恩斯特·卡西尔提出“把人定义为符号的动物来取代把人定义为理性的动物”，^①而朗格则延续卡西尔的符号观念，从艺术符号学角度展开思考，指出艺术创作过程中，借用具体真实的情感进行情感概念的抽象，抽象出的形式便成为情感符号。^②这一“形式化”过程包含两个关键环节：首先是艺术家对自身生命经验的体认与提炼，其次是通过艺术语言（叙事、影像、表演）将其转化为可被他人感知的符号形式。正是通过这种形式化书写，艺术作品得以超越个体局限，成为可交流、可共享的审美对象。

无论艺术作品是写实抑或虚构，情感符号始终锚定那些曾经真实体验过的创作主体，如影视演员是基于自身的生命体验，将自己对角色的理解融入表演之中。这正是朗格所言“艺术，是人类情感的符号形式的创造”^③的真义所在：艺术符号所呈现的，是创作者由鲜活的生命经验转化而来的可感知的形式。这种从具体体验中生长、经由艺术淬炼而被表达的情感内容，彰显了人类创作区别于算法合成的根本特征。

AIGC短视频的情感叙事则开辟了截然不同的路径。AI生成影像通过算法将人类的注意力模式、情感反应、审美偏好等转化为训练数据，进而生成能够精准触发特定情感反应的影像。^④因此，AI进行情感符号生产所依据的基础，不再是某个个体的真实情感，而是数据的概率分布与统计特征。

这一路径可被概括为“反向填充”：算法从海量作品中归纳出抽象情感模型与“最优”符号配方，随后依据这些模型预设叙事框架，并从数据库中调用模版化元素进行填充。例如，无论是字节跳动出品的AI生成视频中的“人间清醒柒奶奶”，还是抖音“建鹏cn作品”中的“老房子”，都并非对某个真实人物或场景的艺术再现，而是为填充“感人/怀旧”这一抽象模型而生成的符号，如同可任意替换的“情感贴图”式模块。只要情感模型的底层参数不变，AI就可以置换其中任一元素，其预期唤起的情感效果并无二致—其组合与渲染严格遵循统计规律与符号配方，构成对“预制”情感模型的标准化装配，由此生成精准触发受众情感共鸣的短视频内容。经由这样的合成，AI产出的是有情感形式、无生命根源的拟像符号。它精准复现了“微笑”的弧度与“泪光”的闪烁等外在形态，却抽空了情感的内在生命根基，颠倒了艺术创作中经验与形式的次序。

2026年2月，AI视频生成模型Seedance 2.0推出“数字人分身”功能，豆包App、即梦App支持真人出镜，用户可以生成本人形象的数字人分身，并使用该分身生成AI视频。即便以个人真实数据为素材，上述AI模型生成的情感符号依然遵循数据合成的逻辑。这些符号作为个人生命经验的数据化延伸，恰恰印证了本文的观点：情感被从鲜活的生命之流中剥离，转化为可被计算、被调用的数据。

齐格弗里德·克拉考尔将电影的本质界定为“物质现实的复原”^⑤—传统影像通过光学—化学或光学—电子的记录方式，将“曾经存在”的瞬间凝固为可保存的痕迹：光线从物体反射进入镜头，被感光介质捕获，形成与拍摄对象具有索引关系的影像。演员对喜怒哀乐的演绎、场景的光影、道具的质感，都指向一个可触可感的摄制现场，留下物理层面“曾在此”的印记。

然而，数字技术的介入逐渐改变了这一状况。菲利普·罗森曾言及，当影像从模拟记录转向数字编码，其与物理现实的索引关系开始变得可操作、可篡改，乃至可彻底消解。^⑥AI生成影像彻底切断了这层索引关系，它不再指向某个具体拍摄的瞬间，而是指向从海量数据中归纳出的模式与规律，创造出无须参照物理现实的情感体验。^⑦从2024年Sora横空出世到2024—2026年可灵、Seedance等模型的密集迭代，AI视频生成技术正经历着从技术突破到范式跃迁的加速演进。AI生成的影像是这拟真秩序下的“完美”产物，它自身的逻辑取代了外部参照，其“真实”在于其内部计算的一致性，而非与某个外部原型相符合。^⑧在《拟像与拟真》这部代表作中，鲍德里亚将这种符号不再指向现实，“它是由这样一种现实的各种模型所产生的，一个既没有起源也没有现实性的现实：超级现实”。^⑨从发展历程看，从克拉考尔的“物质现实的复原”到AI的“生成现实”，AI生成的情感符号与物理现实之间的索引关联已然瓦解。这确证了算法介入后艺术情感的本体转型—从“生命经验的审美形式化”转向“数据统计的计算形式化”。

