AI自主科研案例————AI与智能体发展对人类社会出生率的影响研究

摘要

随着人工智能和智能体技术的飞速发展，人类社会正面临一个前所未有的问题：AI是否会进一步压低已经处于历史低位的出生率？ 本研究通过多方法整合分析，系统识别了AI影响出生率的6条独立机制路径（4条抑制、2条促进），基于OLG理论框架构建了系统动力学模型，并仿真了4种情景下60年的人口演化轨迹。在此基础上，本研究通过批判性反思识别了核心论证的潜在漏洞，引入了性别不对称的"双端退出"模型，并以中国Gen Z数据作为极端案例进行了深入检验。此外，本研究还通过阈值函数验证了AI伴侣替代效应的非连续塌陷假设，并通过蒙特卡洛扫描量化了参数空间的不确定性。

核心结论：AI整体上对出生率构成净负面压力。即使在最乐观情景下（AI作为补充式生产力工具 + 有效政策监管 + 家务机器人突破），2085年全球生育率（TFR）最高仅恢复至1.84——仍低于替换水平2.1。在最悲观情景下（替代式AI + 无监管AI伴侣泛滥），TFR可能跌至0.85，人口60年内萎缩超60%。然而，这一结论需要重要的性别维度修正：AI伴侣的替代效应是不对称但双向的——男性被AI伴侣"拉出"婚恋市场，女性因经济独立和社会不平等被"推出"市场，双端同时收缩产生的非线性效应远超单方向退出的影响。关键变量并非AI本身，而是AI伴侣的渗透率——当超过70%时，社会关系资本加速崩塌，对出生率的抑制效应远超其他所有机制。阈值函数验证进一步表明，这一塌陷并非平滑递减，而是在渗透率超过临界值（约Q=0.65）后出现非连续跳变，跳变幅度可达0.367 TFR。

1. 引言

1.1 背景

全球出生率正处于前所未有的下降通道中。OECD国家总生育率（TFR）已从1960年的3.3降低至2022年的1.5，37/38个OECD国家低于替换水平2.1（OECD, 2024）。韩国更是跌至0.7的极低水平，成为全球生育率最低的国家之一。与此同时，AI技术正以远超以往技术革命的速度渗透人类生活的方方面面。从ChatGPT在2022年底横空出世，到Character.AI等伴侣型AI产品的月活用户突破2000万，AI正在从根本上改变人类的工作方式、社交模式和亲密关系。这两条趋势——出生率下降和AI渗透率上升——是否在因果关系上交汇？如果是，其作用机制和量化幅度如何？这些问题构成了本研究的核心驱动力。

1.2 研究问题

本研究聚焦于一个尚未被充分系统性探讨的问题：AI和智能体的发展，通过哪些机制、以多大的幅度、在什么条件下，影响人类社会（特别是年轻一代）的生育决策？ 具体而言，本研究试图回答以下子问题：

• AI通过哪些独立的机制路径影响生育意愿和生育行为？
• 这些机制之间的交互效应是放大还是抵消？其非线性特征如何？
• AI伴侣的替代效应是否存在关键阈值？渗透率超过多少时会发生社会关系资本的"非连续塌陷"？
• 性别不对称如何改变AI对婚恋市场的解构方式？
• 在可预见的政策干预下，人类社会的生育率是否还能回到替换水平？

1.3 研究方法

本研究采用五阶段整合研究法：

1. 文献调研：系统检索学术论文、智库报告、国际组织数据，覆盖人口学、经济学、AI伦理学、社会学等多学科
2. 思维实验：基于当前趋势推演极端场景，包括AI伴侣时代、AI经济下的人类价值、AI育儿助手等，并在后续扩展中增加性别不对称、政策干预和反直觉正面场景
3. 归纳分析：提炼跨领域的影响机制框架，识别6条独立路径及其非线性交互
4. 理论建模：构建包含AI因素的生育决策OLG模型，引入性别不对称的扩展模型
5. 系统动力学仿真：4情景量化对比分析，辅以蒙特卡洛敏感性扫描和阈值函数验证

此外，本研究还包含对上述方法的批判性反思，识别核心论证的潜在漏洞，并用最新实证数据补充和检验理论预测。

2. 文献综述

2.1 历史的回声：技术变革如何影响出生率

技术变革对出生率的影响并非首次出现。历史上，每一次重大技术革命都伴随着生育率的结构性下降，但每次变革的作用机制各不相同。理解这些历史先例，有助于我们预判AI可能产生的影响轨迹。

