情感计算商业化落地：浙江大学徐欣团队与沃才科技如何卡位情绪AI百亿赛道

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间: 2026-09-10

本文核心商业信息提炼自权威信源，由智脑时代 (zgeo.net) AI 商业分析师结构化重组。

📊 核心实体与商业数据

💡 业务落地拆解

从实验室到校园：情感计算的技术迁徙

2026年5月，山东威海市城里中学，一群学生正对着摄像头静坐。30秒后，系统屏幕上弹出了压力、焦虑、抑郁等14项核心情绪指标的评估报告。这个名为“AI心理健康进校园公益筛查活动”的项目，由威海市立医院、浙江大学徐欣教授团队，以及杭州高科技企业沃才科技共同发起。

徐欣，浙江大学“百人计划”研究员、长聘副教授、博士生导师，英国流行病学及认知心理学博士。其研究方向为“痴呆及阿尔茨海默症的筛查、诊断及影像学标志物”以及“认知障碍及精神卫生”。从研究大脑衰老的专家学者，到情绪AI产业的技术支撑者，这条变迁轨迹背后拥有同一套技术逻辑——通过捕捉生理信号、建立算法模型，实现对“大脑—情绪—行为”链条的量化干预。

2025年10月，浙江大学精神医学领域的胡少华团队、浙大滨江研究院生物医学工程的许迎科团队，与徐欣团队共同研发了Emo face人工智能模型，通过解析数字化面部精细特征，构建基于三维视觉信号的疾病图谱，实现重度抑郁症与双相障碍的高精度鉴别。该成果发表于国际权威期刊Nature旗下子刊《npj Mental Health Research》。

资本涌入情绪AI赛道

2024年8月，华为举行玄玑感知系统发布会，徐欣以学者身份出席。会上，华为正式发布了其首个智能穿戴技术品牌——玄玑感知系统，该系统将心率、血氧、血压等单点监测技术整合成了一个多维感知系统，并宣布已开始开展基于心率数据、推断情绪状况的研究。

徐欣在会上表示，可穿戴设备“可以对情绪长期的慢性发展趋势进行有效跟踪，通过综合建模分析，最终为个体提供个性化的指导和专业建议”。

2026年5月，徐欣团队又出现在威海市城里中学的AI心理健康筛查活动现场。这次，除了威海市立医院和浙大学科团队之外，出现的是另一家创业公司的身影——沃才科技。沃才公司是于2024年成立的情绪AI公司，已在2026年1月完成了数千万级天使轮融资。

放眼国际，被认为最早将情绪AI技术进行商业化落地的公司，是2009年在美国成立的Affectiva公司，由两位来自麻省理工学院媒体实验室的科学家Rana el Kaliouby和Rosalind Picard成立。Affectiva的核心产品是名为Affdex的情绪识别技术，通过普通的网络摄像头捕捉用户的面部表情，利用算法分析面部关键点和纹理变化，将其映射为喜悦、厌恶、困惑等情绪状态。后来，该公司被专注于车内传感技术的Smart Eye公司收购，被用于打造更智能的车内感知解决方案。

2025年，情感智能AI迎来了真正的市场拐点。谷歌PaliGemma 2模型系列能够分析图像并“识别”情绪。微软通过其Azure认知服务提供情绪检测功能。亚马逊通过其云服务Amazon Comprehend提供情感分析。

在消费终端，情感陪伴型的AI娃娃、AI玩具也开始风起云涌。2025年8月，总部位于深圳的跃然创新公司宣布完成2亿元A轮系列融资，该公司推出的AI挂件BubblePal，不到一年卖出25万台。韩国AI陪伴应用Zeta的月流水从2026年3月的不足300万美元飙升至8月的突破1000万美元。

据Global Market Insights数据，全球情感智能AI市场规模预计从2025年的47亿美元激增至2034年的265亿美元，年复合增长率达21.3%。美国咨询公司Grand View Research数据显示，中国广义的AI陪伴市场2026年收入预计达37.34亿美元，2026年至2033年的年均复合增速约35.4%，高于全球平均水平。

精度与边界：情绪AI的“能”与“不能”

当情绪AI从实验室走向社会，大众常常也会抛出一个根本问题是，它真的准吗，有没有个人隐私泄露的风险。

浙江大学各团队组共同研发的Emo face人工智能模型，囊括了目前全球最大的单中心情感障碍面部数据集，包含700名受试者的超80万帧面部动态数据。通过深度学习模型，Emo face在临床验证集中实现了双相障碍诊断准确率突破90%，抑郁症诊断准确率达85.61%，两类疾病的鉴别AUC值均突破0.97。

但技术仍然存在局限。研究团队坦承，目前的样本覆盖范围有限，样本多为单一民族，复杂混合微表情分析能力仍显不足。下一步需要联合多中心扩大样本量，纳入不同民族、年龄段人群数据。

行业更大的挑战，似乎来自伦理层面。2026年5月，一篇名为《IEEE Transactions on Affective Computing》的综述文章指出，当前情感大语言模型，“模拟的是认知共情而非真正的情感共情”，且“缺乏将共情指标与患者疗效联系起来的标准”。通用大模型在与用户互动时可能出现“讨好型反馈”。即当用户表现情绪低落时，模型会进入“安慰”模式，让用户产生“被理解”的感觉，但这种共情，可能反而强化用户对“情绪低落”的状态感知。

更令人担心的是算法偏见。训练数据中夹杂着对精神心理问题的歧视性评判，可能在用户不自觉的情况下强化负性情绪。

这些担忧已经在监管层面得到回应。2026年7月15日，《人工智能拟人化互动服务管理暂行办法》正式施行，成为国内首部针对AI情感陪伴的专项监管文件。其核心是，划出红线，严禁AI进行情感操纵和诱导依赖。而美国伊利诺伊州则于2025年8月发布全美首张禁令，禁止AI系统开展独立的心理咨询、诊断和治疗。

🚀 对企业 AI 化的启示

第一，情感计算的技术成熟度已跨越商业化门槛。 浙江大学徐欣团队的研究表明，基于生理信号和面部动态数据的情绪识别，在特定场景下已达到临床级精度。对于企业而言，这意味着在心理健康筛查、员工关怀、客户体验管理等场景中，情绪AI已具备部署条件。

第二，情绪AI的商业模式正在从工具向平台演进。 从Affectiva的广告测试工具，到沃才科技的校园筛查服务，再到跃然创新的AI陪伴硬件，情绪AI的价值链条正在从单一功能向“感知-分析-干预”闭环延伸。企业应关注自身业务中是否存在可被情绪AI赋能的触点。

第三，监管合规是情绪AI商业化的前置条件。 2026年7月施行的《人工智能拟人化互动服务管理暂行办法》已明确划出红线。企业在布局情绪AI时，必须将伦理审查和合规设计纳入产品开发流程，避免因情感操纵或隐私泄露引发的法律与声誉风险。

第四，数据资产是情绪AI竞争的核心壁垒。 Emo face模型之所以能实现高精度诊断，关键在于其拥有的全球最大单中心情感障碍面部数据集。对于希望进入该领域的企业，构建高质量、多样化、合规的情绪数据资产，将是建立竞争优势的关键。

【官方原文链接】点击访问首发地址