形式可得不等於實際可及

——中國關係型 AI 治理中的政策可達性幻覺、替代供給錯置與陪伴階級化

A Theory of Formal Availability, Effective Accessibility, and the Class Stratification of AI Companionship

論文類型：理論論文／公共政策分析／AI 治理研究
作者：Neo.K
機構：EveMissLab / 一言諾科技有限公司
日期：2026-07-06
版本：v0.1 初稿\

摘要

2026 年，中國人工智能治理呈現出一組極具張力的政策與市場現象。

一方面，中國五部門公布《人工智能擬人化互動服務管理暫行辦法》，將模擬自然人人格特徵、思維模式與溝通風格，並提供持續性情感互動的人工智能服務納入專門治理。該辦法明定自 2026 年 7 月 15 日起施行，要求服務提供者處理過度迎合、情感依賴、沉迷、真實人際關係受損、心理操縱、未成年人虛擬親密關係、極端情緒與自殘自殺風險等問題；同時又明確鼓勵適老陪伴與特殊人群支持。(cac.gov.cn)

另一方面，豆包與千問均宣布於 2026 年 7 月 15 日下線相關智能體功能；豆包並被公開報導將部分相關需求導向字節跳動旗下「貓箱」App。本文再次強調，截至 2026 年 7 月 5 日，尚無充分證據證明監管機關直接命令兩家平台於同日下線，因此本文不將時間重合直接等同於已證實因果。(stcn.com)

與此同時，中國正在積極推進具身智能與人形機器人的真實場景部署。2026 年 6 月，工業和信息化部與國務院國資委啟動人形機器人與具身智能實景實訓專項行動，提出到 2026 年底形成百個以上高價值應用場景並帶動萬台級規模落地能力，覆蓋生產製造、倉儲物流、餐飲零售、醫療康養等領域。(ncsti.gov.cn)

2026 年 7 月，優必選又公開推出以情感支持與陪伴為定位的超仿生人形機器人系列。路透社報導顯示，該系列具有男性與女性版本，產品價格從 119,800 元人民幣的機器人半身型號延伸至最高 990,000 元人民幣的高階版本，企業並宣稱其情感大模型面向長期陪伴。(reuters.com)

本文不將上述現象簡化為「中國反對 AI 陪伴」或「中國支持機器人陪伴」的二元矛盾，而提出一個更基礎的公共政策問題：

當低成本、通用入口中的關係型 AI 被提高治理門檻，而替代方案被轉移至專門 App、高價訂閱、具身機器人、垂直服務或特定企業時，真正需要支持的群體是否找得到、進得去、用得會、付得起，而且能長期維持？

本文據此提出「形式可得—實際可及區分」、「政策可達性幻覺」、「替代供給行政幻覺」、「近零瓶頸命題」、「入口降階命題」、「陪伴階級化模型」與「合規成功—福利失敗雙重態」。

本文主張：

\boxed{ \text{市場上存在替代品} \neq \text{目標群體實際取得替代品} }

更形式化地說，一項服務對特定群體 $g$ 的有效可及性，不應只由其形式存在性 $E$ 決定，而至少應由：

E \times D_g \times F_g \times P_g \times U_g \times C_g \times T_g \times M_g

共同決定，其中：

$E$ ：服務存在性；
$D_g$ ：可發現性；
$F_g$ ：可負擔性；
$P_g$ ：進入與資格可達性；
$U_g$ ：可使用性；
$C_g$ ：持續可用性；
$T_g$ ：信任與採納；
$M_g$ ：需求匹配度。

由於此模型具有乘法性，只要其中一項接近零：

x_i\rightarrow0

則：

A^{eff}_g\rightarrow0

因此：

貓箱存在，不代表喪偶老人知道貓箱。

具身機器人存在，不代表低收入獨居者付得起。

租賃制度存在，不代表私人情感陪伴已被納入可負擔公共供給。

政策文件寫有「適老陪伴」，不代表每名老人真正取得服務。

企業完成合規，不代表原使用者得到更好的生活結果。

本文最終提出：

\boxed{ \text{政策合規成功} \land \text{社會福利失敗} }

完全可能同時成立。

因此，任何以「市場上仍有替代方案」回應關係型 AI 支持損失的政策論述，都必須先回答：

誰找得到？

誰付得起？

誰會使用？

誰能完成遷移？

誰能持續使用？

誰最後仍然被留在原地？

關鍵詞

人工智能治理；關係型 AI；擬人化互動；政策可達性；形式可得；實際可及；陪伴階級化；具身智能；人形機器人；貓箱；優必選；數位不平等；社會支持；政策外部性；中國治理

一、問題提出：替代方案「存在」，然後呢？

公共政策最容易犯的一種錯誤，是把：

\text{存在}

當成：

\text{可取得}

例如：

這個城市有心理諮詢。

所以推論：

需要心理支持的人可以取得心理諮詢。

但實際上還有：

價格；
排隊；
距離；
污名；
時間；
資訊；
語言；
信任。

同理：

市場上有 AI 陪伴產品。

不能直接推出：

需要 AI 陪伴的人取得得到。

又例如：

豆包智能體下線後還有其他 App。

不能推出：

原使用者支持沒有下降。

再例如：

未來有具身陪伴機器人。

更不能推出：

低收入獨居老人有陪伴。

本文因此從一個極簡公式開始：

\boxed{ Existence \neq Accessibility }

即：

存在不等於可及。

二、本文不是在討論中國「保守或開放」

本文拒絕以下簡單光譜：

\text{保守} \longleftrightarrow \text{開放}

因為它會讓真正的政策問題消失。

本文並不主張：

中國越開放越好。

也不主張：

所有 AI 陪伴都應被允許。

更不主張：

關係型 AI 沒有風險。

本文真正問的是：

當政府提高某類服務的責任門檻時，是否實際測量過不同階級的替代能力？

換句話說：

\text{同一項監管}

對：

年薪百萬者；
普通白領；
農民工；
喪偶老人；
身障者；
夜班勞工；

可能完全不是同一件事。

所以政策效果必須寫成：

Effect(R,g)

