聆心智能鄭叔亮：用 AI 打開心理服務市場 | ToB AI 十問

當 AI 大模型的技術浪潮席卷全球，一個專注于人類情感理解的細分領域正在悄然崛起。

聆心智能 CEO 鄭叔亮在最新的訪談中，為我們揭開了情感智能商業化背后的故事。

這家脫胎于清華大學黃民烈教授實驗室的創業公司，最初只是嘗試讓機器理解人類情緒。從 2021 年訓練幾十億參數的對話大模型起步，到如今構建起完整的心理服務產品矩陣，其發展軌跡折射出中國 AI 創業的典型路徑。

鄭叔亮坦言，真正的轉折發生在 2023 年開始接入智譜數百億參數量的基座模型后，產品的穩定性有了大幅提升，可以更好地應用于商業環境。

在商業化探索中，聆心智能經歷了從 C 端角色扮演產品到 B 端教育場景的戰略轉型。

目前其核心業務已聚焦于 K12 教育、高校和企業市場，推出的心理測評系統、AI 陪伴智能體和風險預警平臺正在多個試點落地。

當然，鄭叔亮也直面眼下的挑戰：預算有限的學校采購周期漫長，專業心理咨詢師對 AI 服務的質疑，以及社會對心理健康服務的認知偏差。

在被智譜全資收購后，聆心智能獲得了更穩定的研發支持，但也面臨著更務實的業績要求。

鄭叔亮認為，AI 在心理健康領域真正的價值在于可規模化的專業服務能力—— 一個經過訓練的 AI 咨詢師可以穩定保持 300 小時經驗的人類咨詢師水準，這種標準化服務恰好彌補了專業人才短缺的痛點。

在技術狂熱與商業現實的碰撞中，那些既能保持技術定力又深諳場景需求的企業，或許最有可能穿越周期，實現長期價值。

【 以下為牛透社部分問答內容 】

牛透社：聆心為何選擇 “情感智能” 切入領域？技術轉產品的關鍵節點是什么？

鄭叔亮：選擇情感智能切入，主要源于我們團隊的技術根基 ——黃民烈教授實驗室以自然語言處理（NLP）為核心的情感計算技術，早期就聚焦人機對話系統，2016年-2018年 開始探索情感對話機器人，希望在對話中融入情感理解、共情表達和陪伴支持，從而實現了更加高級的人機對話體驗。

此外，疫情期間高校學生心理問題凸顯，疊加數字療法的發展趨勢，讓團隊看到了該領域的潛力。

2021 年推出基礎情感陪伴對話大模型，但模型參數僅幾十億，對話輪次達到國內領先水平，但僅僅限于 30 輪左右，功能也比較簡單；

2022年-2023年 探索角色扮演方向（國內較早，與 Character.AI 前后腳推出），推出 ToB 平臺 “烏托邦”，提供 API 和角色配置服務；

2023 年下半年我們切換至智譜基座模型，大幅降低研發成本，商業化模式轉向 API 和定制化解決方案；

2024 年聆心被智譜全盤收購后，聚焦 “心理+教育” 場景，推出測評、陪伴智能體、風險預警等產品，完成了從技術到垂直場景產品的落地。

牛透社：產品的落地場景做過哪些探索？

鄭叔亮：我們聚焦 K12、高校和企業這三大場景，是因為它們對心理服務的需求明確，且與情感智能的 “共情、陪伴、風險干預” 能力高度適配。

學校需要解決學生心理問題，企業需要關注員工心理健康，而教育場景更是心理領域商業化落地較快的方向。

早期我們團隊也在其他領域做過很多探索。

2021 年推出過開放域情感陪伴閑聊機器人，但當時模型能力有限，沒辦法解決實際問題。還探索過數字療法產品，比如 CBT、正念等方向，不過那個時候 AI 對話并不是核心功能。

2022 年到 2023 年期間，我們推出了ToC 角色扮演產品，像 APP “AI U”，用戶自然增長到了 5 萬左右，只是后來因為監管政策和投流成本的問題，在 2024 年 10 月關停了。

我們做這樣的決策，既考慮了技術適配，也兼顧了市場回報。

技術層面，情感智能的核心能力和這些場景的需求是匹配的；市場層面，這些場景有明確的政策支持，比如教育部重視學生心理健康，而且客戶的付費意愿相對清晰，商業化效率更高。