02

AIGC短视频的情感算法，本质上是对传统影视创作路径的彻底颠覆。它遵循着一套工业化的“反向填充”逻辑：基于从海量数据中提炼出的普遍情感模型，根据具体的故事要求进行标准化装配。AI的内容生成流程是被预设的、高度可控的。算法控制与可复制性是其核心特征，最终产物是以情感符号构成的拟真景观。

在AIGC短视频的情感算法架构中，情感不再被视作源于生命体验的表达，而被分解为一系列可量化、可计算的数据参数：面部特定肌肉群的位移幅度、泪膜的光学反射特征、声波的频率分布及时序变化等。算法并不“理解”情感，它只会执行一种机械的数据化分解动作—将鲜活的、连续的情感体验，转化为高维数学空间中可被运算和重构的数值。这一过程，实质是将完整的情感表达拆解为最基本的数据单元，使其变为可通过任意组合实现再生产的“情感零件”，并最终将其编码为能够代表某种情感类型的“特征向量”。经由这样的数据化处理，AI生成的情感符号犹如“情感拼装部件”，精准复现了情感的外显特征，却抽空了内在的生命感受与个人特质，成为一种只有形式、没有生命内核的技术产物。

影响更为深远的是，当这些由AI生成的数字拟像重新流入网络、成为新一代模型的训练数据时，便形成了一个自我强化的递归循环。在当下的技术条件下，这一循环往往将现实情感表达中的复杂与粗糙逐渐过滤掉，使情感内容越来越趋向算法认定的“标准样式”，并最终形成一个能指只指向其他能指、失去现实参照的封闭符号系统—符号不再指向现实情感，而是依据模型自我生成。这正是鲍德里亚笔下的拟真状态：“它们不过是象征性的拟像（Simulacre），它们被符号所稀释，被符号所左右。”^⑩

从OpenAI的Sora到字节跳动的Seedance 2.0等AI视频生成模型的接连面世，尤其是以Seedance 2.0、可灵3.0为代表的新一代模型在多模态输入、镜头控制、主体一致性等方面的技术突破，使AI生成内容的多样性与情感细腻度均得到显著提升。技术的迭代确实可能打破人工智能情感叙事风格的单一化，甚至让AI学会刻意模拟现实生活中的“不完美”以增强真实感。然而无论技术如何进阶，其运行逻辑始终不变：每一个情感特征都是数据计算的结果，而非生命体验的产物。技术可以优化情感计算的精度，却始终无法改变情感计算这一本质。

在对情感进行数据化分解的基础上，AIGC短视频的情感叙事以预设的“情感骨架”为框架，通过模块化填充完成装配。

与传统创作从生命经验出发截然相反，AI的情感生成更多依赖对既有成功案例的模仿。通过对海量“爆款”视频的数据分析，算法能够识别出某些反复出现的情感叙事模式—例如“遗憾补偿”“逆袭励志”“怀旧治愈”等类型化框架。这些模式隐含着经过数据验证的叙事结构与情感节奏，成为AI生成新内容时可使用的“骨架”。随后，算法从数据库中调用与这些“骨架”相匹配的视觉符号，完成内容的模块化装配。一个泛化的称谓、一件符号化的旧物、一个去语境化的典型场景，再搭配能精准触发特定情绪的配乐与旁白……这些元素不再基于故事内在的生发逻辑，而变为预制的、可任意拆换的“情感乐高积木”。它们依据概率计算结果被嵌入“骨架”，视频中的人物只是承载预制情感的“叙事容器”，细节则成为掩饰叙事标准化的装饰性符号。