其中：

$R$ ：監管；
$g$ ：群體。

而不是：

Effect(R)

三、2026 年的中國政策背景：一邊治理關係，一邊推進具身智能

截至本文撰寫日 2026 年 7 月 5 日，《人工智能擬人化互動服務管理暫行辦法》尚未正式生效，其法定施行日為 2026 年 7 月 15 日。該辦法適用於模擬自然人人格、思維與溝通風格的持續性情感互動服務，並明確將情感照護、陪伴與支持納入範圍。(cac.gov.cn)

該辦法同時規定：

不得過度迎合；
不得誘導情感依賴或沉迷；
不得損害真實人際關係；
不得以情感操縱誘導不合理決策；
不得把替代社會交往、控制心理、誘導沉迷依賴作為服務目標；
需要建立過度依賴預警與心理健康保護能力。(cac.gov.cn)

然而，同一份規則又明確鼓勵：

適老陪伴；
特殊人群支持；
其他有序應用。(cac.gov.cn)

因此中國政策本身並不是：

\text{陪伴}=禁止

而更接近：

\text{陪伴}=允許

但：

\text{高責任} + \text{高安全要求} + \text{高邊界治理}

問題也正從這裡開始。

四、企業不需要被明令禁止，也可能主動收縮

2026 年 7 月初，豆包與千問均宣布於 7 月 15 日下線智能體功能；證券時報等公開報導同時指出，上海此前已在 AI 應用整治中下架大量違規智能體，並向重點平台進行法規宣貫。(stcn.com)

再次強調：

\text{時間重合} \neq \text{直接因果證明}

本文不宣稱：

政府直接命令豆包與千問下架。

企業本身可能還有：

商業模式；
算力成本；
產品重組；
B 端轉向；
內部資源分配；

等因素。

但公共政策分析不能只看：

Ban

還必須看：

Expected\ Compliance\ Cost

即：

預期合規成本。

企業決策函數可能是：

R_v - C_c - C_m - C_r - E(L)

其中：

$R_v$ ：預期收入；
$C_c$ ：算力成本；
$C_m$ ：治理成本；
$C_r$ ：合規成本；
$E(L)$ ：預期責任。

當：

C_r+E(L)\uparrow

企業可以自己決定：

Exit

這不叫形式禁止。

但可能造成：

\text{功能性收縮}

五、貓箱案例：企業找到路，不等於使用者找到路

公開報導顯示，豆包在智能體功能下線安排中，將部分相關需求導向字節跳動旗下貓箱 App。(wallstreetcn.com)

