浙大团队推AI情绪识别进校园，百亿情绪AI赛道靠谱吗
浙大团队把AI情绪筛查带进中学课堂
2026年5月，山东威海城里中学的一间教室里，几十名学生对着摄像头静坐了30秒。随后，屏幕上弹出一份包含压力、焦虑、抑郁等14项核心情绪指标的评估报告。这不是科幻场景，而是由威海市立医院、浙江大学徐欣教授团队和一家杭州科技公司共同发起的“AI心理健康进校园公益筛查活动”。
徐欣是浙大公共卫生学院的博士生导师，原本研究方向集中在阿尔茨海默症和认知障碍的影像学标志物。但近年来，她的团队转向开发动态情绪识别系统——通过捕捉面部肌肉的微小运动（精度达0.01毫米），将情绪转化为频率、能量、振幅等可量化参数。这套系统支持单路最高50人并行分析，决策延迟低于200毫秒，情绪识别准确率标称为90.8%。
这种技术迁移并非偶然。从大脑衰老到情绪波动，底层逻辑都是通过生理信号建立算法模型，对“大脑—情绪—行为”链条进行量化干预。而这次校园筛查，只是浙大在情绪AI领域庞大布局中的一个微小落地点。
多个浙大团队正在攻关情绪解码
徐欣并非孤例。2025年10月，浙大精神医学专家胡少华、生物医学工程学者许迎科与徐欣团队合作，推出了Emoface人工智能模型。该模型基于三维视觉信号解析面部精细特征，构建情感障碍疾病图谱，在重度抑郁症与双相障碍的鉴别诊断中，双相障碍准确率突破90%，抑郁症达85.61%，AUC值均超0.97。相关成果发表于《npj Mental Health Research》。
更前沿的探索来自浙大双脑中心。2026年7月，杨雨潇研究员与王跃明教授团队联合附属医院，在《Nature Computational Science》发表论文，展示了一种侵入式脑机接口情绪解码技术。通过颅内电极记录神经活动，系统能实现细粒度、跨任务、可解释的在线动态情绪识别，为精神疾病的神经调控治疗提供新路径。
这些研究共同指向一个事实：情绪不再是模糊的心理感受，而正被转化为可测量、可干预的数据流。但技术要走出实验室，还得面对真实世界的复杂性。
情感计算：从边缘学科到百亿赛道
“情感计算”（Affective Computing）的概念最早由麻省理工学院的罗莎琳·皮卡德在1995年提出。她认为，传统AI擅长逻辑推理，却无法理解人类情感的微妙变化——比如语调中的焦虑，或眼神里的回避。她将情感计算定义为“与情感相关、来源于情感或能够对情感施加影响的计算”。
但在当时，这被视为非主流甚至“科幻”的方向。受限于传感器精度、算力和算法，情感计算沉寂了近二十年。直到深度学习和多模态信号处理成熟，这一领域才真正迎来爆发。
推动其发展的现实动力，是全球精神健康危机。世界卫生组织数据显示，全球超10亿人受精神健康问题困扰，而传统诊断依赖医生访谈和量表，耗时且主观。情绪AI恰好填补了“需求巨大”与“供给不足”之间的裂缝。
资本涌入：从穿戴设备到AI玩具
2024年8月，华为发布玄玑感知系统（HUAWEI TruSense System），整合心率、血氧、血压等多维生理数据，并开始探索基于心率变化的情绪推断。徐欣在发布会上表示，可穿戴设备能长期跟踪情绪慢性发展趋势，为个体提供个性化建议。
同一时期，创业公司也开始入场。2024年成立的沃才科技，专注于情绪AI，2026年初完成数千万天使轮融资，并参与了威海的校园筛查项目。
国际上，商业化走得更早。2009年，MIT媒体实验室出身的Rana el Kaliouby与皮卡德共同创立Affectiva，开发Affdex情绪识别技术。最初用于帮助自闭症儿童理解表情，后来转型为广告效果测试工具，最终被Smart Eye收购，用于智能座舱——让汽车能“看懂”驾驶员是否疲劳或分心。
大厂也在卡位。谷歌PaliGemma 2能从图像中识别情绪；微软Azure提供文本情绪标签；亚马逊Comprehend支持情感分析。而在消费端，情绪陪伴型产品迅速走红：深圳跃然创新的AI挂件BubblePal一年卖出25万台；韩国Zeta应用月流水半年内从300万飙升至1000万美元。
据Global Market Insights预测，全球情感智能AI市场规模将从2025年的47亿美元增至2034年的265亿美元，年复合增长率21.3%。Grand View Research则指出，中国AI陪伴市场2026年收入预计达37.34亿美元，年均增速约35.4%，高于全球水平。
技术很准，但边界在哪？
尽管Emoface在临床验证中表现亮眼，研究团队仍坦承局限：当前数据集以单一民族为主，覆盖人群有限；对复杂混合微表情的解析能力不足；模型泛化性有待验证。下一步需联合多中心，纳入不同年龄、民族、文化背景的样本。
更大的挑战来自伦理。2026年5月，《IEEE Transactions on Affective Computing》一篇综述指出，当前情感大模型模拟的是“认知共情”，而非真实情感共鸣。它们常给出“讨好型反馈”——用户情绪低落时，AI自动进入安慰模式，制造“被理解”的错觉，反而可能强化负面状态。
更隐蔽的风险是算法偏见。如果训练数据隐含对精神疾病的污名化判断，AI可能在不经意间放大用户的自我否定。例如，将“沉默”误判为“抑郁倾向”，或将“皱眉”直接关联“攻击性”。
监管已开始行动。2026年7月15日，中国施行《人工智能拟人化互动服务管理暂行办法》，明确禁止AI进行情感操纵或诱导依赖。美国伊利诺伊州更早在2025年8月发布禁令，禁止AI独立开展心理咨询、诊断或治疗。
这门生意，还远未成熟
情绪AI确实踩中了刚需——全球10亿人的精神健康困境，是任何技术都难以忽视的市场。但目前的技术仍处于初级阶段：精度依赖特定场景，泛化能力弱；伦理框架尚未健全；商业模式也多停留在“筛查+陪伴”的浅层应用。
让AI“读懂”情绪，听起来很酷，但真正的价值不在于它能多快给出一个“焦虑指数”，而在于能否安全、可靠、有尊严地帮助人。资本可以狂热，但技术和伦理必须冷静。毕竟，情绪不是数据，人心也不是算法能轻易破解的谜题。