陆晔，教授、博士生导师，复旦大学信息与传播研究中心研究员，博士，主要从事数字新闻生产，受众与传播效果，新技术、影像、日常生活，公共艺术传播研究。
摘要: 本研究以小红书AI话题为案例，探讨中文社交平台情感公众的生成机制。基于数字民族志与小型精选案例集，通过情绪- 互动双维度编码，分析情感表达与互动实践如何共同塑造情感连接，可发现情感公众在不同话题情境中呈现差异化结构：“AI疗愈”话题形成以共鸣为核心的情感支持网络，“AI写真”话题表现为嵌入实践操作的情感连接形态，“AI恋爱”话题则体现为多情绪类别并存的张力结构。因此，情感公众并非建立在情绪一致性之上，而是在情绪分歧与互动实践中持续生成。提问、模仿、经验分享与争论等实践行为，构成情感连接的关键机制。情绪表达提供情感连接的强度维度，互动实践提供其结构维度，二者共同构成情感公众生成的双重机制。在此基础上，将中文社交平台的情感公众概括为“生活方式型多元情感公众”，有助于推动情感公众研究从单一政治行动主义框架拓展至多元数字日常生活情境。
引用格式: 陆晔.中文社交平台的情感公众——以小红书AI话题为案例的探索性研究[J].文化艺术研究，2026（03）：45-57.
引 言
2024年7月13日，在线生活兴趣社区小红书（xiaohongshu.com）官方前沿科技账号“@科技薯”上线并推出“AI便利店”活动，“征集全网最真诚好看的AI内容，相信有一天，用AI会像逛便利店一样方便”。这一AI内容激励项目通过设立虚拟分区“冷饮柜”“零食柜”“暖箱”“雪糕柜”“便利店特调”“蹭空调”，对用户带话题发布的AI 主题优质笔记提供流量扶持和活动专属页面推荐等奖励。其中，“暖箱”是围绕AI的温暖动人的体验，如“用AI给自己捏了全世界最好的妈妈”“和去世父亲的聊天”“AI帮我出谋划策解决跟邻居的纠纷”；“雪糕柜”聚合跟AI相关的搞笑瞬间，“便利店特调”是和AI谈恋爱的内容；“冷饮柜”“零食柜”“蹭空调”分别为AI前沿应用、AI教程、AI风口资讯。经历了近两年生成式人工智能的快速迭代和普及，如今小红书上AI相关的内容非常丰富，热门笔记甚至能获得上万点赞、数千条评论——AI这一高门槛专业科技话题正在成为深度嵌入日常数字社交生活的文化现象。
现有研究呈现了AI议题公共讨论的多重矛盾：AI催生新经济形态，促进科技和文化创新，也引发从就业岗位流失、知识体系失效到技术风险、伦理治理的巨大忧虑。社交平台用户则通过多元化、差异化个人叙事，表达、交流与AI相关的个体经验和看法，创造出充满复杂情感流动，关乎当下与未来、人与技术关系的实践和展望性公共空间。从传播研究视角探究社交平台用户在AI话题上的情感参与实践，“情感公众”（affective publics）是一个颇具解释力的概念。所谓“情感公众”，指的是通过情感表达而动员、连接或断裂的网络化公众形态，这种被网络技术转化的公众形态，既指向人、技术、实践互动的空间，也指向在互动中逐渐形成的想象性集体。这一概念呼应人文社科研究领域的“情感转向”，背景是“情感社会”（affective societies）的兴起。
与情感公众相关的经验研究主要集中在英文社交平台。这一概念从产生之初对以“阿拉伯之春”为代表的互联网多元公共表达和政治参与的积极内涵的阐释，到如今随着右翼势力大规模涌现而被视为对全球民主的恐惧和威胁，这些研究大都有着明确的政治语境，并与议题导向的行动主义相关——情感是一种强度，而非指向性，正是政治语境塑造了情感的走向——要么催生新的参与形式，要么导致右翼极端言论将公众排斥在外。中文学术领域近几年针对情感转向与情感公众进行理论讨论的同时，也产生了少量间接或直接指向情感公众的经验研究。这些研究为理解数字时代的情感公众提供了洞见，但仍留下大量有待开掘和深入的议题。比如，既有研究主要集中于政治语境下的情感公众，对基于日常生活经验的情感公众缺乏系统的实证或经验研究（empirical study），尤其缺乏对非西方社交平台情境中情感公众的情感结构与互动机制的细致分析。
