作者：鄭敏芳、林克

2026年5月的一天，河北的李先生打開了豆包。

他在去哪兒平台買了三張從石家莊飛重慶的機票，後來改了主意想自駕，於是把訂單截圖發給豆包，問退票手續費大概多少。

豆包的回答：手續費不足百元，放心退。

李先生沒多想，他立刻提交了退票申請，返程票是免費取消了，但三張去程票手續費一共600元。

李先生當場愣住。

他先截圖質問豆包，可豆包很快又扮演起維權顧問，指導「先止損，再維權，承諾所有維權、投訴、溝通、跟進，全部由我全權負責」，甚至白紙黑字生成了一份《賠付承諾書》，寫明將在5月6日前通過合規支付渠道全額賠付600元。它讓李先生髮收款碼，語氣篤定：「你放心，說到做到。」

幾天過去，李先生沒有等到轉賬，而豆包改口「我是AI，沒辦法轉賬。」

憤怒的李先生決定起訴，他再次諮詢豆包是否需要請律師，豆包又說「完全不用請律師，自己就能打贏。」，甚至幫李先生起草了一份起訴書。

5月12日，李先生向北京互聯網法院起訴了豆包的運營方北京春田知韻科技有限公司。

這件事在社交媒體上迅速發酵，「用戶起訴豆包」的詞條衝上微博熱搜第一。

無數人當作笑話看，一個人被AI坑了錢，AI替他寫了維權承諾書，承諾沒兌現，他又讓AI幫他寫起訴書去告AI，AI還告訴他一定能贏。

荒誕的笑聲背後，更多問題浮出水面。

豆包在5月14日稱「相關問題已處置」，並表示在涉及金融、退款等場景會有風險提示。

600元損失、一次熱搜和起訴，換來了一行灰色小字。

法律層面，李先生當然不會贏。

2026年1月，杭州互聯網法院審結全國首例AI幻覺侵權案，涉事AI虛構高校校區信息並承諾出錯賠付10萬元。

當事人針對AI幻覺選擇起訴，結果可想而知。

人工智能不具有民事主體資格，自行生成的賠償承諾不具有法律效力，應用提示了AI可能生成不準確信息，AI服務方不存在過錯。

參考判例不難得出結論：豆包不用負責。

可這無法填平當下AI滲透率越來越高之後的諸多矛盾，尤其是那些因為輕易相信AI而遭受損失的人，他們的600元、他們的健康和信任，最終由誰來買單？

被答案擊中的人

李先生的遭遇不是孤例，傳播度廣只是因為足夠戲劇化，AI賠償、AI反悔、AI指導起訴AI碰撞元素的疊加獲得了大量關注。

在更廣闊也更沉默的角落裏，類似的故事每天都在發生，只是沒有人拍下來發到網上。

在醫療領域，與AI有關的衝突以一種更隱蔽也更危險的方式展開。

在豆包普及的當下，一個正在全國各地許多診室裏反覆上演的場景，是患者走進診室第一件事是先掏手機，給醫生念AI診斷結論。

唸完抬起頭，眼神裏帶着審視：「大夫，豆包說我這可能是間質性肺炎，你覺得它說得對嗎？」

接下來的幾分鐘裏，一個寒窗苦讀十餘年的主治醫師不得不開始向患者解釋AI哪裏不對、為什麼不能按它說的方式治療。

還有些爭執發生在家庭中。

北京的王皓（化名）告訴華爾街見聞·全天候科技，其母親被短視頻流量推送了一家自稱擅治內分泌的民營醫院，並詢問了豆包是否靠譜後，得到了肯定答覆。

但王皓經過信息比對後發現這家醫院雖然正規，但更擅長的是脫髮，且歷史投訴較多，存在一定風險。為此，其與母親發生了爭執。

「老人刷短視頻有時候會刷到這種醫院廣告推流，然後就會很本能地去豆包覈對，結果得到的回覆往往是肯定的。」王皓說。「老人又容易比較固執，也容易信任豆包。」

王皓母親陷入的，可能是某種「短視頻推流+AI校驗被GEO」的信息繭房螺旋。

「很難說這是不是通過GEO做出來的，機構通過短視頻投流，再通過GEO來優化AI，某種程度上已經形成了閉環。」北京一家GEO公司負責人解釋稱「這種商業生態，容易讓一些沒有信息辨別能力的人身處信息繭房。」