这种从普遍模型到具体实践的“反向填充”，也标志着法兰克福学派所揭示的“伪个体性”在算法时代走向极致—它通过对情感表达的程式化模拟，使感性经验的标准化生产变得前所未有地“自然”且难以被察觉。系统通过提供表面多样的元素组合，制造出个性化的幻觉，从而更有效地对受众实现情感动员。正如霍克海默与阿道尔诺批判文化工业时指出的，技术用来获得支配社会的权力的基础，正是那些支配社会的最强大的经济权力。^⑪在流量经济的驱动下，情感被纳入可计算、可优化的生产轨道，情感叙事日益服务于对注意力的捕获。

AIGC短视频的情感叙事与受众接受之间，并非简单的“激发—被激发”关系，而是算法逻辑与受众心理的深度“合谋”：在心理层面，受众以理想化的自我确证达成镜像认同；在生理层面，受众的身体反应受“认知—情感时差”支配，先于理性认知完成情感反馈；在接受态度上，受众呈现出“反讽式消费”的特征—其在洞悉内容具有AI属性的同时，清醒的批判意识与感官的沉醉并行不悖。

受众在欣赏传统影视艺术中的人物形象时，通过对角色的理解完成情感投射—这种需要审美努力的深度共情，构成了艺术体验的独特价值。与之相反，AIGC短视频以算法的精准投喂，重构了受众的移情方式—从主动投射转为被动触发。算法通过捕捉用户数据进行精准适配，即便能够塑造看似复杂的形象，其底层逻辑仍是概率计算对受众心理预期的拟合。以总播放量达4000万的AIGC短视频《天阶玄猫之我在人间找妈妈》为例，其叙事采用直接面向观众的共情话术：“你值得被爱”“你不是‘没用的人’，你是‘守护者’”“你永远是我最骄傲的宝贝。无论在哪里，我的爱都会像星光一样照着你”……这些话语恰恰构成了这样一种“镜像”：它们为受众构建了一个值得被爱、不被否定的理想化自我形象，精准回应了其“渴望被认可”“害怕被否定”“需要被无条件接纳”等深层心理期待。

受众沉迷于此类内容，实则是在镜像中与理想化的自己相遇：屏幕内那个被无条件爱着的“你”，不过是观看者将自身情感期待投射于算法镜像的产物。这种自恋式的凝视与确认，规避了现实人际交往中的摩擦与博弈，为原子化社会中孤独的个体提供了一种低成本、零风险的自我确证快感。这正是数据合成的情感符号能够引发受众共鸣的心理基础。

卡尼曼的双重加工理论认为，人类存在系统1和系统2两种思维模式。系统1：运行是无意识且快速的，不怎么费脑力，没有感觉，完全处于自主控制状态；系统2：将注意力转移到需要费脑力的大脑活动上来，例如复杂的运算。运行通常与行为、选择和专注等主观体验相关联。^⑫在日常生活中，二者协同工作，系统1提供快速反应，系统2则在必要时介入并予以校正。AIGC短视频情感算法的生效，并非建立在系统1与系统2的平衡之上，而是通过算法对画面、声音、叙事节奏等要素的精密调度，优先甚至排他性地激活系统1，同时延迟或抑制系统2的介入。这实际上是在认知层面为情感反应铺设了一条高效的通路。为实现这一目标，AIGC短视频在内容设计上系统性地整合了多感官的“神经触发器”：算法优先调用具备高情感唤醒度的视觉图式，如以暖色调、柔光营造“怀旧”或“温馨”的初始情绪氛围；通过技术手段刻意强化人物面部的幼态特征（如圆眼、高额头等），主动调用心理学中的“娃娃脸效应”，激发受众无意识的亲近感与呵护欲。在听觉维度，算法或模拟私密耳语的频率以制造亲密幻觉，或嵌入能引发生理性战栗的特定和声。这种高强度的感官动员，在受众的信息加工链条中精准切出了一个时间窗口—“认知—情感时差”。在这一时差区间内，负责慢速分析、事实核查与意义阐释的系统2尚未被有效激活，掌管快速情绪与本能反应的系统1已驱动身体完成了生理反馈—如眼眶湿润、心率加快。基特勒在分析早期媒介时曾指出，将单帧可口可乐广告反复拼接，由于画面只停留40毫秒，它仅映入观众的眼帘却不会进入意识，观众便会因此产生难以抵抗的品尝渴望。^⑬