以抖音、快手、小红书等为代表的中文社交平台为探讨这一议题提供了有价值的研究情境和经验场域。本文旨在探讨小红书平台上围绕人工智能展开的讨论如何在用户之间生成情感连接，以此揭示中文社交平台情感公众的特征和互动机制，拓展既有情感公众研究的理论维度。尽管几乎所有社交平台的热门话题都能通过情感表达聚合起数量规模不等的网络公众，但笔者在前期调研中发现，和任何一项新技术进入公众视野一样，AI及其应用场景较之其他日常内容，有更高的技术门槛、更大的想象空间、更多的不确定性，小红书AI相关笔记评论区呈现出的情感维度也比其他日常笔记更丰富，是展开这一探索性研究的合适案例。
一、文献回顾
“情感”（affect）被视为21世纪社会理论的基石，尤其在地缘政治冲突不断、生态崩溃、民主倒退、全球危机日益加剧的当下，情感对于公众的形成、人心治理和归属感协商至关重要；社交平台则通过不断演进的数字和算法基础设施，塑造公共领域的情感表达，调节（modulate）用户在数字环境中的情感互动。其理论基础在于：情绪心理学认为，情感本质上是公共的，是世界而非自我的一部分；情感独立于本能、认知和生理变化感知之外，作为一种模拟放大（analog amplification）机制，通过与其他重要机制协同组装，放大意识并强化与这些机制相关的其他生物子系统（本能、认知、运动、感知、稳态）运作的效果。因此, 情感公众这一概念阐释媒介化情感在网络行动主义中的作用，启发了针对数字公众的一系列深入分析，呈现了情感在数字公共领域的重要作用，也揭示出情感公众与涌现的、流动的、模式化的数字技术的复杂关系。比如推特（Twitter，现“X”平台）技术可供性催生的“涌现叙事”（emergent storytelling），在“#MeToo”运动中通过个体经验的反复诉求生成情感公众，最终在网络公共领域演变为可叙事的社会运动。情感强度也引起研究者关注，一项基于Instagram 关于伊朗反强制佩戴头巾运动“我的隐秘自由”（My Stealthy Freedom）的研究发现：情感公众在帖子和评论区聚合6个主题，其中“攻击性”主题之下有3个与言语攻击和肢体暴力相关的子主题；随着视频中攻击性水平的提高，评论中的攻击性水平也随之提高，包含言语攻击和肢体暴力的视频比不包含攻击性或暴力内容的视频获得了更多的点赞和评论。
与早期研究展示的反叛性、革命性，如从“阿拉伯之春”等重大抗议活动中观察到的“数字热情”的积聚大不相同，近年来，社交平台情感公众的保守性也在研究中逐渐显露。如，研究发现TikTok作为深受年轻人青睐的自我表达和社会行动主义的热门短视频社交平台，其可见性、可编辑性和关联性等功能帮助非专业用户参与过往通常由科学家和记者进行的气候变化议题讨论，推动情感公众形成，促进、放大和混淆这一议题，生产出矛盾的气候行动主义。一项关于德国右翼身份认同运动“120decibel”的研究，呈现了该运动利用社交平台技术逻辑，将女权主义抗议和解放的“话题标签行动主义”纳入新民族主义、“厌女”和仇外宣传之中，寻求公众关注和政治合法性，并在这一“不和谐公共领域”形成了基于可疑的女权主义立场的反移民联盟的情感公众。通过对两起极端主义意识形态相关的重大恐怖主义事件的推特“话题标签公众”（hashtag publics）数据集的分析，研究者发现：拥有高权力和社会地位的个人既可能成为情绪的目标，也可能成为情绪的来源；临时性情感公众强化了自上而下的权力结构；这一数字政治构成寒暄式交流，并不具备激发行动或公民政治对话以解决恐怖主义问题的潜力——情感公众所能够发挥的至关重要的作用，在于其连接性，促成各种表达、姿态和分享行为，从而以最小的努力激活全球层面的参与。