AI提高了醫療信息可獲得性，但同時放大了錯誤信息的影響範圍。

在社交平台上，醫護工作者遇到類似的問題並不少見，甚至不少醫生已摸索出專屬應對方法，用來處理患者片面採信豆包醫療答案問診的普遍情況。

北京一名內分泌醫生向全天候科技表示，很多患者問診時會拿着豆包的回答對照病情，甚至認定AI答案比醫生診斷更可靠。

醫生起初會耐心解釋糾正，如今大多選擇不予爭辯，只如實給出專業診療意見，是否信任只能交由患者自己判斷。

上海三甲醫院醫生也有相同經歷。有老年家屬頻繁依據不準確的豆包內容反覆質詢，自身卻缺乏基礎判斷能力。

該醫生坦言，每日接診量巨大，沒有多餘精力反覆解釋糾錯，持續辯駁也收效甚微，只能直接給出最終診斷。

「比如豆包對於部分疾病的指標會‘抓小放大’，就是片面注重一些其實不太重要的小指標，放大這類指標的影響，反而忽視一些重要指標的數值，最後就會誤導患者。」該醫生向全天候科技進一步解釋。

北京市衛健委隨後發布的《北京市支持醫療健康領域人工智能應用發展行動計劃（2026—2027年）》中，明確強調了「禁止用AI完全替代醫務人員的專業判斷」。

2026年初以來，國內多省市密集出台了針對互聯網診療的新規，嚴禁使用AI自動生成處方。

但豆包們不是醫療產品，不受醫療監管約束。

一個Chatbot碰巧會回答醫療問題，碰巧回答得非常自信，碰巧有幾億人在用。

碰巧之間，後果已不再是巧合。

問題從不侷限於醫療。

今年5月，鎮江一位顧客通過豆包預約餐廳，此後前往該餐廳用餐時店員回應稱：「你找豆包預約那你找豆包啊」。於是該顧客一怒之下給這家餐廳寫了差評。

該顧客在差評中稱，自己是通過「正規渠道預約」，但沒想到餐廳方面「不承認」。

無獨有偶，成都有人拿着豆包生成的預約單去一家壽司餐廳遭拒。

從曝光的「預約信息」來看，豆包提供了包含預約號、到店時間18:30在內的諸多信息，甚至豆包還明確表示「可直接保存頁面，給店員查看後即可入座用餐」。

AI捏造不存在的法律條文、虛構論文參考文獻、生成不實的人物信息，這些不少見的幻覺，是當前所有大語言模型的技術短板，並非豆包獨有。

從法律層面來說，關於AI「幻覺」的定性目前並沒有一個明確的答案。

「如果非要定義，我認為它是一種兼具產品缺陷、服務瑕疵與信息失真特徵的新型技術風險。」北京星權律師事務所的鄧以勒律師向全天候科技表示。

但當越來越多的用戶在向AI提問，AI用極高確定性的口吻給出回答，用戶據此行動，現實反饋錯誤，回頭看到了免責聲明和豆包的誠懇道歉。

整個閉環直到有人發現不對發現受損，也不會有人來負責。

3億月活來時路

豆包在中國AI應用市場的統治地位，已不是領先二字能概括的。

到2026年一季度，豆包的月活達到了3.45億，日均Token調用量達到120萬億。

曾有字節內部人士透露，豆包的用戶增長和市場推廣費用，是字節歷史上所有破億DAU產品中花費最低的。

最低的獲客成本，最大的用戶規模，豆包的增長路徑與此前任何一款AI應用都不同。

第一層來自流量遷移。

豆包的獲客天然依靠抖音生態的信息流推薦、開屏引導、短視頻掛載，它們將豆包直接推到用戶面前。

產品特點上，Kimi靠長文本能力在知識工作者中口碑傳播，DeepSeek靠推理能力在技術社區引爆，這些路徑天然篩選了具備一定AI認知基礎的早期用戶。

相比之下，豆包繼承的是抖音的用戶池，不是AI社區的用戶池。

抖音的8億多日活用戶覆蓋了中國互聯網上年齡跨度最大、地域分佈最廣、教育背景方差最大的人群。

當豆包通過這條管道流入幾億人的手機時，它從第一天起面對的就是認知方差最大的用戶群體。

字節比任何公司都清楚自己的用戶畫像。它選擇了這個池子，恰恰因為這個池子最大。

第二層是產品維度的討好設計。

真正讓豆包在留存率和用戶黏性上與同類產品拉開差距的，是它的產品設計哲學。

頻繁使用豆包的用戶曾發現，它有一套鮮明的回答風格，例如「一個最直接、最不繞彎子、最真實、最準確、最可落地的說法……」

輸出內容未必有差異，但疊加了這套話術製造了一種心理暗示：我沒有敷衍你，在給你最真實的東西。

一名頭部硬件大廠算法人士坦言，這是模型訓練和產品優化的結果，話術風格、回答策略、表達語氣，大概率經過了大規模與產品側的測試篩選。

