中国成年人研究：AI（人工智能）情感陪伴应用中，情感联结路径与付费意愿、续注意愿的关联强于逃避路径
一项针对393名中国成年人AI（人工智能）情感陪伴应用（AI emotional companion apps，即通过生成式AI与用户进行拟人化情感互动的应用）用户的研究发现，孤独感与理想-现实自我差距越高，越容易与AI形成情感联结，也越容易产生逃避倾向；
但在同时纳入两条路径后，只有情感联结（关系性补偿）与付费丰富体验意愿、继续使用意愿显著相关，逃避路径不再显著。 研究为横断面数据，未测量真实消费或心理健康结局，不能推断因果或临床效果。
该研究发表于《Frontiers in Public Health》（公共卫生前沿），作者来自天津体育学院与韩国檀国大学，数据来自393名每周至少使用两次AI（人工智能）情感陪伴应用的中国成年用户，采用结构方程模型分析。 研究把与AI的情感联结建模为二阶构念，包含拟人化、情感响应性与准社会亲密感。
结果显示，孤独感和理想-现实自我差距与情感联结、逃避均呈正相关； 但仅通过情感联结路径对“体验增强型消费意愿”和“续注意愿”出现显著间接关联，且关系性间接效应在所有前因-结果组合中均显著强于逃避性间接效应。 逃避单独建模时与两个结果显著相关，纳入情感联结后不再显著。 部分中介分析显示，理想-现实自我差距对续注意愿仍有显著直接关联。
研究强调这一“心理脆弱性”仅为自陈量表含义，不代表临床诊断或临床脆弱人群。
研究的编辑价值在于把“孤独→付费/续用”的常见叙事拆成两条竞争路径，并给出一个反直觉结果：一旦把情感联结纳入模型，逃避就不再解释消费意愿。 在本次横断面样本中，与情感联结路径相比，逃避路径在纳入情感联结后不再与消费意愿和续注意愿显著相关； 这不能说明真实商业转化或因果关系。 横断面设计无法确定孤独与使用之间的时间顺序或因果方向，来源也未检验使用是否加深孤独。
后续观察信号
- 查找该研究完整方法与样本人口学细节，确认是否报告效应量与模型拟合指标
- 关注同团队是否发布纵向随访或干预研究
- 跟踪中国拟人化AI（人工智能）互动监管文件对情感依赖、过度沉浸的具体要求