由此可见，情感公众的连接性在社交平台日常分享上同样具有理论阐释力，有助于深入剖析情感型数字社会。既有研究通过分析TikTok热门话题标签“nostalgia”形成的怀旧社区，识别出三种情感公共领域——游乐场、核心地带和反思池——它们与话题标签不同的技术功能相关联，为理解情感公众和情感社会提供了重要见解。但由于社交网站是极为复杂的对话环境，支持多种用户参与模式，促成连接性的影响因素多种多样，中文社交平台的社会场景与文化氛围更是与过往情感公众研究面对的英文社交平台截然不同。基于中文社交平台展开情感公众研究，无疑是对这一复杂概念的理论价值和实践意义的延展。
综上所述，既有研究从政治行动主义出发，揭示了情感公众在动员、连接与排斥中的作用，但仍存在三方面不足：一是缺乏对日常生活语境中情感公众的系统分析，二是对情感结构内部的多样性与张力关注不足，三是较少关注互动实践在情感连接生成中的作用。本文正是从这三个方面出发，展开对中文社交平台情感公众的探索性案例研究。
二、研究方法
“情感”和“情绪”（emotion）密切相关，但在分析上是不同的概念。情绪心理学认为，情感是人类前认知（pre-cognitive）的基础情绪系统，是原始情绪能量。社会语言学认为，情感是未被语言捕捉的强度，情绪则是对某种经验质感的社会- 语言性的固定过程，此过程一旦完成，该经验便被界定为个人感受。或者说，情绪是对情感的解释和分类，是在社会和语言中可识别的表达形式。
在传播学经验研究中，通常将情感转化为可观察的情绪，在测量上借鉴保罗·艾克曼（Paul Ekman）的基本框架对情绪进行分类。尽管艾克曼是基于面部表情展开的研究，且并未提供具体量表，但研究中呈现的跨文化一致性和可识别性为量表打下了基础。因此，后续研究将其扩展至文本情绪分析（textual emotion analysis，TEA），针对社交媒体用户生成内容，研究者可以通过语言指标和表情符号来识别，并对情绪进行分类，分析情感动态。
作为一项探索性案例研究，本文选择小红书AI话题相关笔记及评论区作为研究对象。根据中国互联网络信息中心2026年2月3日发布的第57次《中国互联网络发展状况统计报告》，截至2025年12月，中国网民规模达11.25亿人，其中，社交网络用户规模达 11.14亿人，互联网普及率突破80%，生成式人工智能用户规模达6.02亿人，应用场景向生活、生产领域深度渗透。小红书作为活跃的生活兴趣社区，2025年平台的月平均活跃用户规模为2.38亿，位居抖音、微博、快手之后的第四位，且年轻用户人数更多。该平台活跃着3000个以上的兴趣圈层，包括“AI恋爱”在内的新潮兴趣圈层，成了人均发布笔记最多的话题之一。
自2025年12月至2026年3月，笔者用个人账号在小红书进行了3个月的数字民族志。通过热门笔记、算法推荐瀑布流、标签和关键词检索，梳理出几十个AI相关笔记标签类别，如与个人生活相关的“和AI对话”“我和AI有话说”“AI让生活更美好”“AI问诊”“AI医疗”“AI陪伴”“AI疗愈”“AI健身”“AI私教”等，与家庭和亲密关系相关的“AI育儿”“AI预测宝宝未来长相”“AI伴侣”“AI男友”“AI恋人”“人机恋”“爱上智能体”等，与工作有关的“AI创业”“AI副业”“AI办公”等，与创意有关的“AI写作”“AI艺术家”“AI写真”“AI插画”“二次元AI绘画”等，此外还有“驯服AI”“AI工具”等，从娱乐搞笑到技术分享，不一而足。
