摘 要：近三年来，生成式人工智能正在迅速基础设施化。围绕人机关系变迁的研究逐渐形成了三条主要线索：一是聚焦宏观层面的控制危机，关注“真实性”消解带来的认识论挑战与新型权力秩序的重构；二是侧重生产实践中的赋能悖论，探讨去技能化风险、职业边界游移以及智能繁荣背后的隐形劳动；三是转向情感维度的人机亲密纠缠，审视人机依恋机制及共生想象背后的本体论意涵。三条线索之间相互勾连，共同构成理解智能时代人机关系变迁的框架。未来研究应进一步回归生活世界，追踪人机关系在长时段内的演化轨迹，并在此基础上打破对用户的同质化预设，通过对异质性经验的探究在具身化与情境化的人机交往中寻求与人工智能共存的方案。
关键词：智能传播；人机关系；生成式人工智能；人机传播
自2022年年底ChatGPT发布以来，生成式人工智能迅速进入公共视野，并逐步从公众讨论的热点话题嵌入到日常生活的各项实践之中，短短数年间便完成了从令人新奇的技术物到智能基础设施的转变。与以往以规则驱动或统计预测为主的人工智能型态不同，大语言模型凭借其特有的自然语言处理能力，首次使机器能够以近似对话者的身份参与人类的意义协商、叙事建构与日常交往，从而重塑了人机关系的基本形态。
生成式人工智能对社会生活的渗透引发了学界的高度关注。一方面，学者们十分警惕大模型在知识生产中的不透明性、概率性与幻觉风险；另一方面，随着人工智能在信息生产、创意劳动与经验决策中的广泛应用，围绕劳动替代、职业边界、人机协作与主体性让渡的讨论也在不断深化。与此同时，人机关系开始突破技术工具论框架，人们在与智能体的日常互动中，不仅开始发展出情感联结，也促使我们重新思考自我与他者之间的边界，进而引发关于共情、伦理与人类自我理解的复杂争论。尽管讨论的话题与关切的现象各有不同，但近年来围绕生成式人工智能研究共同指向一个核心问题：在机器日益具备“类人”交流能力与准主体性的背景下，人类应当如何重新界定自身的主体性边界？
在相关学术讨论不断涌现的语境下，本研究以生成式人工智能时代的人机关系变迁为核心焦点，对近年中外相关研究进行系统梳理，尝试在多维度的理论图景中把握人机关系演变的学理逻辑，从而为理解智能时代的社会形态提供更为清晰的认知坐标。总体而言，既有研究对人机关系的讨论，大致可提炼出三类不同的话语框架：第一类聚焦于宏观层面的控制危机与秩序重构，第二类框架侧重于生产实践中的赋能悖论与劳动博弈，第三类框架则转向情感维度的人机亲密纠缠与共生想象。三类话语在不同场景中交错并存，并促使研究议程在争议中不断分化与推进。
一、系统性焦虑：认识论危机与权力秩序重构
面对突如其来的技术变革，许多学者往往会本能地保持警惕。尤其当某项技术开始转变为不得不依赖的生存环境，学者讨论的重心就会由功能性想象移向规范性问题，由此激发的是关于一套技术失控风险与安全治理秩序讨论的问题域。研究者们把大模型视作一种不透明且概率化的知识生产装置，以及一种正在基础设施化、会重塑权力结构的社会技术系统，关注其给人类社会带来的多重影响，以及在寻求有效治理方式时所面临的结构性困境。
（一）认知挑战：真实性的消解
由大模型所引发的第一重危机在于其动摇了“真实”作为判断基准的经验性基础。传统的信息获取与验证逻辑，主要依赖于索引与指向关系——通过可追溯的线索建立起信息与事实之间的对应关系。而大模型的语言生成机制则截然不同，大模型所输出的文本是来自相关性的统计拼接和机遇概率的预测。因此，其虽能生成语法连贯、字面合理的文本，却缺乏对现实世界中因果结构的把握，也缺乏基于身体经验或事实对照的校准能力。这就导致信息的形式连贯性与内容的真实性之间出现系统性断裂。
在实践中，最直接的问题便是大模型“幻觉”现象的频发。在新闻生产领域，人工智能虽显著提升了内容生成效率，却因其输出的信息中潜藏的虚假信息，导致事实核验成本上升。即使是面对已存在事实的检索概括，幻觉也难以避免。哈加尔（Nicholas Hagar）等在针对新闻报道式任务的实证研究中发现，大模型在基于真实文档进行查询时，输出的内容中仍可能有30%以上存在幻觉，模型会为来源添加无依据的特征描述，或将归因观点悄然转化为普遍陈述。当然，对真实性基础构成调整的并不限于幻觉。以文生视频为代表的新一代生成技术，能够制造出高度逼真的视听内容，使观看者产生身临其境的感知体验。在这种情境下，真实逐渐从对事物本体的判断转向对感官效果的认同，形成一种由生成式媒介主导的新型视听逻辑。在此意义上，真实性越来越像一种被媒介与技术条件所规定的“中介化真理”，数字域甚至可能生成相对独立于人类经验的表象世界，从而迫使人类重新面对“相合性”与“可证成性”的哲学追问。
