数亿人需要的心理咨询，却迟迟无法降低门槛|行业观察 | 执业( 五 ) Stellantis|电动送货汽车|master|

这需要巨量的、经过妥善标注的数据，对情绪识别模型进行训练。
如同AI在其他应用领域存在的问题一样，数据量以及人工数据标注成本是心理领域AI发展的主要关键。目前自然语言处理领域已经可以采用基于Transformer 神经网络模型开发的预训练模型，可以广泛地实现人工智能的无监督学习——不需要人工再对每一个用于训练模型的数据进行标注，从而大幅减少高昂的人工数据标注成本、提高机器学习效率。
但是，在不同形态的业务中都训练出参数足够大的预训练模型，这当中的训练成本以及该模型的人工评价成本，对于心理AI玩家也非常高。
更大的挑战在于，玩家在心理领域的实践中发现，过往机器学习在自然语言细粒度情感分析中使用的情绪维度和用户状态维度，根本不适用复杂的心理咨询场景。
不同玩家都向36氪表示，针对用户状态的标签，玩家们在实践中都结合更深入的心理服务洞察和经验积累，重构了一套用户状态标注设计体系。标注体系不但需要具备足够多的、颗粒度足够细的标签，而且标签之间需要具备良好的排他性（exclusiveness),才有可能训练出准确的模型识别能力。
然而，即使现阶段的自然语言处理发展程度有限，人工智能已经体现出其价值。
情绪机器人已经可以初步进行用户状态识别，并做出分诊，根据用户基本问题类别推荐个性化的内容、或指导方案。其中，在与用户对话中，AI识别用户的危险情绪、作出预警并及时引入人类干预，拥有巨大意义，那也许就能挽救一个人的生命。
“我们认为，心理AI的治疗解决方案的效果，跟人工智能的自然语言处理技术水平，不是完全等同的。”密友智能创始人汤开智认为，“并不需要人工智能完全像一个心理咨询师那样子按照人的样子流畅说话，用户才能得到妥善地照顾，相对结构化但是也兼顾人性化用户体验的数字健康方案也能取得良好疗效。”
虽然心理咨询服务在C端构成比较复杂的交付体验，但行业贫瘠的供给侧和心理咨询服务的高价格中枢，会否使得中国的AI心理机器人细分成为最快实现高渗透率的行业方案，值得再去观察。
06 需求分层，浅层服务及自助式工具
“不是所有的情绪需求都需要即时交互式的心理健康服务，都市压力、人际关系、亲密关系、个人成长等等问题带来的浅层情绪需求，是更加广泛的需求。”58产业基金新服务小组向36氪补充道。
行业玩家可以通过其他人力供给以及自助式产品，来满足相对浅层的情绪需求。对用户来说，这些浅层需求的及时排解，是预防情绪问题升级的有效手段，价格也比较低廉。对行业玩家来说，这也是标准化及规模化的机会。
比如互联网心理咨询平台推出低价付费的24小时倾诉热线，只需要按照规定范式培训倾听师，使其具备初步的情绪支持及情绪疏导能力，缓解用户应激情绪即可，不需要具备复杂的心理咨询技能，供给培育效率更高。
以学院派风格心理知识内容及共情性话题积具了大量流量的Knowyourself，发展异步式情绪咨询服务，用户通过书信体的方式倾诉烦恼，聊愈师按照规定范式解构内容、识别需求，并按照范式提供情绪支持、疏导和解决指导。异步式的倾诉服务，进一步缓解供给压力。
但以Knowyourself为代表的心理健康企业和HeartlyLab为国内大热代表的正念冥想企业将着眼点更多放在了引导健康生活方式上。经营方式上，上述企业按照消费品打法，认真经营内容和品牌故事，对外输出成体系化的品牌人格。
这样的经营选择使得发展标准化的自助式产品成为可能——提供标准化的付费课程、测评、周边产品、配套电子穿戴产品，无需面对业务的规模化瓶颈和非标特性。