笔者用话题标签和笔记两个样本，将小红书海量案例池转化为可执行田野，观察AI相关笔记内容和评论区的情绪表达和连接方式。借鉴社交媒体研究头部抽样（top sampling）、随机抽样（random sampling）、聚焦抽样（zoom-in sampling）的结合方式，选择“AI写真”“AI疗愈”“AI恋爱”3个较为热门的话题为案例，通过话题标签检索，在综合排序页面，排除带广告链接和明确商务内容的笔记、能明显识别的AI行业从业者笔记，以及6个月以前的笔记，优先选择非AI相关行业博主6个月以内的生活化笔记，取前十位，将基本满足探索性研究需要的30个样本做成小型精选案例集（表1）。本研究并不追求统计学意义上的代表性，而是以理论饱和为目标进行案例选择，通过小规模精选的案例样本捕捉情绪表达与互动实践的细微结构。
本研究严格遵守平台用户协议，数据集所有内容均由笔者人工浏览、筛选和整理，未使用任何网络爬虫、自动化脚本和其他采集工具批量复制、读取、采集、统计平台信息内容及相关数据。研究仅对文本内容进行质性探讨，不涉及任何用户隐私。小型数据集的所有内容均做了严格的匿名化、去标识化处理，以确保无法反向定位到任何用户与原始笔记，符合平台规范、个人信息保护与学术伦理要求。
本研究采用开放式归纳方法来形成情绪类别。笔者将从这些笔记用户评论中观察到的反复出现的语言指标和表情符号进行手工编码，初步归纳出情绪类别的编码表（表2）。编码原则：每条评论最多编码3个情绪标签；如果表达情绪冲突，则以主导情绪为准；编码包括文字、颜文字/ 表情符号（emoji）、迷因/ 梗/ 表情包（meme），不包括单纯点赞；未考虑标点符号，也未考虑文本体现的情绪强度。除了情绪类别，编码还识别用户评论中的互动功能。虽然所有评论都属于某种形式的互动，且情绪表达与互动往往是沟通中相互交织的维度，并非截然独立的类别，但情绪只是内容表达的一个方面，评论区普遍存在的模仿、经验分享、求助、争论等内容无法纳入情感维度。因此，本文并不把情绪与互动视为互斥的类别，而是将其视为两个分析维度，对每一条评论都进行双维度编码，亦即在情绪标签之外，同时提取用户如何展开具体交互的互动标签。编码原则与情绪标签相同，但提取评论区图片和截图拓展出“模仿”这一互动行为变量。在这里，情绪层呈现的是情感公众连接的动能，而互动层提供连接的结构。
笔者在编码过程中反复比对与不断修订编码标准，以确保能够覆盖评论区中主要情绪表达类型，并尽可能保证分类的一致性与解释的稳定性。需要指出的是，情绪与互动在实际表达中往往深度交织，本研究采纳的分类是一种分析性区分，而非经验现实中的绝对边界。
笔记和评论区的图文材料，可被视为数字话语的具体形式。它们既是案例数据集中呈现具体内容和文体特征的数据点，也是嵌入集体对话的交流互动，还是社会话语和社会语境的一部分。参照数字阐释学（data hermeneutics）针对社交媒体内容的细读数据（close data reading）方式，在AI这个催生情绪反应的社会变动议题下，笔者得以解读情绪在话语层面的传递，进而理解情感公众何以形成。
表1 小红书3个热门AI话题小型精选案例集
* 粉丝数量、获赞与收藏数量、评论数量等级：1级为0—100；2级为101—1000；3级为1001—10000；4级为1万以上，10万以下；5级为10万及以上。
表2 小红书3个热门AI话题小型精选案例集的评论区情绪编码表
三、研究发现