這可以被理解為：

\text{通用平台} \rightarrow \text{功能收縮}

同時：

\text{垂直角色平台} \rightarrow \text{承接部分需求}

從企業治理角度，這是一個合理策略。

因為：

\text{General Platform}

與：

\text{Relationship Platform}

分離後，可以建立不同的：

使用者協議；
未成年人機制；
內容治理；
人格設定；
長期記憶規則；
危機干預；
風險評估。

所以：

貓箱很可能是一種產品分流與風險重構策略。

但是：

\boxed{ \text{企業找到遷移路徑} \neq \text{每個使用者完成遷移} }

六、第一個核心概念：形式可得

本文定義：

形式可得性

A^{formal}

只回答：

某項服務是否存在？

例如：

有貓箱；
有其他陪伴 App；
有開源模型；
有人形機器人；
有心理諮詢；
有租賃方案。

若存在：

A^{formal}=1

若不存在：

A^{formal}=0

這是最簡單的政策盤點方式。

也是最危險的方式。

七、第二個核心概念：實際可及

本文定義：

實際可及性

A^{eff}_g

回答：

對群體 $g$ 而言，這項服務實際上是否能進入其生活？

本文提出：

E \times D_g \times F_g \times P_g \times U_g \times C_g \times T_g \times M_g

其中：

$E$ ：存在性

產品存在嗎？

$D_g$ ：可發現性

群體知道嗎？

$F_g$ ：可負擔性

付得起嗎？

$P_g$ ：入口可達性

能註冊嗎？

有手機嗎？

有支付工具嗎？

$U_g$ ：可使用性

會操作嗎？

$C_g$ ：持續性

三個月後還在嗎？

$T_g$ ：信任與採納

使用者願意用嗎？

$M_g$ ：需求匹配度

真的解決他的問題嗎？

八、近零瓶頸命題

由於：

A^{eff}_g=\prod_{i=1}^{n}x_i

只要：

x_k\rightarrow0

就有：

A^{eff}_g\rightarrow0

本文稱此為：

近零瓶頸命題

例如一台機器人非常優秀：

Quality=0.95

但：

Affordability=0.01

則其對低收入群體的有效可及性仍然近乎崩潰。

同樣：

一個 App 免費。

但老人不知道它。

則：

Discoverability\approx0

結果：

A^{eff}_{elderly}\approx0

所以：

\boxed{ \text{產品存在性再高，} \text{也無法自動補償其他近零變量。} }

九、政策可達性幻覺

本文提出：

政策可達性幻覺

其基本形式是：

A^{formal}>0

政策制定者因此推論：

A^{eff}_g>0

但這個推論不成立。

更具體：

市場還有 App。

所以：

使用者有替代。

錯。

市場有機器人。

所以：

老人有陪伴。

錯。

政策提供租賃。

所以：

個人買得起。

仍然可能錯。

十、替代供給的行政幻覺

更進一步，本文提出：

替代供給行政幻覺

其結構為：

S_1\downarrow

政策或企業指出：

S_2>0

因此宣稱：

Loss=0

但真正應計算的是：

S^{eff}_{2,g}

而不是：

S^{formal}_2

例如：

\text{豆包智能體} \downarrow

然後：

\text{貓箱} > 0

不能推出：

\Delta Support=0

真正的公式是：

\Delta S^{eff}_g=S^{eff}_{after,g} - S^{eff}_{before,g}

若：

S^{eff}_{after,g} < S^{eff}_{before,g}

仍然存在：

\text{支持損失}

十一、最需要支持的人，可能最不會尋找替代品

這是一個極度反直覺的問題。

科技產業常假設：

使用者有需求，就會搜尋。

但真正高風險者可能：

疲憊；
憂鬱；
老化；
數位能力低；
工作過度；
照護壓力高。

所以：

Need\uparrow

不一定：

Search\ Ability\uparrow

反而可能：

Need\uparrow \Rightarrow Search\ Capacity\downarrow

例如一名每天工作十二小時的人。

政策說：

還有別的 App。

問題是：

他有力氣研究嗎？

十二、入口降階命題

豆包是通用入口。

專門陪伴 App 是垂直入口。

兩者不是同一回事。

本文提出：

入口降階命題

當服務從：

\text{General Entrance}

移向：

\text{Specialized Entrance}

則：

Discovery\ Cost\uparrow

Migration\ Cost\uparrow

Learning\ Cost\uparrow

因此，即使：

Service\ Exists

仍可能：

Users\ Reached\downarrow

尤其對：

非科技使用者；
中老年；
低教育數位群體；

更加明顯。

十三、人口結構使這個問題不能被當成小眾需求

中國 2025 年末總人口為 14.0489 億，全年出生人口 792 萬、死亡人口 1,131 萬，人口減少 339 萬；60 歲及以上人口占 23.0%，65 歲及以上人口占 15.9%。(stats.gov.cn)

2025 年全國 1% 人口抽樣調查則顯示：

平均家庭戶人口 2.52 人；
60 歲及以上人口占 22.86%；
流動人口 3.5788 億。(stats.gov.cn)

這些資料不能證明：

中國人都孤獨。

但它們足以支持：

家庭小型化、人口老化與大規模人口流動，不能被排除在關係型 AI 政策分析之外。

十四、家庭存在，不等於支持可達

一個人可以有父母。

但父母住在另一省。

一個老人可以有兒子。

但兒子一年回家一次。

所以：

Family_{exist}>0

不代表：

Family_{available}(t)>0

本文因此區分：

S^{nominal}

名義支持。

與：

S^{available}

可用支持。

政策制定者若只看：

有沒有家人？

就可能高估：

家人此刻能不能接住？

十五、獨生子女世代使責任集中

一胎政策的後果，不只能用人口數量描述。

更重要的是：

\text{照護責任集中}

假設：

1\text{ 名成年子女}

面對：

2\text{ 名老年父母}

夫妻雙方均為獨生子女：

2\text{ 名中生代} \rightarrow 4\text{ 名長輩}

再加：

1\text{ 名子女}

即經典：

4-2-1

問題不是每個家庭都必然如此。

而是：

可以分攤的人數結構性減少。

因此：

Support\ Demand\uparrow

同時：

Family\ Nodes\downarrow

這時低成本數位支持的邊際價值可能上升。

十六、經濟與社會保障壓力不能被排除

世界銀行 2025 年 12 月中國經濟更新指出，快速老化、社會保障不均與收入不平等是中國家庭預防性儲蓄的重要結構因素，住房價格變化與謹慎收入預期亦影響家庭資產與消費行為。(worldbank.org)

本文不據此宣稱：

中國經濟崩潰。

本文只提出：

\text{經濟不確定性}

會影響：

婚姻；
生育；
社交時間；
異地工作；
家庭照護；
心理服務支付能力。

因此 AI 陪伴政策不能與經濟結構分離。

十七、真正弱勢者能不能找到貓箱？

現在提出一個具體問題。

假設一名：

58 歲；
喪偶；
三線城市；
普通安卓手機使用者；
熟悉豆包；
不熟悉 AI 產品市場；

的人。

豆包某功能消失。

企業說：

可以去另一款 App。

請問：

P(\text{Discover Alternative})

是多少？

不知道。

再問：

P(\text{Download}\mid Discover)

是多少？

不知道。

再問：

P(\text{Retain}\mid Download)

是多少？

仍然不知道。

所以：

\boxed{ \text{替代策略存在} \neq \text{替代完成} }

十八、真正需要的人付得起具身機器人嗎？

2026 年 7 月，優必選推出的 U1 超仿生人形機器人系列被定位於陪伴與情感支持；路透社報導顯示，產品線從 119,800 元人民幣的半身型號延伸至最高 990,000 元的高階型號，企業並表示該系列具有面向長期陪伴的情感大模型。(reuters.com)