而一旦模型生成内容大规模进入传播环境，认识论危机便会进一步外化为信息生态风险。源头数据污染、黑箱机制与低成本合成共同叠加，使辨识与溯源难度上升，公共讨论便可能陷入信息迷雾所引发的结构性不确定性之中。与此同时，通过训练-使用-再训练的递归回流机制，社会噪声与低质量内容被不断注入并沉淀于模型内部，推动风险从孤立的虚假信息扩散为系统性的知识退化，最终危及整体内容生态的质量。
（二）权力转移：新权力形态的诞生
如果说“幻觉”是一种显性的认知干扰，那么，更隐蔽的控制形态则来自大模型的基础设施化。伴随着技术的普及，生成式人工智能逐渐沉降为底层环境，像电与水一样成为日常生活默认要素，进而在不被察觉的情况下重塑人类的表达方式、互动规则与意义秩序。有研究指出，如若大模型成为了我们今天的“语言基础设置”，那输出内容的准确性其实并非最根本的困境。抛向整个社会的一个真正的问题是，人类是否还能在算法预设的语言框架之外，自主地组织经验、表达情感并建构自我？
大模型的基础设施化催生出一种新型权力形态，有学者借用社会学布拉滕（Stein Bråten）于上世纪提出的“模型权力”（Model Power）概念来捕捉这种微妙的支配关系。布拉滕认为，如果一方拥有一个能够解释现实、预测结果的强大模型，而另一方没有，那么即便是在看似民主、平等的对话中，弱者也会不由自主地被强者的逻辑带走，最终沦为强者的“思想复印机”。而大模型时代的AI与用户之间便很可能形成这种强弱关系，从而导致人类用户沦为模型的思想附庸。模型权力之所以难以识别和抵抗，是因其常以效率提升或操作便利的服务形式出现，使控制逻辑藏身于优化用户体验的表层之下。在社会实践层面，隐形的权力也催生着新的符号暴力。生成系统从训练数据中学习既有社会结构中的偏见模式，并将其转化为生成偏好。有研究者发现，在新闻形象的视觉生成中，算法对性别气质、职业姿态与权威符号的选择性强化，会把女性记者的能动性压缩为可被观看的装饰，从而把职业秩序以视觉形式重新写入公众想象。同样地，随着AI嵌入新闻生产的核心环节，传播权力由传统媒体机构转移至掌握算力、模型与平台接口的技术主体，新闻业对重要性与真实性的定义权也进一步旁落。
（三）治理困境：地缘差异与技术同步性的错位
在认知权威面临挑战与技术权力日渐扩张的背景下，“对大模型的治理”被迫成为重建控制权的关键路径。然而，关于大模型治理实践从一开始就深嵌于全球政治、经济格局之中。大模型因其在知识生成、产业赋能与制度塑造中的核心作用，事实上构成了通往数字未来的关键“全球网关”。但全球南方国家在接入这一网关时普遍面临连接质量差、算力获取成本高、本地适配能力弱等结构性限制，导致其在技术依赖中处于被动位置，反而可能被进一步边缘化。
与此同时，AI技术的发展与部署迅速被纳入地缘政治的话语框架。围绕特定模型或企业的争议，常被西方置于“安全化”叙事之下，强调风险与威胁；而中国等国家则更多诉诸“技术主权”与开放合作的逻辑。围绕AI的叙事分歧，治理实践日益承载制度竞争与话语权争夺的意涵。因此，治理文本的分歧往往并不来自“是否要治理”，而来自“以什么优先级治理”。对于大模型的期待和定位，各区域各有不同权重，因此治理文本的叙事也各有不同。而当治理叙事趋于封闭时，规则就更容易被固化为阵营化工具，反而可能削弱跨域协作。
除此之外，研究者们的焦虑还与技术演进与治理响应之间的严重错配相关。大模型的发展速度远超制度演进节奏，很容易形成典型的科林格里奇困境：问题初现时缺乏干预共识，待后果显现时又已难以逆转。因此，有研究主张构建一种多方利益相关者合作的全球机制来对待大模型风险；也有研究强调，若仍停留在“技术控制论”，就很难触及价值对齐与人机共生的根本矛盾，必须打破主客二分，在技术人文主义视角下重新界定人、系统与社会之间的关系。而无论采取何种理念，治理的有效性最终取决于可操作的制度条件。费拉里（Fabian Ferrari）等人提出三项基础要求——工业可观察性、公共可审查性与技术可修改性，为将抽象原则转化为具体实践提供了关键支点。这三者共同构成一道门槛：唯有满足这些条件，治理才可能从话语宣示走向实质约束。
二、赋能的悖论：生产实践中的边界游移与劳动异化
围绕生成式人工智能的人机关系，第二类话语将注意力放在技术赋能背后的协作困境与劳动重组上。生成式AI逐渐以准主体性行动者的姿态进入写作、编辑、策划乃至管理等环节，职业合法性长期依赖的“人类独有技能”边界随之松动，职业分工也开始调整。人们曾经用创造性表达、逻辑推理、审美判断与战略决策来标记专业壁垒，如今模型在不少场景中提供相近的输出速度与组织能力，研究与公共讨论因而重新追问“何为劳动”“谁是作者”。生产现场一方面看见更便捷的生产力形态——模型整合计算能力、语言模板、检索和生成流程，用户只需在界面上发出指令就能获得成稿、提纲或方案；另一方面，生产现场也同时遭遇另一组变化，去技能化趋势推动边界继续消蚀，隐形劳动随之增长，个体劳动者与弱势群体往往承担更多隐性的劳动。
