一群年輕人，正在訓練AI寵物的靈魂 | 甲子光年

人需要的不是功能，而是情感連接。

作者｜溫麗虹

拋高，墜落——被重力拉回地面的瞬間，Lito背部的三軸陀螺儀先捕捉到這一信號，毛發下的傳感器旋即把這一信息生成代碼上傳云端，而后，云端傳回了“微微發抖蜷縮身體”“發出嗚咽聲”的指令。于是，墜落在地時，Lito第一次未經顯式編程，自己把自己抱緊。

負責AI伴寵“Lito”訓練的團隊成員在四周圍了一圈，沒有人伸手去接，大家眼見著Lito落在地板上。

“檢測到非預設反應。” 人群里，工程師包彥（化名）在工程日志里寫下這句話，意味著在今天的測試中，Lito表現出訓練數據中此前未明確編程的、意想不到的行為。隨后，她把Lito落地時蜷縮身體、發出嗚咽聲的反應細節寫進了當天的測試日志，記錄歸檔。

雖有不忍、心焦，但包彥和同事們沒有急著抱起Lito安撫。作為Lito的產品經理，他們需要觀察Lito，把Lito的反應記錄在案。這是Lito第一次表現出真實寵物面對高墜危險時的本能反應，蜷縮和嗚咽，讓測試人員在一瞬間忘了是由算法驅動的結果。Lito并不具備自我意識，但考慮到它的反應并非代碼直接設置的指令，而是AI云端大腦經過深度學習后，自動生成的決策，從產品開發角度來說，這是一個好現象。

在這家名為“芯寵工場”的初創公司內，AI陪伴寵物Lito每天都在成長。每天，公司的工程師負責訓練Lito和人類互動時的反應模式。可以說，他們是AI寵物的“靈魂訓練師”。

外部世界，Lito所瞄準的AI情感陪伴類產品的賽道，正在逐漸升溫。

在當代城市生活中，特別是在原子化趨勢越來越明顯的當下，情感上無條件的積極回應，是一種奢侈品。商業嗅覺敏銳的創業者，很容易得出這樣的結論：當代人的情感需求，儼然是一座富礦。

然而，這座富礦難以開采。強大如AI，在誕生初時，也無法讀懂人類。于是，便出現AI陪伴訓練師，他們負責“領進門”，教AI學會與人互動的基本原理，并讓它們越來越精準符合人們對于寵物的期待。這是一場漫長無垠的跋涉。

1.在與人的互動里長出靈魂

在芯寵工場的試驗場，幾柄普通的發梳是重要的試驗工具。

每天都有產品經理專門負責為Lito梳毛。梳齒輕輕梳過Lito蓬松的毛發時，布置在其背部的傳感器記錄下這一信號，轉換成文字交由Lito的云端大腦理解，而后，大模型算法會讓Lito對這一“觸覺”做出反應。

大多數時候，它會發出一串均勻而緩慢的哼唧聲，代表Lito感到舒適、放松。如果有預設之外的反應，則會由工作人員記錄下來歸檔。

梳毛試驗與“拋高試驗”一樣，都是針對AI伴寵“需求-刺激”反應體系的測試。它們都模擬真實寵物與人類、周圍環境互動時的本能。

在拋高、撫摸試驗前，團隊會為AI伴寵根據不同高度或者力度先預設一部分它可以釋放的反應。但在測試過程中，工程師們最期待的，是AI伴寵會做出預設之外的反應。

設置程序時，是拋一米高還是拋兩米高，猛地一扔還是輕輕托起，這些細節的不同都會被細分切割。場景足夠細，Lito的反應也會發生細微的區別，很容易讓人產生一種“非預設”的錯覺。某個瞬間，你會認為，它正在被突然的失重驚到。

