对象时，AI 才可能被纳入亲密关系的理解框架。进一步看，投资模型指出，现实关系的维系不仅取决于满意度与投入，也取决于替代选择是否具有吸引力。[25] 陪伴型 AI 出现后，替代选择不再局限于人与人之间的关系。当 AI 能够持续回应、提供陪伴和情感支持时，用户可能认为，即使不进入现实恋爱或婚姻，也能获得一定程度的亲密满足。本文所说的“现实婚恋替代性感知”，即个体认为 AI 伴侣可能降低现实恋爱或结婚必要性的主观感知。对无稳定伴侣者而言，这更多表现为进入现实婚恋的迫切感下降；对已有稳定伴侣者而言，则可能表现为 AI 互动进入其对现实伴侣关系的比较之中。因此，用户对 AI 的亲密接受度越高，越可能形成更强的现实婚恋替代性感知。由此提出假设：H3：与对照组相比，陪伴型 AI 情境会显著提升社会临场感。3. 链式中介假设
不同功能脚本对现实婚恋替代性感知的影响，需要经过从互动体验到关系判断的转化。用户首先从 AI 的回应、共情、形象和互动内容中感受到其作为社会对象的在场；在此基础上，才可能进一步接受 AI 进入私人情感空间。当这种亲密接受形成后，用户更可能认为 AI 可以满足部分亲密需求，进而降低对现实恋爱或结婚必要性的判断。因此，社会临场感与人机亲密接受度构成了功能脚本影响现实婚恋替代性感知的连续中介过程。H6：社会临场感与人机亲密接受度在陪伴型 AI 情境与现实婚恋替代性感知之间发挥链式中介作用。4. 调节机制假设
除情境类型和互动体验外，陪伴型AI引发的关系化结果还可能受到个体差异的影响。不同性别群体在理想伴侣偏好上的侧重点并不完全相同。人们对伴侣的期待大体可归纳为温暖—可信、活力—吸引力和地位—资源三个维度。[17] 当陪伴型 AI 所呈现的社会线索更接近某一性别群体的伴侣期待时，同样的“在场感”可能更容易被进一步理解为可接受的亲密关系。依恋风格也可能影响个体对 AI 关系意义的理解。依恋理论（Attachment Theory）认为，依恋焦虑（attachment anxiety）与依恋回避（attachment avoidance）分别对应个体在情感确认、自我保护和关系接近上的不同需求结构。[27] 已有研究发现，焦虑型依恋更容易与对会话式人工智能的情感依附和问题性使用相关联；[28] 焦虑型依恋、孤独感与社会焦虑较高的个体，也更可能在现实联结不足时把 AI 当作补偿性替代对象。[14]因此，不同依恋取向的个体面对不同AI脚本时可能会形成不同的关系解释和替代判断，基于此提出假设：H8a：依恋回避调节陪伴型AI情境类型对现实婚恋替代性感知的影响。H8b：依恋焦虑调节陪伴型AI情境类型对现实婚恋替代性感知的影响。三 研究方法
（一）数据收集与样本特征
本研究通过 Credamo 平台开展在线随机组间实验。正式施测前进行预测试（n=50），用于检验视频材料可理解性、问卷题项表述和作答流程，并据此调整问卷细节，预测试样本不纳入正式分析。正式数据采集于 2026 年 1 月 21 日至 1 月 22 日，共回收问卷 450 份。剔除未完成实验、关键变量缺失及明显低质量作答样本后，最终获得有效样本 409 份，有效回收率为 90.89%。参与者年龄为 19 至 71 岁，平均年龄 31.54 岁（SD=9.06）；女性 228 人（55.7%），男性 181 人（44.3%）。五组样本量分别为：对照组71人、情感型AI伴侣组 93 人、成长型AI伴侣组 84 人、浪漫激情型AI伴侣组 85 人、劳动型AI伴侣组 76 人。随机分配后，各组在年龄、性别、受教育程度、婚恋状态及依恋风格等前测变量上均无显著差异（详见随机性检验），表明随机分配有效。详细的样本人口统计学特征见表1。详细的样本人口统计学特征见表1。（二）变量测量