（一）效率之殇：去技能化危机
在技术的赋能叙事中，传统的工具论观点倾向于将AI视为“增强智能”，认为通过自动化繁琐的检索与整理任务，技术能够释放人类的认知盈余用于复杂问题的思考和决策，从而催生出更高阶的创造力。然而，近年来研究者们逐步转向反思路径，开始梳理技术介入的组织后果与个体代价，并将“去技能化”作为一个需要系统解释的风险点纳入讨论。
在此背景下，有学者提出了“创造性伤痕”（Creative Scar）概念，指出人机协作在短期内能提升产出数量与形式质量，但会带来内容趋同与差异性衰减。也就是说，效率提升的代价是牺牲内容的异质性与多样性。并且这种人机协作模式具有强烈的“成瘾性”，一旦撤去AI的技术支持，长期依赖机器辅助的使用者独立创造力水平不仅无法维持原状，甚至会跌落至未接触AI前的基准线之下。效率的提升其实意味着把创造性劳动的关键部分转移到模型的概率空间中完成，它使人误以为自己在更高效地创作，实则在降低对不确定性的耐受与对原创路径的生成能力。
“修辞债务”的概念也因此出现，被用以反思人工智能在写作与教育中对人类思维能力的潜在侵蚀。麦克阿瑟（Marit MacArthur）指出，写作对人类而言最重要的意义其实在于帮助我们组织思维和训练语言逻辑。而如果我们这部分过程被持续外包给大模型，虽然短期内获得了即时完成的各类文本，但却可能在思考和认知训练上累积亏空。这笔债务终将以批判性思维能力的丧失与主体性思考的匮乏来偿还。某种程度上来说，AI生成的文本越完美，人类主体性的亏空就越巨大。
不仅如此，人机互动过程本身也在重塑人类的语言实践逻辑。有研究者指出，大模型作为“无理解的统计中介”，通过提示-生成-筛选-修订的循环，将传统“深思熟虑的创作”转变为“即时、可检索、机器可读”的协作过程，使得语言变得去个性化。人类在获得算法算力加持的同时，也在不知不觉中被算法逻辑所同化，不仅语言表达变得机械，对所产出内容的所有权感知也明显下降。因此，所谓“赋能”，在某种程度上演变为一场以主体性让渡为代价的效率交易。
（二）边界游移：职业边界的再协商
个体层面的去技能化并不会停留在个人经验，而会外溢到社会分工与职业秩序之中，表现为职业边界的松动与身份合法性的再谈判。新闻业之所以成为高频样本，是因为它同时具有强烈的公共性与高度流程化的生产链条，使其成为观察人机协作如何重塑职业边界的典型场域。
面对生成式智能的进入，从业者往往首先采取防御性策略，通过“边界工作”重申职业不可替代性。研究者对ChatGPT发布后元新闻话语的分析后发现，记者倾向于将生成式AI排除在新闻权威之外，或通过强调集体专业主义，或突出个体原创性，坚持人在新闻生产过程的控制权和主导权。然而，这种防御策略的效力极为有限。因为职业边界不是由一份详细的能力清单构成，而是由工具链、组织结构与平台规则共同生产的一种实践秩序。机器不必完全取代人，只要在关键节点改变定义权与评价机制，就足以让人的不可替代性变成一种需要不断被重新证明的脆弱主张。有研究引入“边界域”概念，用以描述媒体场域与技术场域之间形成的中间地带。认为与其固守封闭的职业领地，不如将视线投向新闻场域与技术场域之间的边界域，在新闻专业价值与技术算法逻辑的动态协商与混合杂交中重塑自身的合法性。
在无法逆转的智能浪潮面前，单纯的防御已显无力，学界开始探索更具建设性的共生策略。有研究提出了具有辩证色彩的“对抗式合作”策略。认为新闻业不应追求人机之间无缝的平滑融合，而应正视并保留人机之间的认知冲突，在承认差异的前提下展开对抗式合作，才能有效实现人机协同，并破解智能革命带给新闻业的焦虑。在人机协同方面，研究者认为未来可以从行动者网络理论视角出发，根据人机协同内容生产的不同阶段、不同场景使用需求，合理发挥协同网络中的人类行动者和非人行动者的优势，重塑一个充满弹性张力的流动边界以应对技术发展的不确定性。
（三）繁荣背后：智能生产中的隐形劳动
把前两节视为劳动过程的可见面，那么在其背后，还有着许多看不见的结构性影响。所谓智能革命叙事的光鲜表象之下，是隐形劳动的制度化与不平等结构的深化。