AIGC短视频情感算法所引发的“认知—情感时差”，构成了对传统审美范式的改写。康德所说的“无利害的静观”与布莱希特倡导的批判性“间离”，皆以审美距离为前提。然而，在算法构筑的“刺激—反馈”闭环中，这一距离正被消除—当身体反应在理性认知启动之前已然完成时，受众便在无意识中被纳入算法预设的情感轨道，批判性疏离与自主性沉思的空间随之消隐。

值得注意的是，面对情感算法的感官动员，受众并未彻底让渡主体性，而是生发出一种充满悖论的自反性觉知。在B站等青年文化社区，类似的弹幕屡见不鲜：“眼泪全给AI了”“明明知道是假的，可还是没忍住哭了”。这类文本揭示了受众的“元认知”并未缺席，反而是对此持有一种表演性的戏谑姿态。在此过程中，作为数字原住民的“Z世代”正在形塑一种“反讽式消费”的独特接受范式。

这些受众能轻易识别内容系AI出品，但其情感反应的指向发生了重要偏移：他们的动容不再主要针对视频内虚构的故事与角色（如小红书平台上火爆的古装权谋宠物AI短剧《比熊殿下她权倾天下》中的人宠互动），而是转向对“技术竟能精准捕捉、解析并重组人类情感”这一奇观本身的惊叹。此种惊叹伴随着戏谑与调侃，却在特定时刻穿透理性防线，引发真切的情感“破防”。在认知层面，受众通过反讽、玩“梗”与圈层“黑话”，积极构筑“知情者”与“解构者”的身份认同，以此实施认知层面的自我保护：既规避被低劣内容欺骗的风险，消解潜在的被操控的焦虑，又维系着智识上的微妙优越感。然而在情感与身体感知的维度，他们又时常不自觉地放弃抵抗，沉浸于算法精准投喂的情感流中。

这种理性疏离与感性沉浸并存、批判意识与享受心态交织的状态，成为AI情感算法下最具征候性的接受图景。它揭示出一个深层悖论：对技术逻辑的洞察，非但未必导致情感疏离，反而演变为一种心照不宣的自觉参与—批判本身成为沉浸体验的一部分，共同构成一种隐秘的“共谋”。这使情感算法得以在一种表面批判、实则协同的氛围中持续再生产。

事实上，受众早已不再是单纯的内容消费者，而是沦为情感算法再生产链条上的协作者。受众的凝视、互动（点赞、评论、分享）均被系统捕获并实时回馈至AI生成模型，形成一个不断自我强化的“感知—生成”闭环。正如有研究者指出的，观众的“主体性”—以其最外在化、最可数据化的形式—被深深地编织进影像的生成回路。而影像又以这种为我们“量身定制”的、更具吸引力的生成结果，反过来俘获我们的注意力。^⑭在这个循环里，受众的反讽与破防本身，都成为驱动算法系统升级的“数据燃料”。

                            03

生成式AI作为一种技术中介，其价值效应取决于其具体运用的场景。有学者将其视为一种“新兴的情感基础设施”—它不仅支撑着人类的情感经验与社会联系，更是一种回应“特定情感如何跨时间空间化和（再）生成”的关键机制。^⑮基于这一特性，AIGC短视频的情感算法呈现出深刻的二律背反性：它既可能修复心理创伤、凝聚情感共同体，又可能在流量逻辑驱动下，异化为侵蚀真实情感经验的技术装置。

在心理干预、公益慈善与文化遗产保护等领域，AIGC短视频的情感算法能够转化为一种主动介入社会情感结构的力量，发挥修复个体心理创伤、激活集体记忆并凝聚社会共识的建设性作用。