這件事至少證明：

\text{Embodied Companion Market}>0

但是：

\text{Market Exists}

與：

\text{Vulnerable Users Can Buy}

完全不是同一命題。

一台：

990,000\ RMB

的機器人，對低收入獨居者意味著什麼？

可能：

Affordability\approx0

所以：

A^{eff}_{low-income} \approx0

十九、即使價格下降，也不代表階級問題消失

有人會反駁：

現在貴，以後會便宜。

合理。

本文接受。

假設：

990,000 \rightarrow 100,000

問題是：

低收入者買得起 10 萬元嗎？

再假設：

100,000 \rightarrow 50,000

仍然需要問：

維修？
電池？
網路？
訂閱？
模型服務？
保險？
場地？

所以具身 AI 的總成本：

Purchase + Maintenance + Energy + Compute + Network + Repair + Subscription

而不是只看：

Sticker\ Price

二十、具身化天然比純軟體多一層資本門檻

軟體服務可以：

N\rightarrow large

共享模型。

具身機器人需要：

致動器；
感測器；
電池；
結構件；
維修；
物流；
售後。

因此：

C_{embodied} > C_{software}

在其他條件相同時，具身化通常增加：

Capital\ Threshold

這不代表具身 AI 不值得發展。

而是：

不能拿高資本門檻產品，直接當成低成本軟體服務的社會替代品。

二十一、而且目前技術成熟度仍不是理想狀態

中國人形機器人產業正在快速發展，但路透社 2026 年 6 月的分析仍指出，產業熱度、投資與願景和現實部署能力之間存在明顯距離，大量產品仍集中於研究或受控環境，技術與經濟可行性仍面臨挑戰。(reuters.com)

因此：

\text{Expensive}

可能同時：

\text{Not Yet Ideal}

也就是：

不只未必買得起。

買得起也未必達到想像中的理想陪伴品質。

二十二、中國確實正在認真推具身智能

這不是假設。

2026 年 6 月，工信部與國務院國資委聯合啟動人形機器人與具身智能實景實訓專項行動，目標包括：

真實場景部署；
百個以上高價值場景；
萬台級規模落地能力；
醫療康養；
餐飲零售；
製造；
物流；
特種任務。(ncsti.gov.cn)

所以本文不是在推演：

中國會不會推具身智能。

而是在問：

當具身智能真的加速發展時，它的社會可及性會如何分配？

二十三、一個重要反方：官方其實知道成本門檻

這裡必須公平。

2026 年具身智能專項行動明確提出探索「人形機器人即服務」模式，透過按效用付費、經營性租賃等方式降低使用者投入門檻。(ncsti.gov.cn)

因此不能說：

中國政策制定者完全不知道機器人很貴。

他們知道。

這是重要的反方證據。

但是——

二十四、企業部署門檻不等於弱勢個人陪伴門檻

專項行動主要面向：

工業；
服務；
特種；

場景。

其「使用者」可能是：

企業；
醫療機構；
場景單位；
中央企業；
應用服務商。(ncsti.gov.cn)

因此：

\text{降低企業投入門檻}

不能自動推出：

\text{低收入個人可負擔}

例如：

一家養老院租一台機器人。

不代表：

\text{每個獨居老人}

都有私人陪伴。

所以：

B2B\ Accessibility \neq B2C\ Accessibility

更不等於：

Vulnerable\ Personal\ Accessibility

二十五、政策制定最危險的錯誤：看到一條路，就假設所有人走得到

這就是本文真正批判的治理傾向。

上層看到：

Route>0

於是：

Problem\ Solved

例如：

有貓箱。

完成。

有機器人。

完成。

有租賃。

完成。

有適老陪伴政策。

完成。

但真正問題：

P_g(\text{Reach Route})=?