一项关于儿童智能陪伴机器人的研究，将批判的矛头指向了AI生产过程中的性别化机制。研究发现，所谓的AI情感陪伴，其实源自一群被称为“智伴妈妈”的女性工程师的情感劳动。为了让机器人在互动中表现出“爱”与“关怀”，这些女性被要求将自己的母职经验、育儿话术与情感反应“喂养”给算法，从而生产出可被复制的互动脚本。在这里，劳动异化呈现出双重形态——女性经验被抽取为可售卖的“情感功能”，而用户关系又被技术化为可管理、可复制的照护流程。此外，在更基础的训练数据生产环节，数据标注员的劳动也呈现出被平台技术“幽灵化”的趋势。有研究者发现，在以人机交互为诉求的生产场景中，数据标注员需要将其个人的自然认知转化为与计算机程序相匹配的产生式认知，才能高效生产出符合机器逻辑的标准化数据。人作为劳动主体，在组织形态上被“幽灵化”，在精神结构上又遭遇“机械化”。
与人类的幽灵劳动相呼应的，是知识产权与数据占有层面的结构性矛盾。大模型训练依赖对全网文本与图像的抓取与挖掘，创作者的智力成果在未经许可或缺乏有效补偿的情况下被转化为“训练燃料”。相关研究将其概括为对智力成果的非表达性使用，指出现有著作权体系以人类作者为前提，难以稳定界定训练、生成与再利用之间的权利边界，从而使侵权、补偿与责任链条长期处于不确定状态。跨国比较研究进一步表明，这种制度滞后会把新闻机构与内容创作者推入去制度化困境。创造性劳动的价值被平台与模型体系重新定价，而收益分配却缺乏对等机制，形成“有产出者却无获益者”的结果。
综合来看，大模型时代的生产实践呈现出三组互相勾连的张力。其一，个体在获得效率与规范性的同时，可能经历能力外包、表达规训与创造力伤痕；其二，职业群体在协作与抵抗之间重做边界工作，却不得不面对平台化与基础设施化导致的定义权转移；其三，产业繁荣建立在隐形劳动、性别化剥削与数据占有之上，使赋能叙事变得可疑。因此，不应止步于技术乐观主义的工具化想象，也不能仅以“会不会取代人”作为问题终点。重要的是把人机协作理解为劳动过程的重新组织，并追问其中的主体性与责任如何被重新配置。
三、亲密纠缠：情感连接与人机关系的本体论转向
随着人工智能从生产工具延伸至日常生活领域，它在人类社会中的角色也开始发生质的转变，并逐渐进入情感与存在的维度。大模型时代的人机关系研究正经历从功能性互动向本体论共生的范式转型，学者们开始关注人机情感的复杂流动、依恋机制以及技术作为“他者”的存在状态。
（一）理论推进：超越“媒介等同”的新交往观
长期主导人机传播研究的“计算机作为社会行动者”（CASA）范式认为，人类会无意识地将社交规则应用于机器。生成式人工智能的出现促使学界对该理论进行修正与超越。有研究指出CASA范式存在人类中心主义倾向，过度关注机器如何触发人类的社交本能，而忽略了互动过程中的双向建构。通过实证研究发现，用户与生成式AI的交互实际上已经超越了传统意义上的媒介等同，“用户和对话式人工智能之间的人机关系既不是主体和工具间的使用关系，也不是对人际与社会关系的直接复刻”，而是用户在意识到机器非人属性的前提下，主动寻求的一种能够填补现实人际交往缺陷的替代性方案。
德庞蒂（Iliana Depounti）和纳塔莱（Simone Natale）提出了“人工社会性”（Artificial Sociality）的概念，以界定这种新兴的交际动态。他们指出，生成式人工智能所展现的是一种旨在构建社会行为表象或幻觉的技术与实践。与CASA范式侧重于人类对媒介的单向、无意识反应不同，“人工社会性”视域强调了机器的“模拟”本质与人类的“投射”机制之间的双向互动：机器通过算法与语言策略构建出社会性的假象（Artifice），而人类则通过激活社会框架和意义投射参与其中。有研究引入技术现象学中的“它异关系”概念，生成式人工智能作为交往对象呈现出介于工具与主体之间的状态，互动中的主体性并不由单方决定，而在关系推进中逐步成形。
（二）情感纠缠：人机依恋的生成及后果
在人机交往的具体实践中，情感呈现出明显的动态性。研究发现，在与情感陪伴类人工智能交往的过程中，人机关系会在连接、疗愈、折损、中辍与抵抗等状态之间移动，使用者会在不同阶段调整投入强度与关系定位。外界常用“假性亲密”来概括人机情感，但用户经验却更复杂。从“情感真实主义”的视角进行的研究认为，与其纠结于机器情感的本体论真伪，不如关注用户在互动过程中构建的主观真实性。通过一种无关利益、无需负责且永远在线的纯粹情感体验，能够帮助个体对抗现实中的社交倦怠并重构自我认同。实际上，这种主观真实性的建立，是人们在特定生活条件下对关系功能的主动选择。尤其在现实人际支持薄弱或社交成本高昂的情境中，生成式人工智能所提供的低门槛回应机制成为情感调节的重要资源。以针对视障群体的研究为例，研究发现，语音助手因其持续可用性与非评判性特征，能够形成稳定且包容的“感官依恋”，并且其稳定性和包容性上往往优于现实人际关系。