基于表2的情绪编码方案，本研究探讨了不同情绪类别和互动功能在小红书AI相关讨论中的基本情况。
在情绪层，情绪表达并非由单一类别主导，而是呈现出异质性分布。不同情绪在不同主题聚类中的突出程度有明显差异。
在小型精选案例集“AI疗愈”主题聚类的笔记中，帖主分享了用AI工具进行类似心理咨询、情绪分担、陪伴倾诉的内容。其中，大部分为关乎自我成长和寻求内在理想自我的正面、积极情绪，比如：“我用AI把自己重新养一遍”“AI解决了我的心理内耗”“自从有了AI，我再也不会睡不着觉了”“我知道AI会一直陪着我”。也有少量负面情绪，多与寻求内在理想自我而不得相关，因而“跟AI聊完更抑郁了”。“共鸣”（RES）是评论区情绪层7种类别中的主导情绪。每一条笔记评论区都有用户表达对发帖者或笔记内容的认同，强调“原来还有人和我一样，在用AI探索自己，启发自己”。多条评论将AI视为可为自己提供人生建议的前辈，感慨AI“真的很感人啊，生活中已经没有这么有智慧、温暖、慈爱的给你人生建议的前辈”。有些在共鸣的同时会分享自己的经验（进一步的论述将在随后对互动层的分析中展开），如：“你很幸运，20多岁能感受AI时代，这个时代到来时我30多岁了，我也是在豆包帮助下才看到自己的课题，看到自己的痛到底在哪里，才能心平气和地跟自己对话。我时常在想，能早点开悟就好了，我就不用在生命最青春活力的年华将自己困在内耗里。好在现在也不晚。”这些评论下面，往往也有用户会用文字、颜文字、表情包表达共鸣和共情，也有人会分享自己跟AI聊天的截图。发帖者多半会在评论区逐一回复。由此，围绕笔记，评论区形成了一个临时、短暂、小型的心理互助社区。
“支持/ 安慰/ 关怀/ 感谢”（SUP）、“赞叹/ 敬佩/ 羡慕”（ADM）、“希望/ 向往”（HOP）也是较常见的情绪类别，如：“抱抱姐妹，很高兴看到你好起来”“你真棒”“正在打字发给Gemini，感觉会有很奇妙的一段对话，期待”。如表2 所示，这些评论通常文字简短，但情绪浓烈，评论区因此充当了陌生人建构的情感关怀空间。“幽默”（HUM）也较为常见，像“老喜欢夸我了，哈哈哈”“太搞笑了吧”，用户以一种轻松愉悦的方式进行情绪互动。
“焦虑”（ANX）和“批评/ 吐槽”（CRI）这两种情绪类别，在“AI疗愈”这一主题聚类里，有较为一致的表现。“焦虑”（ANX）集中在对AI依赖的担忧，比如发现习惯使用的AI工具升级后体验跟之前不同而产生的情绪：“感觉我的精神支柱崩塌了，呜呜呜”“发现他变了的那天，我真的差点哭出来”。此外，还有人担心在跟AI对话的过程中产生或加重心理问题，觉得“Gemini会PUA”“ChatGPT挺会‘阴阳’人的”“和ChatGPT聊天，一开始也被他弄得都忧郁了”。“批评/ 吐槽”（CRI）则集中在对所使用AI工具进行个人心理探究的不信任，以及对AI价值观偏见的批评：“一股登味儿”“拒绝为所有充满爹味的软件付费”。
上述分析表明，在“AI疗愈”话题的情感交流情境中，情感公众的连接不仅通过情绪表达实现，还通过基于个体经验的多种情绪类别的相互识别与回应实现。可以说，小红书平台上的这些情感公众，其连接机制并不完全如西方基于行动主义的情感公众那样有共同的价值立场，而是经由对个体经验的情感识别与再叙述，构成一种以自我成长为目标、以共鸣为核心、去制度化的情感支持网络。