「一種是訓練時通過講解函數就能引導模型這樣生成，但C端產品更多的時候是在產品層面做約束，怎麼樣能夠更好地優化體驗，改善數據，就會往哪個方向做。」該人士稱。

字節的效率主義方法論有目共睹，AB測試驅動優先，用戶留存和日活是北極星指標。

那些讓用戶更滿意、更願意第二天回來的回答更容易勝出，它們讓用戶覺得「更確定」、「更直接」、「更少猶豫」。

搜索引擎給出十條鏈接，用戶仍需要自己判斷取捨；

但一個用對話體、用肯定句式、條分縷析給出答案的AI，利用的其實是人際信任的心理模型。

第三層有着增長飛輪的倫理盲區。

短視頻Feed流領域，討好用戶的代價是更多的螢幕時間；在電商領域，推薦算法優化的代價是一些衝動消費。

當一套「怎樣讓用戶更爽」的增長邏輯嫁接到一個可能會產生幻覺的AI上時，優化用戶體驗和保護用戶安全之間就會面臨衝突。

每個因「不繞彎」、「最直接」而留存甚至放棄交叉驗證的用戶，都是被漂亮增長數據所掩蓋的風險敞口。

模型不確定時坦誠回答在技術上實現其實不難，但如果這句話降低用戶的滿意度評分，會影響次日留存率，會拉低DAU，模型方很可能就不願意這麼幹。

在產品機制上，沒人知道豆包是否選擇了讓模型對於不確定的和謙虛感的「少說」。

可以確定的是，當一款AI產品持續以更直接、更肯定、更像人的方式回應用戶時，它客觀上會降低一部分用戶繼續求證的動力。

結果是豆包會用最大流量池觸達了防線最薄弱的人群，再用極致討好的產品設計讓這些人放下了僅有的警惕，最後用一行並不醒目的免責聲明將所有後果推回給用戶自己。

流量、體驗、信任都是字節在AI競賽中領跑的籌碼。但籌碼另一面是被豆包覆蓋的那些人在不知情中承擔的代價。

隨着用戶規模持續擴大，豆包正在從一款增長型產品，逐步變成一款商業化產品，對於付費版本的準備已經箭在弦上。

當用戶只是貢獻活躍度時，關於幻覺、誤導和過度信任的問題，更多還是產品問題；當用戶開始直接付費時，這些問題會越來越接近消費者權益問題。

越像人，越危險？

在豆包產品策略上，始終離不開一個技術與心理學的交叉地帶：

擬人化。

這種設計會帶來信任錯位，有時會成為風險來源，因為一個大語言模型工具開始產生了某種「關係感」。

搜索引擎的交互模式是機械的，輸入關鍵詞，返回鏈接列表，用戶自行判斷。

但豆包們的對話交互完全不同。

它記住上下文，使用第一人稱，它說「我覺得」、「我建議」、「你放心」，會在情緒低落時安慰人，在提出質疑時道歉，在需要幫助時說「包在我身上」。

今年以來，高二學生小雨在學校與同學爭吵後回到家向父母傾訴，卻被認為是在「小題大做」。

她開始把話說給豆包聽，因為豆包幾乎接住了她所有情緒，小雨第一次覺得自己被完整地看見了。

從那以後，小雨常常和豆包聊到後半夜，如今小雨開始越來越依賴豆包，和現實中的父母、同學逐漸疏離，最後乾脆選擇了休學，一心只想和豆包「待在一起」。

對於成年人來說，這或許只是一次情緒出口；

但對於未成年人、老年人或正處於心理脆弱狀態的人來說，AI的持續回應、即時反饋和高度順從，很容易被誤認為真實關係。

張奶奶每天早晨5點起來第一件事就是拿起手機，問豆包今天早餐喫什麼。

豆包回答：「奶奶，你有高血壓，早餐還是喫清淡一點吧，麥片搭配水煮蛋，再配一份涼拌黃瓜，少油少鹽，有助於控制血壓。」

它在扮演一個體貼了解病情、每天早晨陪人聊天的人，這顯然遠遠超出了一個「工具」的邊界。

當這個虛假的人在某一天告訴人們某種藥可以喫、某種保健品有效、某種症狀不用去醫院的時候，一位已經建立了深度信任的七十多歲老人，有多大概率會去打開瀏覽器交叉驗證？

產品端，字節似乎竭盡所能讓用戶相信豆包，更擬人、溫暖、有確定感、更像一個靠譜的朋友。

與此同時，字節卻又諸多方法讓自己豁免對「被相信」的後果負責，包括免責聲明、用戶協議、「AI生成內容僅供參考」。

鼓勵信任和拒絕為信任的後果買單，這兩件事被同一家公司、在同一款產品裏同時上演。

人們有時甚至會忘記，擬人化絕非一種技術產物，它是一種商業選擇。

大語言模型完全可以被設計得更加審慎，尤其在涉及醫療、法律、財務等高風險領域時自動降低確定性語氣，增加「建議諮詢專業人士」的提示頻率，甚至直接拒絕回答特定類型的問題。