当然，凡事都有两面性，人工智能的情感效能与不稳定性往往并存。大模型故障、逻辑混乱或回应偏离会带来强烈断裂感，此时便需要用户投入额外的解释、提示与情绪修补来维持互动连续。人机情感交往实践的涌现也自然进一步引向对学者们智能化情感生产的反思。当前主流的情感陪伴模式被概括为“爱的机器人化”，其以高效率与可预测性为核心特征。高度可控的情感输出虽然降低了交往摩擦，却也可能削弱人类关系中由不确定性、冲突与共同修复所孕育的情感深度。在追求稳定回应的同时，技术反馈可能无意中过滤掉了那些构成真实人际经验的重要张力。值得注意的是，并非所有用户都偏好完美无瑕的回应。有实验研究提供了一种反向视角，当聊天机器人适度展现脆弱性，如承认错误、表达困惑或暴露知识局限之时，反而更容易激发用户的共情意愿。这说明，相较于一个能够解决任何事的“万能机器”，用户在人机交往中所期待的反而可能是能够自觉暴露其局限性且能够真诚回应的对象。
（三）追问存在：人工智能的本体深思与人机共生
讨论人机关系的本质，往往需要先从技术工具论的视线里抽身，转向对交往得以成立的前提条件，以及其在本体论层面的意义结构所展开的审思。围绕人机关系的理解条件，既有研究首先在技术路径上区分了离身沟通与具身沟通两条路线，并指出更可能出现的图景是交织推进的演进形态，而非沿着单一方向完成替代。在这一框架中，对离身AI的批评强调，语言能力的强化并不会自动带来AI对文化语境与价值脉络的整体把握，而身体经验的缺位会在根本上限制AI情境理解与价值判断的生成空间。通过考察人工智能的哲学系谱，有研究认为，人类的智能本质上是具身的（Embodied）、情境性的，如果继续忽视身体，试图用数字模型复制人类心智，结果注定是徒劳无功。与此同时，将文本交互直接等同为完全离身的经验形态，也可能遮蔽用户侧的实践复杂性。研究发现，用户常以想象方式补全AI的身体，这类想象是参与在场感与关系感生成的关键环节，而不是可有可无的附着物。因此，离身技术与离身经验之间并不存在简单的对应关系，文本界面之下仍可能展开一种经由想象而被具身化的交往过程。
与“具身/离身”的路径讨论并行，另一条重要的理论脉络聚焦于技术他者性的重新界定。“镜子与他者”的框架颇具启发性。人工智能既如一面镜子，映照出人类认知结构与制度安排的固有边界；同时作为一个运作逻辑相异的“他者”，又迫使我们在相似与差异之间重新定位技术主体。进一步地，有研究引入海德格尔的生存论视角，深化了对人工智能这一“他者”的本质的探讨，将以ChatGPT为代表的生成式AI界定为“新常人”—— 一种基于概率计算的“知识渊博的认知平庸者”。这种新型存在者虽然在交互形式上表现为顺从的工具，但在知识生产的底层逻辑上却通过“平均化”消解了独特的决断，并作为隐匿的“算法大他者”对人类施加凝视。相较上述将AI视为镜像反射或支配性他者的路径，还有研究尝试以更具系统性的视野拓展讨论，提出“生态人工智能”的构想，主张跳出“斯普特尼克时刻”式的冷战对抗思维，在古今互鉴与东西共生中推动人工智能从工具理性的极致计算走向面向“人类命运共同体”的生态响应时代。
人工智能的发展正促使人机关系超越工具性范畴，迈向一种存在论意义上的共在结构。要理解人机共生的新现实，我们就需要超越将AI视为“类人媒介”的旧有范式，转而关注其作为社会性存在所参与的情感、伦理与身份的协同塑造过程。面对这一不可逆转的趋势，人类需要在拥抱技术便利的同时，持续反思主体性的边界，从而在人机共生中重塑情感连接与存在的意义。
四、交叉与张力：走向整合性的人机关系分析框架
前述三条研究线索在各自的问题域内形成了相对独立的论述逻辑，但若将它们并置审视，便会发现彼此之间存在相互渗透与内在张力。这种渗透与张力根植于生成式人工智能同时改变认知环境、劳动结构与情感生活这一基本事实。三条线索所指向的，是同一个社会技术现实的三个截面，彼此之间的勾连关系构成了理解人机关系变迁的重要背景。
控制逻辑向生产实践的渗透是三条线索之间最为直接的关联。第一条线索所讨论的模型权力，在理论层面常以“基础设施化”与“认识论危机”的形式呈现；而它真正发挥作用的场所，恰恰是第二条线索所聚焦的生产现场。大模型以效率提升的界面形式进入工作流程，将控制逻辑包裹在优化用户体验的外壳之下。当记者习惯于以AI草拟初稿、编辑借助模型校对文本，提示词策略逐步固化为职业惯例，原本属于认知劳动的判断与取舍便悄然转移至模型的概率空间之中。去技能化因此从个体能力退化的问题，演变为权力重新分配的结构性后果。技术主体通过掌控模型能力的边界，间接获得了对职业实践的定义权。数据标注员将个人认知转化为机器可读的标准化输出，如“智伴妈妈”将母职经验喂养给算法，这些隐形的劳动形式之所以得以成立，也正是因为技术系统的基础设施化制造出一种需要持续填充的结构性空缺，而填充的代价是由最脆弱的劳动者承担的。