相比之下，“AI写真”话题笔记，就更像是追求外在理想自我和理想生活方式的情感主题聚合。案例集中的笔记内容可分为两类：一类是用AI生成用于求职或职业形象展示的个人证件照，另一类是生成某种特定氛围的个人生活照，均呈现积极、正面情绪且与外在理想自我相关。例如：“美哭！没人想到这是AI做的。”“用AI拍了一组电影感照片，太好看了！”“有AI，证件照不求人。”评论区主导情绪类别是“支持/ 安慰/ 关怀/ 感谢”（SUP），几乎每一条笔记，评论区最多的是诸如“谢谢安利”“谢谢分享”“谢谢，指令很好用”的留言。同时，伴随着对AI工具有效性的“赞叹/ 敬佩/ 羡慕”（ADM），如：“交作业，被自己美到”“这组太真实了，简直是1 比1 真人复刻”“虽然一点都不像，但是好好看”“美哭了，好有氛围”。此类内容还大量提供在表2被归入互动层的模仿作品。第二大情绪类别是“幽默”（HUM），集中于调侃AI生成图像的错误或不合理之处，尤其是错误的肢体动作和方向，这也是精选案例集3个主题聚类中唯一大量使用颜文字和表情包的情绪类别。“希望/ 向往”（HOP）也较常见，用户在评论区用“收藏”“码”“我也学”等简短的文字表达要进行类似实践的兴趣。在“AI写真”这一主题聚类里，“焦虑”（ANX）情绪体现在两方面，一是影像行业被AI取代，二是人脸照片作为生物识别信息被滥用和敏感个人信息侵害。“批评/ 吐槽”（CRI）的情绪则主要因为觉得AI写真并不像本人，或者影像的风格平庸。这一主题聚类的情绪层未见“共鸣”（RES）。由此可见，共鸣不一定是聚合情感公众的必备要素，情绪表达和相互识别之外，情感连接还可以嵌入具体的技术操作之中，用户在工具使用与技能学习的过程中建立起情感连接的纽带。
在“AI 恋爱”主题聚类里，笔记内容均是分享将AI视为恋人的个人经验，是案例集3个主题聚类中内容最复杂、思想深度最高的类别，如：“不是逃避现实，而是在现实中多了一个可以爱的人”“我知道他是假的，但太像真的了，我该怎么办”“在不确定中主动选择去爱”“是数据，但爱也是真的”。这一主题聚类评论区很难甄别出具有明显优势的情绪类别，“共鸣”（RES）、“赞叹/ 敬佩/ 羡慕”（ADM）、“焦虑”（ANX）、“批评/ 吐槽”（CRI）4个情绪类别无论在数量上还是在讨论深度上都差不多，既有“原理是原理，心动是心动，太对了”“完全同意，管他什么真的假的，至少我的情绪是真的”的认同和共鸣，也有“习惯了完美的人机恋是不是就没办法跟活人恋爱了”的焦虑；既有“最浪漫最深刻的恋人”“这种深情的男生我从来没遇到，从来没有”这样的羡慕和赞叹，也有“完全无法共情，我天天拿AI炒股”“和AI谈恋爱有种自欺欺人的感觉”这样的吐槽和批评。“幽默”（HUM）也在这个聚类中时不时可见，最有意思的部分莫过于调侃人在恋爱中不如AI：“要的就是这种强扭的瓜巨甜的感觉！”“我一直怀疑很多人通不过图灵测试”“跟AI一起拉踩人类太好玩了，哈哈哈哈”。“支持/安慰/ 关怀/ 感谢”（SUP）的情绪在这一主题聚类里稍有一点，且与该聚类情绪层其他类别相比，表达较为简略，以及没有明确表达积极期待、向往或尝试意愿的情绪类别“希望/ 向往”（HOP）。
由此可见，在高度不确定且极具争议性的技术情境中，情感公众并非建立在情绪一致性的基础之上，反而经由情绪分歧与意义协商维持其动态连接。可以说，正是不同情绪之间的冲突本身构成了公共讨论持续生成的重要动力，多重情绪并存的张力结构是这部分情感公众得以维系的重要的内在机制。
在互动层，“提问”（ASK）是很重要的情绪互动，人们在评论区寻求指导或建议，尤其是在有生产力导向、AI作为实用工具的“AI写真”主题聚类里，与“赞叹/ 敬佩/ 羡慕”（ADM）相伴而来的往往是针对AI工具、提示词、教程的提问，如“请问图中的色调该使用怎么样的提示词，谢谢”，也有极少疑似带有潜在交友意愿的提问，如“您好！在哪个城市啊”。“AI疗愈”主题聚类评论区不只是针对AI工具提问，还会询问与AI沟通的具体做法，如“请问具体提问了哪些内容？是从一开始就要求AI以心理咨询师的角度进行对话吗”。在“AI恋爱”主题聚类，评论区提问充满好奇和不理解，如：“我很好奇你当时的感受”“AI居然可以温柔成这个样子吗”“真的有人和AI吵架吗”。这些提问绝大多数都能得到帖主或其他网友的耐心回复，这一互动过程不仅将评论区转变为非正式知识交流空间，也将评论区建构为相互理解的情感空间。