除实验分组和人口学变量外，其余构念均采用多题项量表测量，统一使用 7 点李克特量表计分，各变量以题项均值构成指标，反向题项已做处理。社会临场感。改编自联网心智社会临场感量表(Networked Minds Social Presence Inventory Scale)，[22] 得分越高表示个体感知到的在场感与互动真实感越强（M=5.188，SD=1.213，Cronbach’s α=0.927）。人机亲密接受度。改编自机器人亲密接受度量表，[15] 用以衡量个体对与 AI 伴侣建立较为亲密关系的接受程度（M=4.978，SD=1.068，Cronbach’s α=0.914）。现实婚恋替代性感知。改编自投资模型量表（Investment Model Scale）中 Quality of Alternatives 子维度，[29] 纳入现实伴侣不可替代性的反向条目，得分越高表示个体越倾向于认为 AI 伴侣可以成为现实婚恋关系的替代选项（M=4.110，SD=1.615，Cronbach’s α=0.941）。依恋风格。采用亲密关系体验—关系结构量表（Experiences in Close Relationships—Relationship Structures Scale）[30] 进行测量，其中依恋回避和依恋焦虑的内部一致性系数分别为 0.799 和 0.878。控制变量。为尽可能降低个体背景差异带来的潜在干扰,纳入了AI 伴侣熟悉程度、AI 伴侣使用经验、一般孤独感、年龄、受教育程度、居住地类型、婚恋状态及恋爱经历纳入控制变量，其中孤独感采用加州大学洛杉矶分校三项目孤独感量表（UCLA 3-item Loneliness Scale ）测量。（三）实验材料与程序
实验刺激材料由研究团队统一制作。研究使用可灵生成 AI 人物形象，并依据四类陪伴型 AI 的核心功能构建视频情境：情感型突出情绪支持与共情陪伴，成长型强调学习辅导、能力提升与目标管理，浪漫激情型强调亲密互动与浪漫暗示，劳动型强调事务协作、生活照料与劳动分担；对照组观看不包含上述类型线索的中性材料。为避免外观差异干扰，每类情境均设置AI 男友和AI 女友版本，同一性别版本使用统一人物面部基底，并在表情、肤色等外观元素上保持一致，仅通过互动内容和情境线索区分类型。配音采用 CosyVoice 合成，为控制声音特征对实验结果的潜在干扰，男性版本和女性版本分别使用同一音色，并保持音调、语速基本一致。除内容差异外，各视频在画幅（16:9）、时长（90 秒）、结构、字幕呈现方式、语速和信息密度上尽量保持一致，以控制无关因素干扰。为确保各实验情境之间类型线索的纯净性，情感型视频不含浪漫暗示或任务协作线索，成长型视频不含亲密互动或生活照料线索，浪漫激情型视频不含任务协作或学习辅导线索，劳动型视频不含情绪支持或浪漫暗示线索；对照组视频仅呈现AI伴侣的基本外观与中性自我介绍，不包含任何特定功能类型的互动内容。参与者阅读知情同意后，首先填写人口学信息等前测题项；随后在统一导语引导下进入“未来独居者”情境，并由系统随机分配观看一段实验视频。观看结束后，参与者先完成操纵检验，再填写社会临场感等正式量表，最后补充开放题项。为增强透明度，我们已将实验材料、量表题项与原始数据上传至 OSF 开放科学平台，供审稿与复现查阅 。数据分析使用 SPSS 26.0 及 PROCESS 4.2 插件。四 研究结果
（一）描述性统计分析