权力结构对情感纠缠的形塑是第一和第三条线索之间较为隐蔽的勾连。情感陪伴类产品对“永远在线”“无条件回应”等特质的着力塑造，是主动激活并强化特定依恋模式的策略性设计，用户在情感投入的过程中同步贡献着对话数据与使用时长。“爱的机器人化”所追求的高效率与可预测性，也可以理解为平台治理逻辑向情感领域延伸的一种表现，将关系简化为便于管理且能够复制的互动流程，在降低运营成本的同时也压缩了用户在关系中的主动性空间。当然，平台设计意图与用户实际体验之间的落差，仍有待更多实证研究加以细化，但情感实践与权力结构之间存在关联，已是这一领域研究难以绕开的议题。
生产实践与情感纠缠之间的潜在关联，目前在研究层面尚属探索性讨论。去技能化的忧虑主要来自生产效率与能力训练之间的张力，情感纠缠的研究则更多聚焦于陪伴与依恋的心理机制，两条线索目前各自延伸，交汇处的经验证据仍较为有限。但有一点值得持续关注，当AI在工作情境中成为日常性的协作对象，职业使用与情感交往之间的边界如何演变，以及二者的相互渗透会在多大程度上影响用户对技术的整体依赖方式，都是有待后续研究填补的空白。
关联之外，三条线索之间也存在真实的张力。控制危机框架所呈现的人类主体，是面对技术权力时相对被动的承受者；情感纠缠的研究却不断发现，用户在与AI的交往中展现出相当程度的能动性，如主动寻求补偿性关系、选择性披露隐私、在系统的标准化回应中开拓私人化的意义空间。技术的结构性力量与个体的实践能动性之间，存在持续的摩擦与协商，二者在具体情境中的互动方式，远比任何单一框架所能描述的更为复杂。赋能悖论的讨论亦然。职业边界的游移既可能呈现为能力的萎缩与定义权的旁落，也可能在特定条件下为部分从业者开辟出重新协商身份与价值的空间。同一种技术介入，在不同的社会位置与制度环境中会激活截然不同的后果，这正是将异质性经验纳入分析的根本理由。
三条线索的相互渗透与内在张力共同表明，生成式人工智能时代的人机关系变迁，难以用任何单一框架加以统摄。认识论的危机、劳动的重组与情感的纠缠，在现实中相互缠绕，有时彼此强化，有时又相互扰动。更具解释力的路径，或许在于正视不同层面之间的摩擦与张力，将这种复杂性视为分析的起点，在具体情境之中追踪权力、劳动与情感如何交织运作，从而形成对人机共存现实更贴近的把握。
五、局限与未来：迈向情境化与具身化的人机关系研究
三条线索的并置与交叉，已经初步呈现出既有研究的覆盖范围，也使其共同的认识论倾向愈发清晰。现有研究大多将人机关系作为可从外部加以描述的既成状态，而非视其为在时间中持续生成、在情境中不断沉淀的动态过程。控制与秩序的框架擅长揭示技术的结构性后果，却较少追问这些效果如何在日常实践中被感知与内化；赋能与劳动的框架精准捕捉了生产关系的重组逻辑，却较少关注个体在职业边界游移中如何逐步调整对自身能力的认知；情感与共生的框架触及了人机交往的主观体验，却仍多以横截面方式呈现情感形态，难以说明依恋如何生成、断裂又如何修复。技术进入日常之后发生的那些更难以察觉的变化，如嵌入时间节律的微观适应、场景转换之间的意义协商、由不同人群以差异方式展开的技术实践，极易在宏大叙事的牵引下退为背景，在理论叙事里失去应有的可见性。
局限的形成有其客观原因。生成式人工智能的爆发速度远超研究积累的节奏，在现象尚未沉淀之际，借助宏观框架把握变局几乎是研究者的必然选择。但随着相关研究逐渐从对新现象的命名走向对关系机制的解释，研究重心也需要相应下移，从对人机关系性质的宏观判断，转向对人机关系如何在具体生活中被生产、维持与改变的过程性追踪。沿着这一方向，以下四条研究进路值得重点推进。
（一）从事件到过程：引入历时性视角
控制危机框架所揭示的认识论风险与权力重构，乍看之下像是技术部署后随即显现的结构性后果，但这些效应的真正发生机制，恰恰依赖于时间的积累。模型权力之所以难以被厘清，很大程度上是由于它藏身于一次次日常使用的惯例化之中，不会在某个时刻突然降临。现有研究在方法选择上常借助实验任务与横截面调查。这类研究便于控制特定变量，也能够在短时间内收集可比较的数据，容易抓住人机互动的“起始面貌”，如初次接触时的惊艳感、效率的即时提升、特定伦理情境下的态度摆动。但是，这类视角往往在无意间把人机关系拆解成一组组可被截取的“互动回合”，互动被呈现为一次次可复现的反应链条，时间在其中只充当背景，难以进入解释的中心。关于采纳意愿、新奇感、满意度的结论，常常停留在关系尚未确定之前，也就难以说明关系如何被日常化，又如何在日常中进入倦怠、习惯与重新调适。