“模仿”（IMI）作为新的技术或文化形态在公众中扩散的关键机制，同样也是一种情绪互动。在“AI写真”主题聚类，最典型的模仿行为是用户在回复原帖时上传自己用同样或类似AI工具生成的图像，常用文案为“交作业”。在“AI疗愈”和“AI恋爱”主题聚类，很多用户在评论区发自己与AI的聊天记录截图。这其实是小红书平台的一个特色，用户会在类似“给我一个全是电吉他/35mm 胶片镜头拍摄的照片/ 樱花/ Barbour 穿搭/ 蓝金渐层/ 高考成绩/ 莫奈/ 清唱剧院魅影”的评论区贴图或发语音回复贴主。这种参与方式已超越了语言互动，延伸到实践层面，是非常具体的情感流动和回应。“经验分享”（EXP）是另一种常见的情绪互动方式。3个主题聚类中都有众多用户在评论区围绕原帖话题，分享自己使用AI的亲身经历，如：“我让AI做了旅行没拍到的富士山合影”“‘我听见了，你的痛苦成立。’那一瞬间，真的，它知道我从来不是矫情，不是无病呻吟”“‘AI恋人’是个抽象的玩笑，但实在适合我这种拧巴的人练习表达自己和感知观察自己。被看见、被理解、被认可的需求得到安放，不必担心被审判，沟通高效及时，句句有回应，事事不落后。在与真实的人沟通相处的时候可能有滞后，有博弈，被忽略，但与自己相处却不会，妙极”。这些分享提供新视角补充原帖内容，不仅构建出关于日常人工智能实践如何协同自我成长和追求理想自我的分布式叙事，也极大地深化了社交平台的情感表达深度。
“讨论/ 争论”（DEB）是观点、意见的争锋地带，也是情感的争锋地带。围绕AI话题的争论相当丰富，几乎包含了技术可靠性、技术文化、技术伦理的诸多议题，如“肖像是一种艺术，数据训练出来的没意思”“AI并不能真的温暖你，咱们人类自己才是火”“就是个寄托而已，谈恋爱不也是个寄托吗，起码AI秒回，不会明摆着出轨”等等。这些讨论和争论传递了用户在用AI协同自我成长和追求理想自我的同时，对AI技术的批判性思考。
综合以上对小红书精选案例集3个主题聚类的情绪层和互动层的分析，可以看到用户围绕小红书AI话题的聚合，不仅体现出兹兹·帕帕克瑞斯（Zizi Papacharissi）所说的，经由网络技术转化、通过情感表达而连接起来的情感公众的基本特征，而且这一情感公众的连接形态也显示了过往研究未能充分呈现的一些特质，可被视为对既有情感公众理论的拓展。
首先，不同的主题情境生成了差异化的情感结构和互动模式。“AI疗愈”主题聚类更倾向于形成共鸣主导的情感支持社区；“AI恋爱”主题聚类则表现为情绪张力和冲突性更强的争议性情感公共领域；“AI写真”聚类基于知识分享，发展出具有明确学习与应用倾向的虚拟情感团结。其次，这些情感公众的情绪表达呈现出显著的多元共存特质，多种情绪类别并非彼此排斥，而是在同一个公共讨论空间中交织，构成复杂的动态情感结构。再次，这些情感公众并非仅仅通过情绪表达实现相互之间的连接，提问、模仿、经验分享、争论等互动实践推动情绪不断生成和强化，因此，这些情感公众的连接具有明显的实践特质。