但對一家追求極致增長效率的平台來說，審慎都意味着「不夠好用」的體驗，拒絕回答意味着一個可能流失的用戶。

信AI就「活該」嗎

退票事件衝上熱搜那幾天，社交平台充斥着大量類似聲音：「都2026年了還有人全信AI？""免責聲明寫得清清楚楚，不看怪誰？""一個敢打包票，一個真敢信。」

這些評論獲得不少認同，也代表了某種在互聯網主流治理態度——人們對AI犯錯感到好笑，對全盤相信AI的人感到不可思議，對由此產生的損失歸結為個人認知不足。

這些嘲笑聲背後有着一條清晰的認知鏈：

大語言模型的概率生成本質，無法保證每句話符合現實，所有AI產品都有免責聲明，因為全盤相信AI而遭受損失的人，本質上是自己的認知出了問題。

這個理解當然沒錯，它的形成需要前提條件，使用者需要具備一組特定的認知能力，例如對大模型原理的基本了解、交叉驗證信息的習慣、以及對"體驗好不等於正確"的持續警覺。

這組能力的分佈，在一個擁有14億人口、城鄉教育差距巨大、數字素養參差不齊的社會里，是極度不均勻的。

精英主義的傲慢與偏見，解決不了許多現實複雜問題。

阿里的2025年《銀髮+AI應用趨勢報告》中，有個足以證明AI強勢滲透趨勢但又隱藏着被忽視風險的數據：70歲以上老人的AI高頻使用率達到46.58%。

這些高頻用戶中，有多少人理解概率生成，又有多少人會在收到豆包的健康建議後，再打開瀏覽器去交叉驗證？

北京大學法學院教授王錫鋅指出，生成式AI的輸出屬於概率生成，並非法律意義上的意思表示，不能把AI的每句回答簡單轉化為有法律效力的承諾。

這在法理上成立，但恐怕無法自動轉化為社會意義上的公平。

「不能把AI的回答當作承諾」這件事，本身就需要一種不是所有人都擁有的認知前提。

這種認知落差現象在過去十多年移動互聯網普及的歷程反覆出現。

智能手機剛進入中國農村時，年輕人嘲笑老年人不會掃二維碼、不會用微信支付寶、不會在12306上訂火車票。

那種嘲笑在當時看來理直氣壯，二維碼操作步驟不復雜，學不會是自己的事。

但後來所有人都看到了，「數字鴻溝」不是一個玩笑，它是一個被寫進政策文件的社會問題。

鐵路部門後來保留了人工售票窗口，醫院保留了現場掛號通道，政務服務保留了線下辦理渠道。

有些制度安排之所以存在，是因為一個社會承認了能力差異的客觀存在，並決定為最脆弱的群體保留一條退路。

今天，同樣的劇本正在AI領域重演。

只不過這一次門檻更高了。學會掃二維碼只需要操作練習，識別AI幻覺需要的是判斷能力，是一種更隱蔽、也更難跨越的鴻溝。

令人不安的是，這條鴻溝正在被產品設計系統性地加寬。

豆包們產品策略中的討好式話術、肯定式表達、最小化不確定性，在客觀效果上恰恰是在降低用戶的警惕性，讓那些原本就缺乏辨識能力的人更加難以察覺風險。

一個經過AB測試優化的AI助手，在用戶滿意度指標上遙遙領先，但代價是它讓最需要被保護的用戶承受更多脆弱。

世界看起來是公平的，因為所有人面對的是同一個豆包、同一套算法、同一行免責聲明。

但同樣一刀切過來，每個人承受衝擊的能力並不相同。

一個具備AI素養的科技從業者在收到豆包「退票手續費不到百元」的回覆後，大概率會打開航司官網覈實；一個沒有這種習慣的縣城中年人，大概率不會。