在个体层面，生命中最深的创伤往往源自不可逆的“缺席”，如至亲的永别。在短片《再见阿理》中，创作者借助AI技术将已故祖母的旧照生成为眸中含笑、栩栩如生的拟真动态影像。当患有阿尔兹海默病的祖父通过VR设备重见爱人容颜时，那一声跨越时空的“阿理”的呼唤与颤抖着试图触摸的双手，让老人经历了一次超越物理现实的“数字重逢”。这种数字化的“在场”虽无法改变物理上的缺席，却为生者提供了巨大的情感慰藉与象征性补偿。此类实践的价值还可超越个体疗愈，动态聚合了一个对阿尔兹海默病病患、家人陪伴与告别等情感议题产生深切共鸣的小型情感公众社区。^⑯在这一过程中，AI生成的内容充当了情感“触媒”，促成了一种能够唤醒深层记忆、修复断裂生命叙事的情感互动。这印证了情感算法在虚实交融的媒介场域中转化为具有构建能力的情感基础设施的可能性。

在社会层面，AIGC短视频的情感算法同样展现出强大的情感聚合力。近年来，“AI修复志愿军烈士遗照”“AI让烈士‘回家’看看”等公益项目引发了广泛的社会共鸣。由于历史条件所限，许多烈士生前未能留下清晰影像。技术团队依据亲属口述与家族相貌特征，利用AI生成烈士微笑、眨眼等动态画面。当这些被AI“复原”的英雄面庞在屏幕上鲜活起来、对年迈的亲属说出“我回来了”时，一种跨越时空的情感联结在瞬间被激活。AI生成的影像在此不仅是技术还原的产物，更以直观的视觉力量唤醒观众的记忆并达成有效的情感凝聚。这些实践同时容纳了个体情感、家族悲欢与国家历史记忆，强化了社会认同与集体向心力。

在文化遗产保护领域，AIGC短视频的情感算法也能够发挥积极作用。例如，上海博物馆与上海广播电视台联合出品的AIGC系列微短剧《探宝上博·百物看中国—因AI而生》聚焦上海博物馆的馆藏文物，以AI情感算法赋能创作，让文物变得会跳舞、能说话、会“爆梗”，使古老的文物与时代共振，与今人共情，^⑰深入浅出地展示了文物的历史故事及其承载的厚重文化内涵，实现了以情感叙事激活民众文化记忆的独特功能，为文化保护与传承作出了贡献。

一些短视频平台受“注意力经济”的驱使，将AI情感算法异化为制造深度沉浸感、剥夺用户复杂感知体验的“情感降维系统”。算法通过A/B测试与实时反馈，迅速识别并无限复制那些能引发即时性强烈生理反应的情感叙事模板。为了适配这套工业化生产逻辑，AI生成的海量内容在叙事上只会使用这些有限的“最优”模板。随后，平台推荐系统将这些经过验证的“高效”内容精准投喂给用户，形成一个不断自我强化的闭环：用户越是被此类内容吸引，算法就越倾向于生产与推送此类内容。那些需要耐心品味、具有反思性的异质生命体验，即便随着技术进阶可由AI生成，却因难以在短时间内唤起强烈的情绪并兑换成流量，最终会被商业化算法的筛选机制抛弃。受众看似浏览了大量视频，实则反复消费着简单模型批量生产的情感内容。

当受众长期沉浸于高强度情感拟像所构筑的环境中时，其情感感知阈值与期待也被悄然重塑。现实生活中那些平淡、微妙、不尽完美的真实互动，相比之下可能显得“不够味”而被忽视。受众有可能变为感官型消费者，逐渐丧失对复杂情感的鉴赏力，只能在算法设定的狭窄通道内，对简单、高强度的情感符号做出条件反射。以AIGC短视频《乐活老罗》为例，其以“霸道总裁求婚”为主要内容，精准投放给中老年群体。这类内容利用中老年人对亲密关系的渴望，以理想化的情感幻象激发其情感依赖。评论区中受骗的阿姨们留下“亲爱的弟弟”“我愿意嫁给你”等深情表白，甚至为此掏空养老金。此类现象并非孤例，应引起人们的警醒。

传统艺术召唤观众在与作品的“对话”中完成情感投射与意义构建。这种“对话”虽非人与人之间的真实相遇，但它所训练的共情想象力、视角转换能力与意义阐释能力，也正是人际交往的基础—主体间性得以形成。情感算法则建立在“自我投射”的数据逻辑之上，它将“对话”置换为“投射”，使主体间性随之弱化。

长期浸润于情感算法化的“自我回音室”中，受众处理真实主体间关系的能力极易遭到系统性剥夺：对现实人际关系中平淡、微妙、充满矛盾的“低分辨率”情感体验失去耐心，在面对真实关系中难免存在的误解与分歧时，更容易产生挫败感与逃避倾向。