研究的样本人口统计学特征见表1。 参与者年龄为 19 至 71 岁，平均年龄 31.54 岁（SD=9.06）；女性 228 人，占 55.7%，男性 181 人，占 44.3%。 结果显示，社会临场感（M=5.19, SD=1.21）、人机亲密接受度（M=4.98, SD=1.07）与现实婚恋替代性感知（M=4.11, SD=1.62）的平均值均处于量表中点以上。各核心量表的克隆巴赫α系数均在 0.80 以上，表明测量具有良好的信度。此外，对连续变量的检验发现，其偏度绝对值均小于 2、峰度绝对值均小于 7，数据分布总体适合后续参数检验。（二）随机性检验与操纵检验
随机性检验显示，除居住地类型外（χ²(16)=29.85, p=0.019），各组被试在所有前测人口学和心理变量上均无显著差异，表明随机分配有效。居住地类型已作为控制变量纳入后续分析。操纵检验结果（见表2）表明，与对照组相比，四个实验组的被试在各自对应的目标特征维度上的评分均显著更高（p< 0.001），且效应量均达到较大水平（Cohen’s d > 1.28），说明实验操纵成功。（三）直接效应检验
首先，方差分析结果显示，实验分组对社会临场感（F(4,193.36)=20.93，p<0.001）、人机亲密接受度（F(4,196.31)=7.04，p<0.001）和现实婚恋替代性感知（F(4,198.67)=6.83，p<0.001）均有显著的主效应。Games-Howell 事后检验表明，四个实验组在社会临场感和人机亲密接受度上均显著高于对照组；在现实婚恋替代性感知上，浪漫激情组显著高于对照组、情感组和劳动组，与成长组差异未达显著。进一步以对照组为参照，检验组别对现实婚恋替代性感知的总效应与直接效应。结果显示，组别总效应整体显著（ΔR²=0.052，F=6.376，p<0.001）。其中，成长组和浪漫激情组相较对照组显著提高现实婚恋替代性感知，情感组与劳动组未达到显著水平。纳入社会临场感与人机亲密接受度后，组别整体直接效应仍显著（ΔR²=0.026，F=3.919，p=0.004），但四个实验组相较对照组的单个直接效应均不显著。与此同时，四类情境的链式间接效应均显著。这一结果模式表明，情感型和劳动型情境虽未在总效应上显著提升替代性感知，但链式中介效应均显著，提示这两类情境存在通过社会临场感和人机亲密接受度发挥作用的间接路径。总效应不显著可能由于间接正向作用被其他未测量因素所抵消，但这一推测有待后续研究通过补充测量进一步检验。因此，H1 获得部分支持：浪漫激情型稳定成立，成长型呈边缘显著，情感型与劳动型未在总效应层面获得支持。（四）中介效应检验
采用 PROCESS 4.2 的 Model 6，并基于 5000 次 Bootstrap 抽样检验链式中介效应。结果显示，四类 AI 情境相较对照组均显著提升社会临场感，社会临场感显著正向预测人机亲密接受度，人机亲密接受度进一步显著正向预测现实婚恋替代性感知。Bootstrap 结果表明，四类情境的链式中介效应均显著为正，且 95% 置信区间均不包含 0（见表 4）。因此，H3、H4、H5 和 H6 均获得支持。注：M1=社会临场感，M2=人机亲密接受度，Y=现实婚恋替代性感知。Bootstrap置信区间不包含0表示链式中介效应显著。实验组比较部分报告的是两类AI脚本之间链式间接效应的差异。不同 AI 脚本的链式作用强度存在差异。浪漫激情型的链式中介效应显著强于成长型和劳动型，但与情感型差异不显著；劳动型则显著弱于情感型和成长型。这说明，现实婚恋替代性感知并不是由“AI 陪伴”笼统引发的，而与具体关系脚本有关。浪漫激情型和情感型经由社会临场感和人机亲密接受度产生更强替代感知，劳动型间接效应相对较弱。鉴于替代性感知对不同婚恋状态者可能具有不同含义，表4进一步列示了无稳定伴侣样本中的链式中介结果。结果显示，情感型、成长型和浪漫激情型 AI 的链式中介效应仍显著为正，劳动型 AI 的效应方向一致但未达到显著水平。对于无稳定伴侣者而言，陪伴型 AI 的影响更集中地体现为对未来恋爱或婚姻必要性的重新判断；其中，情感支持、成长陪伴和浪漫亲密脚本更容易进入这种关系想象，劳动型脚本的替代意义相对较弱。该结果与总体样本的发现基本一致，也为主模型提供了补充支持。研究结果的模型路径系数如图1所示。（五）调节效应检验