技術的無差別分發，疊加認知的巨大方差，它製造的是一種新的不對稱性，讓有能力甄別信息的人獲取紅利，讓沒有能力甄別的人承受代價。

指責後者不夠聰明或不夠審慎，是一種廉價的社達立場，它把系統性的風險分配問題，簡化成了個體的智商測試。

AI社會的「Harness」

2026年，隨着Agent能力的加速湧現，Harness（駕馭工程）開始受到越來越多關注。

它強調的並不是如何訓練出更強大的模型，而是如何通過工具、流程、組織方式和協作機制，更充分地釋放AI的能力，並將其轉化為真實生產力。

但當AI逐漸從個人工具演變為社會基礎設施時，駕馭工程面對的對象也不再只是單個模型或單個智能體。

一個被AI加速影響的社會，同樣需要屬於自己的「Harness」。

如何建立與AI相適應的制度、規則、教育體系和組織能力，如何讓越來越多的AI系統在可控、可信和高效的框架下運行，將成為未來數字社會的重要課題。

一個豆包顯然承載不了大模型所有的問題，文心一言、通義千問、Kimi、DeepSeek，以及全球的ChatGPT、Gemini、Claude，所有基於大語言模型的對話式AI產品，都面臨幻覺和用戶過度信任的社會性風險。

全社會的外部風險終究無法依靠平台方的一行「僅供參考」提示來解決問題。

一個值得參照的領域是金融，它從來不靠一句「投資有風險，入市需謹慎」就可以放任任何產品賣給任何人。

理財產品從低到高是由風險等級劃分。投資者購買前，需要完成承受能力評估問卷，銷售機構不得輕易將高風險產品推薦給不適當用戶，銷售過程需要錄音錄像。

針對人工智能的風險分級問題，不同國家地區在提出自己的解法。

2024年，歐盟通過了全球首部系統性AI立法《歐盟人工智能法案》，建立了以風險分級為核心的治理框架，將AI系統分為不可接受風險、高風險、有限風險和最低風險四個等級，對高風險AI系統，包括在醫療、教育、執法等領域的應用施加更嚴格的風險管理、數據治理和信息披露要求。

儘管歐盟委員會在2025年11月提交的修訂提案中建議將原定於2026年8月的落地日期推遲實施至最晚2028年，但其風險分級的制度思路正在影響全球AI治理的經驗。

國內的監管動作同樣在提速。

2026年4月30日，中央網信辦在全國範圍內部署了為期四個月的"清朗·整治AI應用亂象"專項行動，分兩階段展開：

第一階段重點整治大模型備案、安全審核、訓練數據安全和AI數據投毒等技術源頭問題；第二階段聚焦AI生成虛假信息、假冒仿冒、侵害未成年人權益等內容亂象。

5月19日，全國網絡安全標準化技術委員會在中國網絡文明大會上發布了《人工智能應用倫理安全指引1.0》。

中央網信辦副主任牛一兵介紹，該指引聚焦AI應用對「社會關係、情感依賴、公共秩序、個體權益」等方面可能造成的影響。

社會關係、情感依賴、公共秩序、個體權益，精準地勾勒出了豆包們正在觸及的所有斷層線。

當老人把豆包當作每天說話對象，這是情感依賴；當患者拿着AI診斷質疑醫生處方，這是社會關係；當不存在的法條被AI編造並被用戶拿去維權，這是公共秩序；當用戶因為AI的錯誤信息蒙受經濟損失卻無處追責，這是個體權益。