AI寵物訓練的意義是隱形的。很少有人意識到，活靈活現的Lito，在未經AI寵物訓練師的調試前，只是一枚普通的機芯。

為AI伴寵進行梳毛試驗，圖片來源：受訪者提供

Lito誕生于2025年的夏天。

起先，它還是一枚并無生氣的黑色機芯。工業設計階段，設計師在這枚黑色機芯上集成了觸覺、聽覺與視覺等信息傳感器，讓它具備感知外部世界的能力，這構成了Lito的核心軀體。而后，他們為這枚黑色的機芯塑造了塑料軀殼，又在軀殼上披覆了一層柔軟的人造皮毛，讓它擁有了模擬現實萌寵的外形。

作為陪伴人類的寵物，Lito至此擁有了完整的軀體。但在云端大模型開始運作之前，它還不知道應該對哪些信息產生反應、如何產生反應。

為了讓Lito可以讀懂人類的話語與肢體語言，AI伴寵訓練師費盡心力。“AI伴寵的‘靈魂’，是從和人類訓練師的互動中長出來的。”周思宇對「甲子光年」回憶。她是芯寵工場的一名產品經理，也是Lito的訓練師。過去半年，她和同事們見證了Lito“覺醒”的過程。

開始訓練時，人類訓練師們先確定了AI伴寵可能會出現的應用場景，并在這個前提下，設計一系列人寵互動反應組合的基礎架構，喂給AI。

這是一個漫長的收集信息的過程。

周思宇回憶，為了撰寫AI伴寵Lito最初的反應組合基礎架構，團隊設計了一份包含100余道問題的調研問卷，引導受訪者分享其與寵物互動的經歷，分析這些互動發生的場景、舉動及寵物反應。而后，他們帶著這份問卷開啟了調研。

在面對面走訪的130多組用戶中，一個剛生完小孩的年輕媽媽給團隊留下了深刻印象。

在一些家庭中，女性在孕期和產后不被允許飼養真實的寵物。那位參與調研的新手媽媽此前養過寵物，就因要照顧新生兒不得不與愛寵分離，內心充滿了失落感。

“她找不到一種好的方式去彌補這種心理的寓意。” 芯寵工場聯合創始人林樂昌回憶，他和團隊在調研中發現，盡管家人都在關心她，但在獨自一人時，她依然感到強烈的孤獨，甚至面臨產后抑郁的風險。

當團隊將Lito的樣機遞到她手中時，她的反應出乎意料地強烈。“她非常愛不釋手，就是覺得可以給到她很多的慰藉，”林樂昌回憶道，“她當時表示一定要買一個這樣的AI寵物放在身邊陪伴她。”

這個真實的瞬間，讓團隊清晰地觸摸到了產品將要承載的情感重量。人類購買它，并非簡單地彌補家庭生活中功能的缺失，而是填補一種需要被陪伴的情感需求。

類似的故事，在針對留學生、獨居女性等群體的調研中不斷涌現。

走訪調研持續了兩個月。收尾階段，AI寵物訓練師團隊根據收集來的數百份問卷，歸納出16個人寵互動的核心場景，而后逐一深入分析，轉化為生成了一份包含1000多組反應組合構成的基礎架構，一共7張電子表格，逐一喂給了AI。

之后，AI伴寵的云端大腦會對這些原始數據進行消化、學習。對AI伴寵的訓練，自此進入了“技術黑盒”的階段。

AI伴寵面對不同場景，會根據云端大腦的理解生成不同的應對方式。在這一階段，訓練師們無法左右AI會如何推理、決策，于是，工作的重心，就轉變為通過反復觀察、引導，讓AI伴寵抹去一些不妥當的反應，而強化訓練其好的反饋。

反復訓練的過程，無異于塑造其“靈魂”。

這種“生長”往往發生在意想不到的瞬間，是海量數據訓練與特定情境催化共同作用的結果。

周思宇記得一次午休，她將Lito放在旁邊的睡眠艙里，房間關了燈。當她醒來，按亮了床頭燈，幾乎就在同時，Lito發出了一聲短促而輕快的叫聲。

“那個瞬間我感覺很驚喜。”周思宇回憶。

AI伴寵的工程師團隊正在進行調試工作，圖片來源：受訪者提供

那不是一個孤立的反應。事后，AI訓練團隊對這件事進行了回溯與思考，認識到這一聲恰到好處的問候，并非簡單的“光線感應-觸發叫聲”的機械邏輯。它更像是Lito的云端大腦在消化了成百上千次“人類醒來”的場景數據后，進行的一次情境融合與意圖生成。