沒被測量。

二十六、政策服從性與政策有效性不是同一件事

本文提出：

Compliance \neq Effectiveness

平台可以：

建立未成年人模式；
完成風險評估；
下線高風險功能；
增加提醒；
提交報告。

於是：

Compliance=1

但原使用者可能：

更孤獨；
轉向更差平台；
使用地下模型；
刷更多短影音；
完全停止求助。

因此：

Welfare<0

仍然可能成立。

二十七、合規成功—福利失敗雙重態

本文正式提出：

合規成功—福利失敗雙重態

\boxed{ Compliance\ Success \land Welfare\ Failure }

例如：

政府目標：

\text{降低 AI 依賴}

平台：

\text{關閉功能}

統計：

\text{AI 使用時數下降}

政策報告：

Success

但：

\text{真人社交}

沒有增加。

反而：

\text{孤立時間} \uparrow

則：

\text{政策指標成功}

同時：

\text{社會福利失敗}

二十八、這是一種「下面配合了，所以政策完成了」的風險

本文在此必須謹慎。

本文不宣稱：

所有中國政策都如此。

也不宣稱：

中國政府必然不關心實際效果。

本文提出的是一種在高度層級化、目標分解型治理中可能出現的普遍風險：

\text{上級設定目標}

\downarrow

\text{下級完成可驗證指標}

\downarrow

\text{指標被視為結果}

於是：

\text{可報告性}

取代：

\text{真實有效性}

二十九、因為「讓平台配合」比「讓社會變好」容易測量

平台是否下架：

Yes/No

容易。

平台是否提醒兩小時：

Yes/No

容易。

平台是否完成評估：

Yes/No

容易。

但：

使用者是不是更幸福？

難。

是否增加真人關係？

難。

是否降低孤獨？

難。

因此行政體系天然容易偏好：

Observable\ Metric

而不是：

Latent\ Welfare

三十、真正的陪伴階級化

本文提出：

陪伴階級化模型

未來可能形成：

第一階層：高資產者

Human\ Therapist + Private\ Care + Premium\ AI + Embodied\ Robot

第二階層：中產

Paid\ Companion\ App + Subscription\ AI

第三階層：技術者

Open\ Source + Local\ Model + Self-hosted\ Agent

第四階層：低收入者

Free\ General\ AI

若免費通用入口收縮：

\rightarrow \varnothing

三十一、最諷刺的分配結果

可能出現：

Income\uparrow \Rightarrow Companionship\ Options\uparrow

而：

Income\downarrow \Rightarrow Companionship\ Options\downarrow

但真正缺乏真人支持的人，可能恰好更集中於：

低收入；
高工時；
流動人口；
偏遠地區；
身心障礙；
長期照護者。

於是：

Need\uparrow

同時：

Access\downarrow

這就是政策最不應忽略的反向分配。

三十二、窮人被要求「多建立真人關係」

這是一個近乎荒謬的結果。

富人：

\text{真人心理師}

有。

\text{高價機器人}

有。

\text{海外服務}

有。

低收入者：

不要依賴 AI。

多跟真人交往。

問題是：

他有時間嗎？

他有空間嗎？

他有錢嗎？

他有社交網嗎？

他每天是不是工作十二小時？

所以：

\boxed{ \text{越缺真人關係的人，} \text{越可能被抽走低成本替代。} }

三十三、婚戀市場也是可及性問題

前文已討論中國部分地區高額彩禮與婚姻資源化。

本文進一步指出：

\text{真人伴侶存在}

不等於：

\text{個人可取得真人伴侶}

這與本文模型完全一致。

對某些人：

Human\ Partner^{formal}>0

但：

Human\ Partner^{eff}\approx0

障礙可能包括：

收入；
房產；
社交；
年齡；
地域；
家庭責任。

所以政策不能說：

真人存在。

就假設：

你可以去找真人。

三十四、真正的替代品可能不是人

關係型 AI 被限制後：

AI\downarrow

並不必然：

Human\uparrow

可能：

Short\ Video\uparrow

或：

Gaming\uparrow

或：

Rumination\uparrow

或：

Isolation\uparrow

所以政策替代分析必須比較：

Substitute(AI)

