非凡挚友 | 镜象科技黄立：AI大模型驱动情感心理诊疗服务

嘉宾介绍

快问快答

一、产品与技术

Q：请提供一段对于公司、产品和创始人的简要介绍

镜象科技是一家AI情感心理诊疗服务商，提供临床心理大模型和AI智能体产品，为学校、政府、企业等客户提供倾听陪伴、心理筛查和轻症干预等服务。企业创始人黄立毕业于北京大学和剑桥大学心理学系，是华东师范大学心理与认知科学学院校外导师，同时在BAT等大厂从事大数据与AI产品研发多年，是心理学和AI双领域人才。

Q：如何定义产品的核心价值定位？与通用大模型（如ChatGPT）相比，您的AI应用在垂直场景中解决了哪些独特痛点？

产品的核心价值是提供垂直行业的解决方案，跟通用大模型相比，我们的智能体训练自私有的心理咨询诊疗数据，并使用微调和强化学习等技术构建独有的行业模型，提升模型在理解情绪、换位思考和共情回应等专业技术上的能力。

Q：在数据整合与应用中，如何应对企业数据孤岛、格式差异及实时性要求等挑战？

异构数据处理、数据实时性要求等问题其实都好处理，最难的是业务的隐私要求。我们这个行业有极强的数据隐私要求，容易形成孤岛效应。比如一个学生打AI心理热线，如果需要报姓名学号，将大大阻碍了他求助的欲望，但如果不报，学生发生心理危机事件时，无法第一时间找到该学生防止悲剧发生，另外学校也不放心把学生隐私的数据都交给我们管理。因此，我们学习微信公众号的账户体系，构建出了一套学生既可以对我们匿名，危机时候又可以解码ID反查用户的创新方案。

Q：如何平衡生成式AI的创新能力与输出可靠性？在降低“幻觉”风险方面有哪些技术或流程保障？

这个是很难的问题，创新和幻觉是天平的两端，比如Deepseek R1模型推理能力增强的同时也带来了幻觉。我们有两种做法来平衡，第一是加入一个模型作为裁判审核输出质量，第二是在垂直场景应用中，要求模型结合规则引擎或者参考数据库/知识图谱的内容，不能放任模型过度生成。

二、市场与商业化

Q：面对通用大模型厂商的竞争，如何构建差异化护城河？是否考虑与基础模型厂商形成生态合作？

通用大模型与我们这种垂类模型各有优势，我们有更多的医疗行业专业属性，大模型很难深入。目前，我们已经和通用大模型厂商形成生态合作，我们一些智能体用RAG架构也可以跑在他们大模型上，然后他们集成我们的智能体做行业方案推给客户。

Q：AI应用的定价策略如何设计？是否存在从“按调用量付费”向“价值导向定价”转型的趋势？

大模型都在走开源，按调用量付费目前是很难走通的。目前，我们的商业模式是：1）按SaaS服务卖，卖订阅；2）卖硬件+软件一体，通过硬件载体来溢价。

三、伦理与社会影响

Q：在AI产品开发中，如何应对伦理风险（如数据偏见、深度伪造）与监管合规要求？

心理咨询这个领域，容易产生亲密的咨访关系，伦理规范是比较多的，风险也比一般的行业要大，因此除了一般的用户知情同意以外，我们还对模型进行了单独的微调和对齐。而针对监管的部分，按照大模型一般的规范做，如果涉及出海，还要适配当地的语言和合规条例。

Q：如何看待AI技术对就业市场的影响？您的产品是否设计了对“人机协作”模式的优化支持？

AI技术将会逐渐替换掉一些岗位，企业常规岗位的招聘将变少，但使用AI的新岗位会出现。我们的产品本身就是作为人力的一种补充，往帮助人工提效的方向设计，因此是属于人机协同的模式，比如用AI扮演来访培养咨询师，或者帮助咨询师进行前期的筛查和访谈，进而导流给咨询师。当咨询师忙不过来时，AI又可以向用户提供轻症干预服务，把人工咨询这种高附加值服务留给有钱又有需要的人。

四、未来趋势

Q：未来3年，哪些技术趋势将深刻影响AI应用层的发展？您认为“AI管人”与“人管AI”哪种模式更具商业潜力？

我认为最大的机会将是具身智能与多模态AI、语言大模型的结合，使AI智能体除了在工作场景，还能够走入社会和家庭，彻底改变人们的生产力和生活方式。届时，可能并不是单纯的AI管人或者人管AI，而是人类和AI协同共存的一种模式。