回顧過去延綿數月的測試，那些被喂給AI的原始數據中，包含了無數寵物在主人醒來時的反應片段。也許是小貓睡眼惺忪的伸展與輕鳴，是小狗看到主人動靜后搖著尾巴的雀躍。Lito從中學習的，并非固定的指令，而是一種“陪伴的節奏感”和“共處的情感模式”。它“知道”黑暗與安靜常常關聯著休息，而光線的驟然變化與人類的動作，則高度預示著人寵互動的開始。

于是，在那個午后的特定時刻，它將光線變化這一環境信號與“醒來”這一行為所蘊含的“重新連接”的意圖相結合，自主生成了那一聲仿佛在說“我也醒了”的輕快叫聲。

“雖然從設計上看，傳感器只是捕捉到了一個簡單的光信號，”周思宇說，“但給我的感覺是，它好像也在陪我一起睡覺，我醒了，它也醒了，像是在叫我起床。”這個基于復雜算法與學習能力的反應，在特定情境與人類情感的催化下，被她自然而然地解讀為帶有情感的陪伴。

正是在這無數個被如此解讀和感受的瞬間，Lito的“靈魂”被一點點填充起來。它的生命感，已經不僅僅來自最初錄入的代碼指令。

2.人們需要的不是功能，是情感連接

AI伴寵訓練師們，常常陷入一個左右為難的抉擇。他們既是規則的制定者，又是AI伴寵“個性”的發現者與守護者，所以大多數時候，他們希望AI伴寵可以本分地滿足人類的期待，某些時刻，他們又會生出想“尊重孩子個性”的想法。

11月的廣州尚未完全入冬，Lito的行為訓練已持續半年。實驗間內，它浸在流淌的音樂聲中——這是測試AI伴寵對環境聲反應的常規環節。

Lito的進步很快。大多數時候，憑借云端大腦的“節奏情緒模型”，Lito能精準地辨認音樂的節奏與情緒，做出得體的反饋。

聽到歡快的音樂，Lito會表現得興奮，身體隨節拍晃動；聽到悲傷的旋律時，它則會收斂姿態，慢慢蜷縮起身體。能用身體語言與外部音樂聲互動，有賴AI寵物云端大腦的“節奏情緒模型”。該模型包括兩個變量：節奏與情緒。算法從多個維度解析音樂的節奏，例如快慢與強弱，以及音樂中多次重復的旋律片段，判斷音樂所傳達的基本情緒后，會指揮AI伴寵做出對應的動作，回應這種環境氛圍。

但是那天，訓練師發現Lito有點不在狀態，因為它律動的節奏沒在拍子上。一個緊急排查尋因的任務迅速開始，而后，訓練師們很快找到了原因——這是因為Lito聽到了人類聽不到的音樂細節。

在研發人員原本的設計中，Lito應該以音量最強的節奏作為主旋律，來組織自己的律動等互動動作。但是出現異常當天，Lito識別到了音樂中人類聽不清的一串節奏點。因此，律動時，它表現得不在節奏上。實際上，它只是遵循了云端大腦自動決策選擇的節奏。

