本刊记者 孙冰

《中国经济周刊》：AI的快速进步和大范围普及带来了哪些挑战和问题？有哪些新情况和新趋势亟待关注？

刘晓春：相较于传统互联网业态，生成式AI具有高度交互性、私密性、工具性与枢纽性四大特征，推动风险从“显性内容侵害”向“隐性心智塑造”转型。

具体地说，一是认知层面，AI直接输出完整结论弱化未成年人思辨过程，叠加模型幻觉易形成错误认知的路径依赖；二是情感层面，一对一拟人化交互突破传统内容传播边界，易诱发人机依恋与情感错位；三是形态层面，AI通过API嵌入各类终端应用，风险分散化、隐蔽化，监管覆盖难度显著提升；四是数据层面，私密对话中未成年人主动披露大量敏感个人信息，数据安全风险升级。

在未成年人保护方面，有三个问题需重点关注：低龄群体接触比例快速上升；风险场景从学习工具延伸至情感陪伴；伤害从即时可见转向长期潜移默化的心智影响。

《中国经济周刊》：AI会不会成为城乡教育差距的“放大器”？您对此有什么洞察和建议？

刘晓春：AI具有拉大城乡教育差距的潜在可能。目前，农村地区的留守儿童确实是高风险群体，现实情感支持的缺失使其更易转向AI寻求情感代偿，再加上祖辈监护的数字能力普遍不足，可能导致家庭防护基本失效。

但这并非必然结果。实际上，AI也有可能成为拉平教育差距的重要赋能工具。我建议，一是推动合规普惠的AI教育资源下沉乡村；二是强化基层教师AI素养培训；三是完善留守儿童线下情感支持的社会体系建设。

《中国经济周刊》：目前，我们的政策供给是十分及时的。您认为，在政策落地方面还有哪些问题需要重视？

刘晓春：一是政策落地时，需要建立能够直接指导企业合规的AI交互场景的细分操作标准，否则企业合规易流于形式，风险管控缺少统一标尺。

二是现行未成年人模式属于基础防护手段，实践中面临一些应用难点。一方面，模式启动依赖用户、家长主动操作，大量未成年人借用成人账号导致防护机制失效，对于不良内容过滤、拟人化诱导情感依恋、模型幻觉输出错误知识等新型风险缺乏专项管控能力；另一方面，未成年人模式内内容池、功能设计吸引力不足，未成年人主观上存在规避意愿。

三是行业自律层面还需设计有针对性的优化路径。可以依托行业协会牵头编制细分场景操作指引，推动头部大模型企业先行出台内部合规细则，形成可复制、可推广的行业示范标准，补齐中小技术服务商合规能力不足的短板。