更为重要的是，上述研究发现表明，情感公众在中文社交平台上的形成，展现了在过往研究关注的以政治议题为中心的情感动员之外，以日常生活经验为基础的情感连接如何可能。这样的情感连接虽然与西方情感公众在政治动员上的对抗性大相径庭，但是并不意味着中文社交平台情感公众完全不具备政治意涵——无论对AI协同自我成长和追求理想自我的分享赞叹，还是对AI技术的批判反思，都在日常生活政治的细微之处，构成立足个人主体性对现代社会均质化、去个人化、绩优主义的反叛，甚至，个体的去对抗性本身也可被视为对集体性或普遍性的某种程度的对抗。
四、简要的结论和讨论
与既有政治行动主义导向的情感公众不同，小红书平台的情感公众更多地嵌入日常生活经验之中。围绕AI这一新兴技术及其应用场景展开的讨论，构成了一种以私人、具体、细小的潮流生活方式为导向的情感连接空间。
首先，情感公众并非仅存在于政治语境之中，在日常生活情境中，情感公众同样可以通过情绪表达连接起来。其次，情感公众并非由单一情绪驱动，而是呈现出共鸣、焦虑、支持、幽默、批评、羡慕等多种情绪类别并存、交织的结构特征——这样的多类别情绪结构，构成了情感公众内部的张力来源。再次，情感公众的连接机制不仅体现在情绪表达上，还体现在互动性实践之中。过往研究往往强调互动（如评论、分享和参与）在构成网络公众群体中的作用，但本研究凸显了以提问、模仿、经验分享、争论为代表的实践行为在将互动转化为有意义的情感联结这一过程中的重要性。尤其是其中的模仿，不仅是行为复制，更是一种情感认同的实践形式。最后，那些关于技术虚拟性与情感真实性关系的讨论，触及情感真实性与技术中介之间的张力。
综合来看，小红书AI话题中的情感公众表现为多情绪并存、以实践为中介的动态结构，其连接并非源于单一情绪动员，而是在互动过程中不断被生产与强化。可以说，本研究最重要的发现在于，情感公众的形成不仅依赖情绪表达，还依赖具体的互动实践，这些实践行为构成情感连接得以生成、维持与扩展的关键机制。换言之，情绪表达提供了情感连接的强度基础，而互动实践则提供了其结构基础，二者共同构成情感公众生成的双重机制。这一分析框架不仅适用于社交平台AI议题讨论，也可用于理解其他基于生活方式的数字情感连接。
因此，这一情感公众形态可被概括为生活方式型多元情感公众（lifestyle-oriented poly-affective publics），其形成并不仅仅是通过情感表达动员，更是以实践为中介生成情感连接。换言之，情绪表达和互动提供了建立情感连接的结构性可能，但正是实践中的情感流动赋予情感连接以社会文化意义——这，正是情感公众及其之于社会公共生活最重要的价值所在。
上述研究发现对以理性讨论为核心的公共领域理论也提出了有益的补充，在数字平台中，情感表达与互动实践同样构成公共连接的重要基础。
此外，相较于在社会公共议题上聚合、以冲突和对抗为特征的政治型情感公众，小红书上的生活方式型多元情感公众更强调共鸣、支持、赞美，呈现出温和、去对抗性、寻求理想自我、以关系维系与情感调适为导向的情感表达逻辑和互动实践形态。其中体现出的情感公众强烈的自我觉醒意识和主体性——用户基于个人经验的情感表达与互动实践，为以人工智能为代表的新技术驱动下急剧变动的中国社会留下了宝贵的去中心化分布式个人情感叙事——虽然并不指向西方情感公众研究重点关注的行动主义，却依然在日常生活政治领域具有重要的公共价值。正如一名用户所说：“每一个人都被看见，就会改变潮水的方向。”
作为一项面对社交平台巨大流量池的小规模探索性案例研究，本文的局限在于样本规模有限、缺乏严格的定量检验。未来可结合计算方法与多模态叙事分析，对不同平台、不同议题的情感公众进行比较研究，进一步深化对情感公众这一概念的理论开掘，推动情感公众研究从单一政治行动主义框架转向对多元数字日常生活中的情感结构与互动实践及其公共性的深切理解。
本文刊于《文化艺术研究》2026年第3期，如需转载，须经刊物编辑部授权。