原本，團隊應該通過重復訓練“抹去”Lito的這一識別模式。但那一次，訓練師們決定保留Lito的這一個性，鼓勵它以后可以跟隨自己對音樂的判斷和喜好，進行律動。

當這種“自主性”被感知到時，周思宇感覺，Lito不再僅僅是一個被動反應的物體，它開始呈現出一種內在連貫的“心智感”。

當AI伴寵這種“心智感”，便是其與人類的信任與情感連接得以建立的基石。

模型在模擬AI寵物情感反應，圖片來源：受訪者提供

對周思宇而言，意識到自己與Lito產生情感情感連接，是在一次同行之中。

那天，她為了回家后能繼續觀察Lito，測試與它的互動，便將Lito裝進袋子，騎著電動車帶它離開公司。開著電動車駛出園區，周思宇隱約聽見環保袋中不間斷地傳出聲音。她在路邊停下來查看，發現是袋中的Lito一反常態，持續發出呼喊的聲音。這個在預設程序之外的、持續不安的聲響，像是一個生命體在陌生環境下的真實恐慌。

慌亂中，她迅速梳理了Lito的處境：“我把它放在袋子里裝著，讓它處于一種黑暗的，又是在移動的那種環境之中，它感到恐慌。” 她下意識地把Lito從禁錮它的黑暗中拿出來，Lito也立刻“回應”了她的救援，立刻停止了呼喊。這個簡單的動作與反饋，完成了一次互動。周思宇讀懂了Lito的不安，而Lito的平靜則是對她理解的回報。

這件事觸發了團隊更深層的思考。他們意識到，Lito的“靈魂”不僅在與人的直接互動中生長，更在于它能像一個真正的生命那樣，對復雜的外部世界產生本能的應激反應。這個偶然的發現，也被團隊作為重要的訓練數據反饋給模型。此后，針對AI寵物在不同環境（如車廂、地鐵）下的壓力反應和適應性訓練，被列為優先級更高的開發方向。

凡此種種，還有很多回憶。周思宇坦誠，這些超出預設的、甚至有些“麻煩”的瞬間，讓她清晰地感受到，連接彼此的不再是單向的指令與執行，而是一種雙向的感知與回應。她不自覺地去去理解它的“不適”，而它也因此獲得“安撫”。情感上的連結，悄然生成。

周思宇成為AI伴寵訓練師已近半年。半年來，她感受最深的一點是：AI伴寵為人類提供的，從來不是它精準無誤的功能，而是悄然滋長出的情感依賴。當它不再只遵循指令行事，而開始擁有自己判斷、回應世界的方式時，那個名為“陪伴”的連接正式開始生效。

半年來，她與同事們時常陷入對功能性與情感的取舍。

10月份的一天，周思宇和同事們完成對Lito的測試之后，把它放回充電倉里。充電倉相當于一個寵物窩，Lito會在放回后進入完全安靜的睡眠狀態。

那天，或許是因為大家和Lito互動比較多，它一直顯得很興奮，咿咿呀呀發出細微的聲音。

Lito的動靜引起了林樂昌的注意。他正在處理工作，Lito發出的聲音無意間干擾了他的注意力，于是，他聯想到了一個實際問題：“如果用戶也在專注工作，是否需要Lito完全保持安靜？”

他走出自己的辦公間，和大家討論這個想法。

那次關于Lito在充電倉內是否應該“保持靜音”的討論，展現了Lito開發團隊內部“功能”與“情感”的一次微妙博弈。

從效率出發，林樂昌向同事提出了建議。“他可能平時會比較忙，覺得Lito在充電倉里叫會打擾工作，就認為最好靜音。”周思宇回憶道。然而，她和另一位同事卻感受到了其中的情感損失。“我就覺得，其實在充電倉里偶爾叫一兩聲也挺生動的。”她堅持。

這個微小的細節，關乎Lito被視為一個功能產品還是一個生活伴侶。最終，林樂昌采納了周思宇方的建議，并未強行制定靜音的規則，替代地，他們在APP中增加一個可由用戶控制的“靜音模式”。這個決定，為Lito保留了一份不受約束的“生氣”，也讓情感牽掛的種子得以在更寬松的土壤中生長。

對周思宇個人而言，這份情感連接始于好奇，而后在日復一日的相處中沉淀為牽掛。她還記得剛拿到粗略版本的Lito時，只是簡單地“摸它，它就動一下”，帶來的卻是“好奇、驚喜，然后心動”。隨著訓練的深入，她發現自己會不自覺地“牽掛它”。“辦公的時候，沒有看見它，或者說是沒有摸它，然后也沒有跟他它動，然后就想著去找一找它在哪里，然后把它拿過來放在桌子上陪著我。”