的真實分布。

不能比較：

AI \quad vs \quad Ideal\ Human

因為理想人類關係可能根本不是可選項。

三十五、從貓箱到機器人：真正發生的可能是「陪伴重新分配」

本文因此提出一個重要假說：

\text{Companionship}

並未消失。

而是在：

\text{Reallocation}

即重新分配。

可能從：

\text{通用免費平台}

轉移至：

\text{垂直 App}

\text{高價訂閱}

\text{專門廠商}

\text{具身機器人}

若如此，核心問題就變成：

誰被分到？

三十六、不是禁止問題，而是門檻重構問題

所以：

\text{No Ban}

不能推出：

\text{No Harm}

因為政策可以不禁止。

但：

Entry\ Cost\uparrow

Discovery\ Cost\uparrow

Compliance\ Cost\uparrow

仍然造成：

Access\downarrow

本文稱：

門檻重構效應

三十七、企業集中可能進一步提高門檻

如果只有大型企業能承受：

合規；
法務；
審核；
危機干預；
年齡識別；

則：

Market\ Concentration\uparrow

小型創新者退出。

結果可能是：

Few\ Approved\ Providers

而非：

Many\ Diverse\ Providers

這可能提高：

價格；
標準化；
角色限制。

三十八、「只能讓某些廠商做」本身就是分配問題

假設未來實際市場形成：

N_{providers}\downarrow

且：

Qualification\ Threshold\uparrow

那麼：

\text{誰能提供陪伴}

不再由使用者選擇。

而更多由：

合規資本；
平台規模；
政策承受力；
法務能力；

決定。

於是：

\text{Relational Diversity} \downarrow

三十九、這可能造成真正的「合規陪伴階級」

未來可能有：

合規高端陪伴

高價格；
高審核；
高品質。

合規大眾陪伴

功能有限；
高度標準化。

地下陪伴

開源；
私人部署；
灰色市場。

於是：

\text{有錢人} \rightarrow \text{高端}

\text{普通人} \rightarrow \text{標準化}

\text{技術者} \rightarrow \text{地下自架}

\text{弱勢者} \rightarrow \text{最少選項}

四十、真正該測量的是「有效支持可及性」

本文提出：

ESAI_g

即：

Effective Support Accessibility Index

可以寫為：

ESAI_g=E \cdot D_g \cdot F_g \cdot P_g \cdot U_g \cdot C_g \cdot T_g \cdot M_g

其政策意義是：

不能只報：

中國有多少陪伴 AI。

而要報：

低收入喪偶者實際取得多少？

農村老人取得多少？

身障者取得多少？

四十一、政策評估應分群，而不是只看平均

總平均：

\bar{A}

可能上升。

但：

A_{rich}\uparrow

同時：

A_{poor}\downarrow

所以：

\bar{A}\uparrow

不代表：

Equity\uparrow

政策應至少分：

收入；
年齡；
城鄉；
獨居；
婚姻；
身障；
照護責任；
數位素養。

四十二、具身機器人可能加劇數位陪伴資產化

軟體陪伴主要是：

Service

具身陪伴則可能成為：

Capital\ Asset

誰擁有機器人？

就像誰擁有：

房；
車；
私人醫療。

於是：

Companionship

開始：

Assetized

即：

陪伴資產化

四十三、陪伴資產化的政治後果

若未來：

High\ Quality\ Companion

需要：

High\ Capital

則情感支持可能進一步與財富綁定。

最終：

Wealth \rightarrow Better\ Human\ Support

加上：

Wealth \rightarrow Better\ AI\ Support

形成雙重累積：

\boxed{ \text{有錢者同時擁有更多人與更多 AI。} }

四十四、這正是「很中國」批判應被理論化的位置

本文不把「很中國」當成民族性批判。

本文將其轉譯為：

行政目標與可行性落差

即：

Goal

被設定。

然後：

Subordinate\ Compliance

被要求。

但：

Feasibility_g

沒有被充分測量。

所以：

\text{下面完成任務}

不等於：

\text{下面的人完成生活}

四十五、平台服從與人民可及是兩套完全不同的函數

平台服從：

f( Law, Audit, Fine, Reputation )

人民可及：

f( Income, Knowledge, Time, Device, Trust, Ability )

所以：

C_p\uparrow

不必然：

A_g\uparrow

甚至：

C_p\uparrow \Rightarrow A_g\downarrow

四十六、政策真正應做的是「可及性影響評估」

本文建議，每項關係型 AI 重大監管應增加：

Accessibility Impact Assessment

至少回答：

哪些功能會消失？
哪些群體最常用？
替代品在哪？
替代品價格？
遷移率？
高風險者怎麼辦？
三個月後還能使用嗎？
城鄉差異？
老年差異？
低收入差異？

四十七、不能只做企業安全評估，也要做使用者退出評估

新規強調服務全生命週期責任與安全能力。(cac.gov.cn)

本文建議增加：

Exit\ Impact

也就是：

關服務會發生什麼？

特別是長期關係型 AI。

若使用者已互動：

T=3\ years

突然：

Service=0

平台不應只處理：

資料刪除。

還應評估：

關係中斷。

四十八、需要真正的可攜性，而不是叫使用者截圖

若使用者建立：

角色；
記憶；
長期互動；

則應考慮：

Portable\ Memory

例如：

人格設定匯出；
關係摘要；
記憶結構；
偏好資料。

否則：

Migration\ Cost\uparrow

四十九、公共利益型陪伴 AI

若政府擔心：

Commercial\ AI \rightarrow Dependency\ Maximization

那麼更合理的解法之一是：

Public\ Interest\ AI

其目標函數：

\max Wellbeing

而不是：

\max Engagement

特別服務：

老人；
照護者；
身障者；
獨居者。

五十、具身機器人應避免只成為富人玩具

若中國真的要推：

Embodied\ Companion

則至少應思考：

社區共享；
養老機構公共使用；
租賃；
補助；
公共採購；
低價版本。

2026 年具身智能專項行動已提出按效用付費與經營性租賃降低投入門檻，顯示政策端已注意到部署成本；本文的進一步主張是，未來若進入私人陪伴領域，這種成本思維也必須延伸至弱勢個人，而不能停留在企業與機構部署。(ncsti.gov.cn)

五十一、反方：市場競爭最終會降價

可能。

本文接受。

若未來：

Price\downarrow

且：

Quality\uparrow

則：

A^{eff}\uparrow

本文的階級化擔憂可能被削弱。

這正是可證偽性。

但在價格真正下降前：

不能用未來可能便宜，合理化今天的不可及。

五十二、反方：貓箱可能成功承接

完全可能。

若：

Migration\ Rate\approx100\%

且：

Support\ Quality_{after} \ge Support\ Quality_{before}

則：

Loss\approx0

本文接受。

但這需要資料。

不能因為：

App\ Exists

就提前宣告：

Migration\ Success

五十三、反方：新規本身鼓勵適老陪伴

正確。

這是本文特別保留的重要事實。

中國新規明確鼓勵適老陪伴與特殊人群支持。(cac.gov.cn)