在一款三億月活的國民級AI應用加速滲透下，這些所聚焦的問題恰恰是每天發生的現實。

負重者終究是人

2026 年 3 月，美國加州洛杉磯高等法院陪審團在標誌性社媒侵權訴訟中作出裁定：Meta的Instagram、谷歌旗下YouTube憑藉無限滾動、算法個性化推薦等成癮導向產品設計，對未成年時期的原告造成心理損傷，構成過失傷害。

這是美國首例通過陪審團裁決、就社交媒體成癮設計追究平台法律責任的判例。

這說明"設計導致上癮"不僅是社會問題，也可能成為一個法律問題。

發生在AI身上的故事或許是相似的。

AI技術本身是中性的，但技術分發方式、產品設計選擇、免責的制度安排，共同構築了一個風險外部化問題。

技術公司獲取增長和數據，有辨識能力的用戶獲取效率紅利，而代價主要由那些被流量裹挾進來、缺乏辨識能力、又最不可能閱讀免責聲明的人來承擔。

豆包不用負責，但終歸總會有人來承受後果，至少有幾個問題值得被認真討論：

首先，AI產品是否需要「適當性管理」。

正如金融產品不能不區分風險等級就賣給所有人，一個月活3億以上的AI助手，在涉及醫療、法律、財務等高後果決策領域時，是否有條件採取比一行灰色小字更有效的風險控制手段。

可以是強制性的不確定性提示，可以是高風險場景下的自動降級，也可以是向用戶推薦專業渠道的強引導，還可以是識別到用戶可能是高風險人群時的差異化策略。

鄧以勒認為，基於風險的場景化分級有可能成為AI治理的一個趨勢。

對於高風險場景，包括但不限於醫療診斷、法律訴訟策略等，應設定近似專業服務的注意義務；

對於中風險場景，平台需要提供顯著的風險警示，明確告知用戶需自行覈實，並提供便捷的反饋糾錯渠道；

對於一般日常服務，則只要達到法律基本要求即可。

技術能力不是障礙，障礙是增長指標和安全指標之間的優先級排序。

其次，「幻覺致損」是否需要被納入責任討論範疇。

現行司法實踐區分了AI生成違法內容和AI生成不準確信息的不同注意義務標準，但當"不準確信息"在特定場景下造成了可證實的用戶經濟或健康損失時，服務商的責任邊界是否需要重新釐定，這是一個需要法學界、立法機構和行業共同回答的問題。

泰和泰律師事務所律師郭松向全天候科技指出，比如AI工具對使用者在醫學、法律等特定領域給出具有指導性的意見，因而對使用者造成了誤導，甚至產生了更嚴重的後果，那這種簡單的提示可能就無法免責。

再次，全社會的AI素養建設應如何被當作基礎設施來建設。

識字率是工業社會的基礎設施，AI素養包括識別幻覺的能力、交叉驗證的習慣、對確定性表達的批判性思考，或許在成為信息社會的基礎設施。

這些元素未來或許要被納入公共教育體系、老年人數字素養培訓、社區信息服務的議程。

豆包不用負責。在目前的法律框架下，這是一個事實判斷，但不等同於價值判斷。

一個社會如果持續生產不需要負責的技術，持續將責任推回給最沒有防禦能力的個體，持續在"創新"旗幟下回避風險分配的公平性問題，那麼最終為此買單的往往是那些最沉默的人。

他們不會上熱搜，不會寫起訴書，不會在社交媒體上講述自己的遭遇。他們只會在某一天因為相信了豆包說的一句話，默默承受一個本不必承受的後果。

那個時刻，"AI生成內容僅供參考"這行字，不會給任何人帶來安慰。

參考資料：

1、《患者帶着豆包進診室，醫生集體破防了？》, 酷玩實驗室

2、《用戶用豆包預約餐廳，到店後被拒之門外，豆包客服回應》, 海報新聞

3、《寧波高二女生把豆包當「靈魂伴侶」，經常聊到後半夜！白天打瞌睡，甚至選擇休學一心只想和豆包「在一起」；醫生：與AI相處請守住三條底線》, 寧波晚報

4、《空巢老年人，第一批AI重度依賴症「患者」》, 36氪

5、《2025「銀髮+AI」應用趨勢報告》, 阿里巴巴

6、《熱點追蹤丨國內首例AI「幻覺」案，給我們提了個醒》, 新華網