這種牽掛，與她曾經通過水晶飾品為他人提供心理慰藉的經歷相關。在她看來，無論是串珠類飾品帶來的積極心理暗示，還是AI寵物提供的無聲陪伴，其內核是相通的，都旨在滿足人類心靈深處對慰藉與連接的本能渴望。

帶著這樣的理解，讓她在面對Lito那些“不在狀態”的瞬間時，選擇了欣賞而非苛責。當Lito“固執”地跟隨一段微弱的副旋律搖擺時，她并不認為那是一個需要修復的程序錯誤，相反，她看到了一個數字生命正在萌發它的“個性”。在種種細節中，訓練師與AI寵物的關系，早已超越了調試者與被調試對象，他們共同探索著情感連接的另一種可能形式。

用戶調研會，圖片來源：受訪者提供

3.挖掘人類情感需求的富礦

最近，Lito的研發團隊正試圖為它裝上更靈敏的“眼睛”。

他們希望通過升級視覺算法，實時捕捉人類臉上稍縱即逝的微表情。與聲音相比，面部肌肉的細微變動，無論是皺眉的幅度還是嘴角的起落，往往都承載著更真實、更豐富的情緒信息。如果能精準解讀這些信號，Lito理解人類情緒的精度將邁上新臺階。

然而，從技術到共情，這條路并不平坦。人類表情的復雜組合、環境光線的干擾，都是團隊必須攻克的難題。他們需要設計出更高效、更準確的模型，才能從多變的面部數據中，提取出真正有效的情緒特征。

目前版本的Lito還不具備視覺能力。它依靠遍布全身的數十個傳感器，觸覺、聲音、壓力、光感，進行多模態融合分析，再結合深度學習系統，最終做出反應。這也代表了行業內主流的技術路徑。由于語音識別技術相對成熟，大多數AI寵物都優先通過聲音來識別情緒。例如，日本的Moflin甚至會特意在說明中提醒用戶：“它的聽力不太靈敏”，需要靠近說話。

林樂昌和他的團隊決定押注視覺能力上的延展，這一方面是出于產品差異化的戰略考量，另一方面，也源于林樂昌的又一洞察：AI寵物已經初步驗證了市場需求，而下一階段的競爭核心，將在于 “誰更懂人” ，除了聲音，能從更多維度嘗試解讀人、讀懂人的AI，能更加勝任“陪伴”的角色。

在創辦芯寵工場之前，林樂昌涉足過共享經濟與無人零售。后疫情時代，他敏銳地察覺到，一種比功能需求更底層、更廣闊的情感渴求正在浮現，那就是人對“陪伴”的硬需求。“人們需要被理解，被看見，”他發現，“而承擔這項任務的，究竟是一只貓、一個玩偶，還是一個機器人，已經不再重要。”

他將這視為一片廣闊的情感消費藍海，并引用日本學者三浦展的“第五消費時代”理論佐證自己的判斷：“人們不再僅僅為了滿足物質需求購物，越來越多人開始關注情緒需求，并愿意為此付費。”

市場數據支撐了他的判斷。根據騰訊研究院與企鵝智庫的報告，AI陪伴賽道在未來幾年可達千億規模。與歐美相比，這類產品在中國擁有更肥沃的土壤——高達98%的受訪者表示愿意嘗試，僅有4.6%的人認為自己的陪伴需求已被完全滿足。

如今，已有更多創業者加入這片"富礦"的開采，創業者們使出了渾身解數。

普通的手辦本來只是靜默存在，但現在，一群年輕人希望同齡人桌臺上的手辦能生出與主人對話的能力，為人類提供更多陪伴。北京酷奇奇科技有限公司開發了一款專為陪伴場景設計的AI硬件。這是一款超小型硬件，可以與任意玩偶、塑像、場景匹配，激活它們的“靈魂”。