更为严峻的是，平台通过持续推送同质化内容，剥夺了用户从“投射”模式中抽离的机会，使其更深地卷入算法驱动的沉浸式体验中。例如，9集AIGC科幻题材微短剧《觉醒》首集播放量在半小时内从50万飙升至500万，每集设置付费“钩子”，让观众形成“成瘾”式追剧冲动；《我家俩萌宝来自地府》的弹幕中反复出现“明明只想刷几集打盹，结果一觉刷到天亮”的评论。长期置身于这样的观看模式中，受众的情感反应方式会被悄然重塑，越来越习惯于即时、强烈且无须理解成本的快感输送。

当下，AIGC短视频将情感内容转化为一种可工业化量产、可精准配送的“数字抚慰剂”。对此，我们必须在内容生产、平台传播与受众接受的全链条中，系统性地构建一种内嵌批判意识与伦理自觉的、有间距的人机情感生态。

首先，创作者应捍卫其主体性。截至2025年12月，可灵AI已拥有超过6000万创作者，生成了超6亿个视频；^⑱2026年2月，字节跳动即梦AI发布Seedance2.0，其自分镜、自运镜技术将视频生产推向“一人一剧组”时代。^⑲这些技术突破意味着，AI已从简单的辅助工具升级为深度介入情感叙事构思与编排的“协作者”。面对算法提供的“最优”情感配方，人类创作者若不能坚守意义赋予者的核心地位，便极易沦为技术逻辑的被动执行者—用数据筛选替代生命体验，用流量导向消解审美判断。

在算法技术深度介入短视频创作的当下，问题的关键不在于拒斥AI工具，而在于重构人机关系。这并非盲目否定算法功用，而是要确立对情感算法的合理定位，即将AI模型定位为激发创作者灵感的“创意助手”而非创作的“终极判准”。唯有如此，人机协作才能实现深层意义上的内容创新。

其次，平台应强化干预机制。AIGC短视频情感算法化的风险，根植于其工业化生产与精准分发构成的自我强化闭环：一旦某个情感模型被验证有效，算法即可无限量生成同类内容，并由推荐系统将其精准投递给相关人群。这一“生产—推荐—反馈—再生产”的循环，不断强化情感内容生态的内卷与封闭性，使用户持续暴露于强度更高、密度更大的同质信息流中。

对此，平台治理不能止步于收效甚微的AI内容标识，而应转向对信息流生态的主动干预：以打破结构性封闭为导向，建立相应的监测机制，当受众陷入情感同质化的信息茧房时，应动态降低同类内容的推荐权重并策略性插入异质内容，同时为用户提供“情感足迹”可视化工具与内容筛选权限，将选择权交还给用户。

再次，相关部门应加强对受众媒介素养的培育，使置身于算法编织的拟态环境之中的受众能够保持清醒认识，增强对情感体验的反思性，构建界限清晰的人机情感生态。教育部门可考虑将媒介素养教育纳入中小学通识教育及相关的成人教育内容中，一方面，通过开设艺术鉴赏课程、组织影像赏析活动，帮助人们培养审美能力；另一方面，普及AI技术知识，使人们了解智能科技与算法逻辑的运作原理。此外，图书馆、文化馆、博物馆等公共文化机构可开展常态化的文化和科技普及活动，如举办经典影像展映、艺术鉴赏沙龙、审美教育工作坊、生成式人工智能科普讲座、互动展览、社群讨论等，让公众能够充分接触到丰富、复杂的多元艺术作品，由此夯实他们对算法拟像理性审思的能力。

当受众对AI生成内容有能力保持心理距离、可以批判性审视算法逻辑时，他们便可以从被动的内容接受者转为主动的内容遴选者，自觉捍卫人类情感的“不可计算性”。

（周云倩系南昌大学新闻与传播学院教授、博士生导师、博士后合作导师，夏添系南昌大学新闻传播学博士后；本文系江西省哲学社会科学重点研究基地项目“生成式AI驱动的操控型與情风险与适应性治理研究”〈项目编号：25ZXSKJD11〉的阶段性研究成果）