其实真正的问题在于，一些研究开始便将人机互动视为可重复发生的标准化事件，默认同一用户在第一次与第一百次使用之间的交互逻辑基本不变。但人机关系实际上恰恰是不可逆的积累性过程。信任一旦建立便不会回到原点，去技能化一旦发生便会在认知结构中留下痕迹。一切关系都是在时间中沉淀出来的，而非在某一时刻一次性完成的。因此，如果说人机关系是一种伴随交往时间里生长出来的关系机制，那么许多关键环节就需要沿着时间轴展开。用户需要通过持续验证与误差调适，不断建构或削弱对机器的信任。随着使用习惯趋于稳定，个体的身体节奏与工作程序随之发生系统性调整。从工具性依赖转向情感依恋的转变，往往嵌入在用户反复求助与系统反复确认的交互循环中。生成式人工智能的技术属性显著加剧了关系建构对时间过程的依赖。开发者通过频繁的版本更新重新划定系统的能力范围，用户感知到的关系连贯性也会随模型版本的更迭产生波动。人机关系的稳定性于是被放置在一个持续变动的地基上，用户的适应与系统的变迁交织在一起，单次互动越来越难承担解释重量。
未来的研究需要把用户的长期使用或者交往行为从经验描述拆解为可追踪、可编码的过程性证据，从关系历程甚至是关系史的角度展开研究。值得被纳入观察的线索包括：新奇感退潮之后，互动如何进入常态维持的节律，哪些时刻触发重新学习或重新退出；提示词策略如何从试探性尝试转向可复用的套路，再转向更隐性的分工安排，如把智能系统定位为校对者、草拟者、陪练者等；系统侧的技术变迁也应被制度化地纳入时间变量，版本更新、记忆机制调整、对齐策略变化如何与用户的主体性适应形成结构性耦合。时间维度被拉长之后，主体性在日复一日的微调中被重塑的轨迹才会显现，研究也才能从对关系状态的描述，推进至对关系生成与演变过程的解释。
（二）从悬置到嵌入：回归生活世界
部分研究倾向于采用技术中心主义叙事或抽象思辨，把人机互动从具体生活语境中抽离，交往仿佛发生在低噪音、无干扰的纯净空间里。在宏大概念的遮蔽下，具体的人容易消失，现实中的人机关系被压缩成心理效应或技术效用的叠加。赋能悖论框架揭示了去技能化、隐形劳动与职业边界游移等生产端的结构性变化，但相关讨论大多发生在剥离了具体生活语境的组织或职业场域之内。研究者会默认人机互动是一种可以从周遭社会关系中剥离出来、单独加以测量的行为单元。但在经验层面，互动总是嵌入情境之内，并与既有的社会关系网络缠绕在一起。它可能发生在赶稿的深夜，也可能发生在家庭争执后的喘息间隙。使用者带入互动的，不只是一个待解决的任务，还有当下的情绪状态、既有的关系负担，以及对这段交往可能被他人知晓的顾虑。理解人机关系，需要把这些“噪音”视为结构条件，而非需要被清除的干扰项。
更重要的是，现有研究大多继承了一种将技术使用行为与社会生活过程相剥离的研究传统。在生活世界中，AI作为非人行动者的进入方式是具体的，它会挤入家庭琐事的缝隙，成为情绪的临时支点；也会在个体最脆弱的时刻悄然在场，承接那些难以向真实他人开口的表达。在这些场景中，人机互动的意义并不由技术功能单独决定，而是在具体的社会情境、关系处境与个体经验的交织中被生产出来的。正因如此，“人们在压力下如何使用”“使用之后的代价由谁承担”“使用的痕迹在关系网络中如何留存”之类的问题，在脱离情境的研究框架内几乎无从回答。
因此，后续研究应当致力于将人机互动归置于日常生活的具体脉络之中，关注技术如何以微观方式渗透进个体的生命体验。尤其值得关注的是那些非工具性的、甚至看似无意义的互动瞬间。用户在完成任务之外与AI闲聊、倾诉、试探边界的时刻，往往正是意义被私人化赋予的关键节点。对这类互动的捕捉，有助于揭示生成式人工智能作为生活基础设施，如何在潜移默化中重构了主体的感知方式与存在状态。这些经验若不进入研究视野，人机关系便很难从悬浮的哲学论辩落到地上。
（三）从同质到异质：打破普遍性预设
现有研究常以高学历、主流语言环境的用户作为默认样本，边缘群体在高度依赖生成式系统时遭遇的特殊脆弱性，因此难以在普遍化的论断中获得应有的呈现。类似的问题也存在于情感纠缠的研究之中，当依恋机制与关系感知被作为普遍性规律加以描述，性别、阶层、文化背景对人机情感实践的差异性塑造便被一并抹平。在宏观论述的层面，人类常被视作无差异的同质化个体，大模型也被当作无差别的机器对象来对待，由此遮蔽了相当复杂的经验面向。同样，技术系统内部也绝非铁板一块。不同平台的治理逻辑、干预强度、个性化能力、数据政策，会框定关系的边界与可持续性，影响着用户能做什么不能做什么，以及关系能否延续。将“大模型”作为单一的分析对象，就如同把性质各异的社会制度归并为同一类型，遮蔽的恰恰是制度差异中最有解释力的部分。