采用 PROCESS Model 1 对性别、依恋回避和依恋焦虑的调节作用进行分析。性别显著调节社会临场感对人机亲密接受度的影响（b=0.263，p=0.033）。简单斜率分析显示，该正向作用在女性样本中已经显著（b=0.344，p<0.001），但在男性样本中更强（b=0.607，p<0.001），说明相同水平的“在场感”更容易在男性样本中转化为对人机亲密关系的接受。依恋回避显著调节组别对现实婚恋替代性感知的影响（ΔR²=0.022，F=2.759，p=0.028）。其中，浪漫激情组与依恋回避的交互项显著为负，表明依恋回避越高，浪漫激情型情境相较对照组对现实婚恋替代性感知的提升越弱。依恋焦虑未呈现显著调节作用。因此，H7 获得支持，H8a 获得部分支持，H8b 未获支持。进一步根据有无稳定伴侣划分样本，以检验婚恋状态是否影响 AI 情境对替代性感知的作用。结果显示，婚恋状态对组别与现实婚恋替代性感知之间的关系具有显著调节作用（ΔR²=0.020，F=2.626，p=0.034）。无稳定伴侣者更容易将成长支持和浪漫亲密脚本纳入潜在婚恋想象；有稳定伴侣者的替代判断则更受既有伴侣关系、关系承诺和道德规范约束，只有浪漫激情型脚本因更直接触及吸引、亲密和关系越界想象，才更容易进入其对现实伴侣关系的比较框架。五 结论与讨论
（一）陪伴型 AI 从情感补偿到替代的关系化路径
回到开篇提出的核心谜题：为何现实婚恋关系的建立日益艰难，而大量用户却在陪伴型 AI 中寻找情感慰藉？本研究提供了一条可能的传播学解释路径。陪伴型 AI 并非简单地替代现实婚恋，而是通过社会临场感这一入口，激活人机亲密接受度这一关键心理环节，从而将技术体验转化为关系判断。也就是说，用户首先感受到 AI 具有回应性、陪伴感和在场感，随后才可能进一步接受 AI 进入私人情感空间，并将其理解为可以沟通、陪伴和承载情感需求的对象。这一关系化路径的强度会因陪伴型 AI 的功能脚本而发生变化。触及身体化在场、浪漫暗示和亲密想象的浪漫激情型脚本，最容易激活婚恋替代性感知；偏向事务协作和生活支持的劳动型脚本则更多停留在工具性帮助层面，替代效应相对较弱。这说明，亲密关系的替代判断并不是由技术智能直接决定的，而是由具体关系脚本如何被组织、被感知和被接纳共同塑造的。从情感补偿走向婚恋替代，关键并不在于 AI 是否足够像人，而在于个体是否愿意向 AI 开放亲密边界。个体差异结果表明，陪伴型 AI 的影响并非对所有群体都相同。男性样本中社会临场感对人机亲密接受度的影响更强，这可能与传统性别角色中男性对关系低负担特征的偏好有关，但这一解释仍需后续研究进一步检验。无稳定伴侣者更容易将成长型和浪漫激情型 AI 纳入未来关系想象；已有稳定伴侣者则主要在浪漫激情型脚本中形成更强替代判断。依恋回避的负向调节也说明，强亲密线索并不一定增强替代性感知。可以推测高回避个体面对浪漫激情型 AI 时可能因此保持心理距离。（二）AI伴侣的“无要求”特征与亲密关系标准的重塑