牛透社：目前，聆心的 AI 產品商業化落地進程如何？

鄭叔亮：我們 2023 年以 ToB 平臺 “烏托邦” 為核心，提供 API 和定制化項目服務，依賴 Token 收費，利潤空間較大。

2024 年被智譜全盤收購后，資源集中于“心理+教育”場景，九十月份推出心理測評產品，啟動學校和企業試點項目，通過項目制獲取訂單。

2024 年底至 2025 年初，我們陸續推出系統化產品，比如陪伴智能體、風險預警干預系統，以及 “AI 空間站” 等硬件產品，年營收大概在數千萬元。

牛透社：產品在客戶真實使用中遇到的最大挑戰是什么？

鄭叔亮：最大挑戰集中在認知、資源和行業現狀三方面。

一是認知不足。學校和機構對心理健康重視度低，管理者和老師專業素養有限，常認為 “沒到嚴重精神問題就無需干預”，對 AI 心理服務的價值理解不足。

二是經費緊張，地方政府財政吃緊，學校預算有限。一些三四線學校難以承擔專職心理老師成本，1000 名學生僅配 1 名心理老師，服務能力不足。

三是專業要求差異，高水平學校的專業老師對產品要求嚴苛。比如需大規模人群實驗數據、特定功能適配；而保守型客戶存在 “領導不理解、老師不敢推” 的問題。

四是社會認知滯后，公眾對心理問題羞于啟齒，非嚴重情況不愿干預，導致預防性服務接受度低。

牛透社：客戶對 “AI 做心理服務” 的最大顧慮是什么？

鄭叔亮：客戶的最大顧慮，一是隱私擔憂，擔心心理問題會通過 AI 暴露，尤其是青少年群體對隱私更為敏感；二是專業性質疑，比如會問 AI 能否達到人類咨詢師的專業度，以及是否有大規模的驗證數據；三是功能適配需求，比如對風險預警的精度、軟件功能等有定制化的要求。

在破冰和攻堅過程中，我們針對不同類型的客戶采取了不同的策略。

對于有一定 AI 認知、愿意嘗試的學校，像北京、深圳的部分小學，我們通過試點展示 AI 的陪伴穩定性和風險預警效果，從而實現快速落地；

對于專業度高的學校，我們會提供模型調優數據，比如將 AI 效果與擁有 300 小時咨詢經驗的咨詢師進行對比，逐步滿足他們的功能需求；

對于保守型客戶，我們則結合政策導向，比如教育部對學生心理健康的要求，再加上早期干預避免極端事件等實際案例，強調產品的長期價值，以此突破層級壁壘。

牛透社：相比純心理學工具，AI 大模型在心理健康服務中有哪些不可替代性？

鄭叔亮：AI 大模型的不可替代性主要體現在幾個方面。

一是專業穩定性，它能穩定保持約 300 小時咨詢經驗的咨詢師水平，不會像人類那樣因狀態波動導致服務質量出現差異。

二是可復制性，能夠快速擴展服務規模，這正好可以彌補專業人才的短缺 —— 國內每年僅能培養幾百名合格的心理咨詢師，根本無法覆蓋龐大的需求。

三是低門檻觸達，那些性格內向或羞于暴露隱私的用戶，比如青少年，往往更愿意與 AI 對話，這樣也便于進行早期干預。

四是動態干預能力，它可以實時跟蹤用戶狀態，實現風險預警，比如識別出自殺傾向，而這些動態交互的功能是傳統工具很難做到的。

牛透社：服務多家客戶時，如何兼顧模型通用性與個性化？標準化工具與個性化服務如何定價？

鄭叔亮：我們基于智譜的基座模型訓練標準化智能體，比如通用心理測評、基礎陪伴功能等，以此確保核心能力的穩定。

同時通過定制化調優，比如針對學校的特定風險模型，再加上 RAG 接入客戶專屬數據以及硬件功能適配，來滿足不同客戶的個性化需求。

定價方式則按產品類型來區分：

測評服務按人次收費，單價在 5元～15元 之間，具體依內容深度而定；

硬件產品是一次性收費，像 “AI 空間站” 定價 6.8 萬元，直銷給學校的話是 4.98 萬元，桌面型硬件則在 1萬元~2萬元 之間；

智能體授權按硬件價值定價，比如幾百元的陪伴機器人，年授權費約 100 元；

而高端硬件搭配的全套智能體，年授權費則在 3000元-5000元 之間。

牛透社：從三五年的長度看，AI 心理服務的競爭比拼的是什么？

鄭叔亮：比拼的核心是技術與產品能力，具體包括模型的情感理解精度和干預效果迭代速度；還有行業深耕能力，也就是對心理加教育、心理加企業場景的理解深度，以及靈活的合作模式；同時也包括品牌價值的積累。

國內目前還沒有通吃型的企業，未來那些能在細分領域打磨好技術、產品和合作模式，建立起 “專業、可靠” 品牌認知的企業，更容易在競爭中勝出。

牛透社：過去一年，您對 “AI” 理解最大的變化是什么？

鄭叔亮：2023 年行業還處于 “亂戰” 階段，企業大多在調整戰略、轉向，大模型商業化路徑也不清晰。

2024 年則成為了 AI “元年”，行業格局基本穩定 —— 大廠布局已經成型，創業公司聚焦垂直領域，競爭從 “技術突破” 轉向 “在擅長領域做深做透”。

短期內大廠很難有顛覆性突破，下一波機會在于技術革新，比如更高效的情感理解模型，而當前的核心是在細分領域淘汰 “渾水摸魚” 者，專注的企業更易勝出。

牛透社：智譜全盤收購聆心智能后，與獨立發展相比有何優劣？

鄭叔亮：被智譜收購后的好處很明顯，最直接的就是研發成本大幅降低，做事情的壓力和代價小了很多，能更輕松地推進業務。而且智譜在大模型商業化落地方面有成熟的經驗，我們可以同步借助他們的資源和節奏，少走很多彎路。

要說劣勢的話，目前來看倒沒有特別明顯的不足。不過收購后，智譜對我們的要求會更高，不能再做過于理想主義的事情，必須更腳踏實地地做好業務，跟上集團的整體節奏。

但換個角度看，這也成了我們團隊快速成長的助力，讓我們更聚焦于實際業務的落地和價值創造。

說明：文章為牛透社原創，未經允許謝絕轉載。