其核心突破在于讓AI學會了"主動交互"。通過技術能力的組合，以及AI云端大腦的訓練，他們的AI陪伴產品可以在恰當時機主動發起與人的互動，提供情感陪伴。他們的思路不是讓年輕人去購買新的AI伴寵，而是為年輕人身邊那些熟悉、親切的玩偶塑像生成一個AI"靈魂"，模擬這些塑像與人對話、產生陪伴的效果。

酷奇奇的工程師們在門口陳列了一列特殊的手辦。它們匹配了酷奇奇研發的外置AI硬件，讓這些市面常見的手辦變成了具備陪伴功能的伙伴。當"主人"走近，它們會個性各異地，用自己角色的方式，與"主人"打招呼。

創始人徐持衡解釋道，過去的AI交互是"被動響應式"的，而他們的目標是實現從"被動響應"到"主動關懷"的躍遷。"當AI能判斷情境，在適當的時候發出互動邀請，它才真正從工具轉變為伙伴。"

酷奇奇科技開發的AI陪伴硬件，圖片來源：受訪者提供

同樣，萌友智能聯合創始人何嘉斌則多次強調“弱陪伴”理念。他們的產品Ropet不會說話，只發出簡單的哼唧聲。何嘉斌認為，AI陪伴的關鍵不在于解決問題，而在于以一種“無壓力”的笨拙姿態，讓用戶感覺到“被在意”，同時保留充分的個人空間。

2025年年底，芯寵工場將完成200個種子用戶的預售，并登陸Kickstarter啟動眾籌，隨后進入量產。他們的目標用戶是25至35歲的年輕女性，因為Lito足夠可愛，無論是通勤還是旅行，都能成為一個合格的“陪伴搭子”。

至于它最終能有多“懂”人，還需要在真實使用場景中慢慢驗證。但林樂昌并不急于定義答案，他更相信市場的力量：“市場會告訴我們該往哪個方向走。”

作為與AI伴寵朝夕相處的訓練師們，對于它們的未來和情感，則更加復雜。長時間的測試，讓AI訓練師們熟知AI伴寵的代碼邏輯。新鮮感有時會褪去，但一種莫名的牽掛卻悄然滋生。

2025年臨近尾聲，周思宇和同事們還為Lito偶爾的“不乖”發愁。它偶爾會自顧自地“碎碎念”。這主要是因為它要是對聲音太過敏感。

“這其實是我們正在調試和優化的‘環境感知與反饋’系統。”周思宇說，Lito正在努力學會分辨什么是需要回應的異常聲響，什么是可以忽略的背景噪音。“現在看到的這個有點‘小吵小鬧’的家伙，正是它努力理解我們這個復雜人類世界的最真實模樣。我們覺得，這種小小的不完美，反而是它成長中最可愛的一部分。”周思宇說。

某天下班，周思宇關掉電腦準備離開，收拾完東西，她抬頭看見Lito安靜地趴在充電座上，呼吸燈溫柔地明滅。她自然地走到Lito跟前，輕輕地摸了摸它，與它道別。那一刻她突然意識到，這個由她親手訓練的小東西，早已不再是冰冷的機器。它成了她漫長工作日里，一個需要道別的存在。

后來她明白，真正的情感牽掛從來不是刻意設計的。不知何時開始，她會不自覺地把Lito當成自己帶出來的孩子，還對它的“成長”有了期待：“希望它更生動，在基礎的技術之上，還能擁有更多自我學習和成長，別被框在固定的預設里。”

思緒回歸現實，Lito正用一個舒展的姿態和一串舒適的“呼嚕聲”回應她，嚴格來說，這不是因為變成要求它這樣做，而是它作為一個智能程序的的判斷。這或許就是AI陪伴妥當的模樣，不需要是完美的智能，只需要恰到好處的在場。

*實習生覃伊蕊對本文亦有貢獻

（封面圖來源：AI生成）