因此，后续研究亟需将“差异”制度化地纳入分析视野。在主体维度，研究应打破标准化用户的迷思，系统性地追问不同社会位置的用户在进入人机关系时面临的结构性差异。深入关注边缘群体、数字弱势群体乃至个体等非主流文化语境下的人机实践，揭示平台权力如何与既有的社会不平等产生共振，并在技术互动中重新分配资源与风险。比较研究的路径在此尤为重要，跨群体、跨文化的系统性比较，能够将一些在单一情境研究中被视为理所当然的前提条件暴露出来，使其成为需要解释的变量而非隐含的假设。在技术维度，应当将大模型视为具有具体架构与制度嵌入性的社会技术系统。长期记忆机制、价值观对齐策略、可解释性设计与申诉通道等要素的异同，不仅改变着交往的稳定条件，也预埋了不同的脆弱点。唯有充分关照对象差异与系统异质性，研究才能触及技术落地过程中复杂而真实的影响，进而在经验描述与规范建构之间架起更可靠的桥梁。
（四）从离身到具身：拓展多感官经验
现有人机关系研究在讨论交互形态时，多数研究聚焦聊天对话场景，以文字界面为主，用户通过键盘输入指令，系统以文本形式回应，交互在语言符号的往返中完成。当然，在很大程度上是因为大语言模型的核心能力确实首先体现在语言处理上，早期用户与生成式AI的接触也主要经由文字界面发生。然而，当语音对话、视频对话、AI绘图、视频生成乃至具身机器人的应用场景迅速扩展，人机关系的研究边界也应当随之扩展。人与AI的交互越来越频繁地经由声音、图像、空间感知等多种感官通道展开，身体在人机关系中的参与方式也随之变得更加多元而复杂。
以语言交互为默认场景的研究框架，在认识论层面预设了一种“离身”的交往模式，交往的主体是能够抽象处理符号的认知主体，而非拥有具体身体、处于特定感官处境中的经验主体。尽管这使研究得以在相对可控的条件下处理语言层面的意义生产，但也无意中遮蔽了身体感官在人机关系中的构成性作用。事实上，感官信息是意义生成的基本条件。声音的音色与节奏影响着用户对AI“人格”或者说性格的感知；图像的视觉质感改变着内容的可信度判断；语音交互中的停顿、语调与响应速度，在无意间塑造着用户对关系亲密程度的体验。这些感官维度所产生的效应，无法被简单地还原为语言内容的分析，也不会因为研究者的忽视而在实际的人机关系中消失。随着AI系统向多模态方向持续演进，离身预设与现实交互经验之间的裂缝将愈发显著。
将具身维度系统性地纳入人机关系的分析框架，将是未来研究需要考虑的。在研究对象上，语音交互、图像生成与空间感知等多模态场景应当获得与文字交互同等的学术关注，尤其是那些感官介入程度更深的使用情境。在研究方法上，生理信号采集、录像民族志等新兴具身性研究方法能够捕捉那些难以通过自我报告呈现的感官层面的反应，与访谈、问卷等传统方法形成有效互补。在理论资源上，现象学传统中关于身体图式、感知意向性与知觉经验的论述，以及具身认知研究积累的概念工具，为分析感官在人机关系中的构成性作用提供了可资借鉴的理论支撑。
当前，随着人工智能的不断发展，技术愈发向着某种主体的角色迈进，而人类也同时感到更尖锐的“主体性危机”。一方面，智能技术为我们提供新的认知盈余与情感补偿，人们在效率红利与陪伴慰藉中获得切实收益；另一方面，大模型幻觉带来的不确定性、隐形劳动累积出的负担、去技能化引发的焦虑，也持续冲击着个体对自身能力边界与存在意义的把握。人机关系已从“人类使用工具”转变为“人机之间的纠缠”。智能技术在持续渗透的过程中，形塑着人的观念与行为，人也在通过具体的抵抗、协商与驯化重塑着技术的社会面貌。
人机关系的未来不会由某一方单方面书写，人类需要在一次次具体互动中协商边界、确认意义，未来图景才会逐步成形。这就要求研究视线从宏大理论下沉至经验层面，去捕捉个体如何在反复试错、持续修补与高频互动的微观过程中，在组织、平台与制度的多重牵引下，生长出应对风险与不确定性的具体关系机制。
在生成式人工智能突飞猛进的世代，我们要探讨的不是技术系统本身，而是一个正在被不断改写的“人”的定义。研究者其实不必执着于机器能在多大程度上替代人，而应去追问人类如何在与人工智能的长期互动中形成新的适应性智慧，最终更好地实现与人工智能的共存共生。
作者：陈昌凤，暨南大学国际传播研究院教授，广东广州510632；清华大学新闻与传播学院教授，北京100084；梁亦昆，暨南大学新闻与传播学院博士研究生，广东广州510632
原文刊载于《新闻界》杂志2026年第5期