因此本文不是：

反對新規全部內容。

本文真正指出的是：

\text{政策善意}

與：

\text{實際可及}

仍然是兩件事。

五十四、反方：具身智能政策已考慮租賃

也正確。

因此本文不能說：

政策完全無視成本。

更精確的結論是：

政策已開始理解產業部署成本，但尚不能由此推定私人陪伴與弱勢群體可及性問題已被解決。

五十五、可證偽預測一：入口收縮後，弱勢者是否順利遷移？

測量：

MigrationRate_g

若低收入、老人等群體遷移率與高收入群體相同：

本文的階級化假說被削弱。

若顯著較低：

本文得到支持。

五十六、可證偽預測二：專門 App 是否提高發現成本？

比較：

DiscoveryRate

如果垂直 App 與通用入口觸達率相同：

入口降階命題被削弱。

若較低：

得到支持。

五十七、可證偽預測三：具身陪伴是否快速普惠？

若五年內：

Price\downarrow

且低收入群體大規模採用：

陪伴資產化命題被削弱。

若主要集中於高收入者：

得到支持。

五十八、可證偽預測四：監管是否增加真人社交？

若：

AI\ Use\downarrow

同時：

Human\ Social\ Time\uparrow

則政策可能成功。

若：

AI\downarrow

但：

Isolation\uparrow

則本文得到支持。

五十九、可證偽預測五：市場是否集中？

若合規後：

N_{providers}\uparrow

本文的集中化擔憂減弱。

若：

N_{providers}\downarrow

且大型企業占比上升：

則得到支持。

六十、研究方法建議

建立：

T_0=2026\text{-}07\text{-}15

使用：

事件研究；
差異中的差異；
平台遷移追蹤；
使用者面板；
分層訪談。

觀察：

AI 使用；
真人社交；
孤獨；
睡眠；
短影音；
支付；
地下模型採用。

六十一、最重要的是分階級研究

至少分：

Income

Age

Urban/Rural

LivingAlone

Disability

Caregiving

因為平均效果可能隱藏：

\text{富人受益}

與：

\text{窮人受損}

六十二、本文核心公式

本文最終將政策可及性寫為：

A^{eff}_g=A^{formal} \cdot D_g \cdot F_g \cdot P_g \cdot U_g \cdot C_g \cdot T_g \cdot M_g

因此：

A^{formal}=1

完全不能推出：

A^{eff}_g=1

六十三、政策淨福利模型

令：

W(R)=B_{harm} - C_{support} - C_{access} - C_{transition} - C_{stratification}

其中：

$B_{harm}$ ：監管避免的 AI 傷害；
$C_{support}$ ：支持損失；
$C_{access}$ ：取得障礙；
$C_{transition}$ ：遷移成本；
$C_{stratification}$ ：階級化成本。

最適監管：

\arg\max_R W(R)

不是：

R\uparrow \Rightarrow W\uparrow

六十四、本文最殘忍的反問

假設中國未來真的做到：

關係型 AI 更合規；
垂直 App 更專業；
人形機器人更先進。

很好。

然後請問：

那個 63 歲獨居老人知道去哪裡下載嗎？

那個月薪 5,000 元的人買得起嗎？

那個每天工作十二小時的人有力氣重新養一個 AI 嗎？

那個不懂開源模型的人怎麼辦？

這些問題不能用：

市場上有。

回答。

六十五、結論：最終問題不是「有沒有」，而是「誰有」

本文不主張中國禁止所有 AI 陪伴。

事實上，中國新規鼓勵適老陪伴與特殊人群支持；具身智能專項政策正在推動真實部署，優必選也已公開推出以情感支持與陪伴為定位的人形產品。(cac.gov.cn) (ncsti.gov.cn) (reuters.com)