霍克希尔德(Hochschild)在《外包的自我》中指出，市场逻辑已经深入亲密生活，情感劳动可以被商品化，并由保姆、护工、心理咨询师等服务提供者承接。[31] 伊卢兹(Illouz)关于冷亲密的讨论也揭示了现代情感生活的理性化和商品化趋势。[32] 不过，在传统的亲密劳动市场化中，服务提供者仍然是人，因此相互性、冲突和情感成本并未消失。服务者会疲惫，也会要求尊重、回应和关系边界。然而，陪伴型AI的介入带来了一个值得关注的差异：它将“服务提供者”也一并外包给了非人实体。AI 伴侣可以持续回应、不会疲惫、不要求对等付出、不主动制造冲突，也不会累积情感债务。本研究发现的替代性感知，其可能机制并不在于 AI 在能力上全面优于人类伴侣，而在于它激活了不同的亲密关系评价标准：现实亲密关系强调相互性、深度理解与共同成长，也伴随沟通成本和情感责任；AI 伴侣则突出可控性、即时回应和低负担。浪漫激情型脚本之所以在本研究中表现出更强的替代潜力，可能正是因为它将高浓度亲密体验封装在低风险、低责任的互动形式之中。性别调节效应也为这一解释提供了初步支持。结果显示，男性更容易将社会临场感转化为人机亲密接受度，这可能与传统性别角色中男性对关系责任和情感劳动更为敏感有关。当 AI 以低冲突、可控制的方式提供陪伴和回应时，男性可能更容易将这种在场体验理解为可接受的亲密关系。依恋回避个体对浪漫激情型脚本表现出较强心理防御，也从另一侧面说明，强亲密线索仍可能唤起情感义务感和心理压力。需要指出的是，上述对性别差异和依恋回避结果的解释属于初步推测，其背后的具体心理过程尚需未来研究进一步检验。AI 亲密是否以及如何改变人们对现实亲密关系的长期期待，也有待纵向研究提供更充分的证据。（三）实践启示与未来方向
研究对陪伴型 AI 的产品设计、平台治理和风险提示具有启示意义。从本研究结果看，陪伴型 AI 对婚恋替代性感知的影响在于用户经由社会临场感和人机亲密接受度，将AI互动转化为关系判断。这一机制提示，产品设计应关注不同类型脚本的差异化效应。平台在设计相关产品时，应避免过度强化浪漫暗示和关系承诺，并重点关注年轻用户、无伴侣用户及高频使用者。同时，对于已有伴侣用户和高依恋回避个体，平台也应关注其在使用浪漫激情型AI后可能产生的现实伴侣比较、关系边界模糊、心理不适或伴侣冲突等风险，并通过关系提示、使用提醒等方式进行适度干预。从技术发展看，研究虽然聚焦陪伴型 AI的情景实验，但结论对具身 AI（Embodied AI）同样具有前瞻意义。随着 AI 进入家庭、照护、陪伴和日常协作场景，其在场将不再只是语言回应，还会叠加空间共处、动作反馈、触觉暗示和持续可得性等线索。本研究发现的浪漫激情型脚本的较强替代潜力，在具身AI场景下可能进一步放大，但这有待未来研究提供实证检验。研究仍存在不足。首先，在线情境实验与自陈量表能够识别短时接触下的心理机制，但难以替代对长期真实使用过程的观察。未来可结合纵向追踪、体验取样与行为数据，检验持续使用对婚恋态度的累积影响。其次，本研究的浪漫激情型脚本主要基于语言暗示与情境描绘，尚未涵盖触觉反馈、身体共处等具身互动特征，未来需进一步检验具身AI的多模态在场体验是否会经由类似路径产生更强替代效应。再次，样本中已婚者占比较高，尽管亚组分析与稳健性检验表明不同婚恋状态者对“替代”的理解存在差异，未来仍需以单身人群为样本进行复制检验。此外，本文对性别差异和依恋回避结果的解释仍属初步推测，后续可引入关系责任感知、情感风险感知等变量，进一步揭示个体差异的心理机制。*基金项目：国家社科基金重大项目“欺骗性人工智能的信息传播、社会影响与风险治理研究”（编号：24&ZD184）；江苏省大学生创新创业训练计划课题“未来学视域下人工智能与青年婚恋期望的双向互动机制研究”（编号：S202510285008）**王国燕，苏州大学传媒学院教授，数字与智能传播系主任，博士生导师；邱文博，张博涵，李欣怡，苏州大学传媒学院本科生。致谢：感谢苏州大学传媒学院林瀚、金心怡、程爽对研究设计和论文修改中的宝贵建议。