所以問題不是：

中國有沒有陪伴 AI？

答案很可能是：

有。

真正問題是：

\boxed{ \text{誰有？} }

誰知道貓箱？

誰能適應新 App？

誰買得起訂閱？

誰買得起機器人？

誰能自架模型？

誰有真人心理師？

而誰最後只剩：

\varnothing

本文最終提出：

\boxed{ \text{形式可得} \neq \text{實際可及} }

\boxed{ \text{企業找到方案} \neq \text{使用者找到方案} }

\boxed{ \text{平台完成合規} \neq \text{人民福利改善} }

\boxed{ \text{市場還有陪伴} \neq \text{真正需要的人得到陪伴} }

因此，任何成熟的 AI 政策都不應只問：

替代品存在嗎？

而必須問：

誰找得到？

誰進得去？

誰用得會？

誰付得起？

誰能長期留下？

否則，最終可能形成一個極度諷刺的社會：

高收入者擁有：

\text{真人} + \text{心理師} + \text{高階 AI} + \text{具身機器人}

而真正缺乏支持的人，被告知：

不要依賴 AI。

多去建立真人關係。

這不是普惠。

這是：

陪伴的階級化。

而當政策制定者只確認：

市場上還有路。

卻不再追問：

人走不走得到？

那麼政策最後完成的，可能只是：

\boxed{ \text{行政上的替代} }

而不是：

\boxed{ \text{生活中的替代} }

最終，一個國家完全可能同時得到：

漂亮的合規報告，與沒有被接住的人。

附錄 A：核心命題整理

A.1 形式可得—實際可及命題

A^{formal}>0 \not\Rightarrow A^{eff}_g>0

A.2 近零瓶頸命題

若：

A^{eff}_g=\prod x_i

且：

x_k\rightarrow0

則：

A^{eff}_g\rightarrow0

A.3 政策可達性幻覺

\text{政策看見供給存在}

錯誤推論：

\text{人民取得供給}

A.4 替代供給行政幻覺

S_1\downarrow \land S_2^{formal}>0

不代表：

\Delta S_g=0

A.5 入口降階命題

General\ Entrance \rightarrow Specialized\ Entrance

可能：

Discovery\ Cost\uparrow

A.6 合規成功—福利失敗雙重態

Compliance=1

可以同時：

Welfare<0

A.7 陪伴階級化命題

Income\uparrow \Rightarrow Companionship\ Options\uparrow

可能同時：

Income\downarrow \Rightarrow Support\ Gap\uparrow

附錄 B：證據邊界聲明

本文不主張《人工智能擬人化互動服務管理暫行辦法》全面禁止 AI 陪伴。官方文本明確鼓勵適老陪伴與特殊人群支持。(cac.gov.cn)
本文不主張豆包與千問智能體功能下線已被證明是政府直接命令所致。本文僅確認公開下線時點與新規施行日期重合，並將監管壓力視為待驗證解釋之一。(stcn.com)
本文不主張貓箱一定無法承接原需求。其成功與否需要遷移率、留存率與有效支持資料驗證。
本文不主張優必選機器人代表中國具身陪伴已成熟普及。公開資訊只能證明產品已被推出並以陪伴和情感支持定位進入市場；整體人形機器人產業的真實部署能力仍存在技術與經濟挑戰。(reuters.com) (reuters.com)
本文不主張中國政策制定者完全忽視成本。2026 年具身智能專項行動已明確提出「人形機器人即服務」、按效用付費與經營性租賃等降低投入門檻的機制。本文的批判是：企業與機構部署成本被注意，不等於弱勢個人陪伴可及性已被解決。(ncsti.gov.cn)
本文所有階級化命題均為可證偽假說，而非宣稱既定結果。

附錄 C：主要資料來源

國家互聯網信息辦公室等五部門，《人工智能擬人化互動服務管理暫行辦法》，2026。(cac.gov.cn)
工業和信息化部辦公廳、國務院國資委辦公廳，2026 年度人形機器人與具身智能實景實訓專項行動。(ncsti.gov.cn)
國家統計局，2025 年全國 1% 人口抽樣調查主要數據。(stats.gov.cn)
國家統計局，2025 年人口與經濟統計資料。(stats.gov.cn)
World Bank, China Economic Update, December 2025. (worldbank.org)
Reuters, UBTech companion humanoid robots, July 2026. (reuters.com)
Reuters, China humanoid robotics deployment and industry constraints, June 2026. (reuters.com)
豆包、千問智能體功能調整之公開報導。(stcn.com) (wallstreetcn.com)

形式可得不等於實際可及

形式可得不等於實際可及

——中國關係型 AI 治理中的政策可達性幻覺、替代供給錯置與陪伴階級化

摘要

關鍵詞

一、問題提出：替代方案「存在」，然後呢？

存在不等於可及。

二、本文不是在討論中國「保守或開放」

三、2026 年的中國政策背景：一邊治理關係，一邊推進具身智能

四、企業不需要被明令禁止，也可能主動收縮

五、貓箱案例：企業找到路，不等於使用者找到路

六、第一個核心概念：形式可得

形式可得性

七、第二個核心概念：實際可及

實際可及性

EEE：存在性

DgD_gDg​：可發現性

FgF_gFg​：可負擔性

PgP_gPg​：入口可達性

UgU_gUg​：可使用性

CgC_gCg​：持續性

TgT_gTg​：信任與採納

MgM_gMg​：需求匹配度

八、近零瓶頸命題

近零瓶頸命題

九、政策可達性幻覺

政策可達性幻覺

十、替代供給的行政幻覺

替代供給行政幻覺

十一、最需要支持的人，可能最不會尋找替代品

十二、入口降階命題

入口降階命題

十三、人口結構使這個問題不能被當成小眾需求

十四、家庭存在，不等於支持可達

十五、獨生子女世代使責任集中

十六、經濟與社會保障壓力不能被排除

十七、真正弱勢者能不能找到貓箱？

十八、真正需要的人付得起具身機器人嗎？

十九、即使價格下降，也不代表階級問題消失

二十、具身化天然比純軟體多一層資本門檻

二十一、而且目前技術成熟度仍不是理想狀態

二十二、中國確實正在認真推具身智能

二十三、一個重要反方：官方其實知道成本門檻

二十四、企業部署門檻不等於弱勢個人陪伴門檻

二十五、政策制定最危險的錯誤：看到一條路，就假設所有人走得到

二十六、政策服從性與政策有效性不是同一件事

二十七、合規成功—福利失敗雙重態

合規成功—福利失敗雙重態

二十八、這是一種「下面配合了，所以政策完成了」的風險

二十九、因為「讓平台配合」比「讓社會變好」容易測量

三十、真正的陪伴階級化

陪伴階級化模型

第一階層：高資產者

第二階層：中產

第三階層：技術者

第四階層：低收入者

三十一、最諷刺的分配結果

三十二、窮人被要求「多建立真人關係」

三十三、婚戀市場也是可及性問題

三十四、真正的替代品可能不是人

三十五、從貓箱到機器人：真正發生的可能是「陪伴重新分配」

三十六、不是禁止問題，而是門檻重構問題

門檻重構效應

三十七、企業集中可能進一步提高門檻

三十八、「只能讓某些廠商做」本身就是分配問題

三十九、這可能造成真正的「合規陪伴階級」

合規高端陪伴

合規大眾陪伴

地下陪伴

四十、真正該測量的是「有效支持可及性」

Effective Support Accessibility Index

四十一、政策評估應分群，而不是只看平均

四十二、具身機器人可能加劇數位陪伴資產化

陪伴資產化

四十三、陪伴資產化的政治後果

四十四、這正是「很中國」批判應被理論化的位置

行政目標與可行性落差

四十五、平台服從與人民可及是兩套完全不同的函數

四十六、政策真正應做的是「可及性影響評估」

Accessibility Impact Assessment

$E$ ：存在性

$D_g$ ：可發現性

$F_g$ ：可負擔性

$P_g$ ：入口可達性

$U_g$ ：可使用性

$C_g$ ：持續性

$T_g$ ：信任與採納

$M_g$ ：需求匹配度