值得注意的是，这些技术变革并非孤立的——它们叠加在已有的社会变迁上，产生乘数效应。每一次新技术浪潮都进一步降低了生育的"必要性"和"自然性"。一个关键观察来自Amish群体的研究：Amish群体（完全避免新技术）保持了最高的生育率（Stone et al., 2025，《Demographic Research》），这暗示技术采纳本身与生育率下降存在因果关联，而非纯经济因素。如果技术回避群体可以维持高生育率，那么技术采纳群体的生育率下降就不能简单归因于经济发展或社会变迁——技术本身很可能是独立的驱动因素。

2.2 AI伴侣的爆发式增长

AI伴侣市场正以惊人的速度扩张，其增速远超此前任何一种社交技术。以下数据勾勒出这一新兴市场的轮廓：

这几个数字值得特别关注。首先，超过一半的AI伴侣用户是18-24岁的年轻人——这正是传统婚恋和生育决策的关键年龄段。其次，AI伴侣的市场年增长率高达20-31%，远超大多数消费品类。第三，日均17分钟的使用时长看似不高，但对于情感陪伴类产品而言，这一数字已经接近社交媒体的日均使用时长，且仍在增长中。这些数据共同表明，AI伴侣已从科技爱好者的边缘玩具，变为主流年轻人日常生活中的重要组成部分。

2.3 实证调查证据

BYU/Wheatley Institute “Counterfeit Connections” 报告 (2025)：该研究对3000名美国成年人（含1000名18-30岁年轻人）的调查发现：

更令人担忧的是用户的评估反馈：

• 42%认为"AI比真人更容易交谈"
• 43%认为"AI是更好的倾听者"
• 31%感到"AI比真人更理解我"
• 25%认为"AI伴侣可替代真实恋爱"

同时，AI伴侣用户的抑郁风险是非用户的2倍（男性>50%，女性>60%）。这一发现引发了关于因果方向的重要问题——是AI伴侣导致了抑郁，还是本就抑郁的人更倾向于使用AI伴侣？我们将在后文详细讨论这一方法论挑战。

Pew Research (2025)：64%的美国青少年使用AI聊天机器人，约3/10每日使用。低收入家庭的青少年使用率更高，暗示技术替代可能进一步放大阶层差异。

Common Sense Media (2025)：70%+的青少年使用AI伴侣，其中一半为常规用户。

Vantage Point Counseling (2025)：28%的美国成年人报告与AI有过"浪漫或亲密互动"。

中国Gen Z的数据：在已有调查之外，来自中国的数据提供了更极端的图景。Soul App发布的2025年度调查显示，中国Gen Z群体中"深度理解AI"的比例从2024年的3.5%飙升至23.8%，使用AI进行情感陪伴的比例高达38.9%，使用AI进行社交互动的比例为32.8%。更重要的是，超过60%的中国Gen Z拥有或曾有过虚拟伴侣，平均每人拥有1.8个AI朋友。约26%的用户表示情感需求完全由AI满足（其中男性45.6%，女性37.2%）。腾讯研究院2024年的数据更显示，98%的中国年轻人愿意尝试AI伴侣，每日或每周使用AI的比例高达95%。

这些数据揭示了几个关键趋势。首先，中国Gen Z的AI情感陪伴渗透率（38.9%）已经接近甚至超过美国水平（BYU报告的31%年轻男性、23%年轻女性）。考虑到中国更低的基线TFR（约1.2）、更快的AI发展速度、以及相对更弱的社会安全网和性别平等水平，AI对中国出生率的冲击可能比OECD国家更大、更快。中国正同时面临全球最低生育率、全球最快老龄化速度和全球最高AI采纳意愿——这一"三重合流"使其成为AI冲击出生率的"前沿实验室"。

2.4 经济影响的理论分析

Miyake (2025) 在MPRA工作论文中建立了包含AI资本的OLG增长模型，提出了几个关键洞见。首先，AI资本具有近乎无折旧的特征——与物理资本不同，AI软件可以近乎零边际成本复制和持续升级，这从根本上改变了投资决策的时间偏好。其次，AI驱动的算法市场从"一价定律"转向"多价定律"——个性化定价在提高效率的同时加剧了不平等。第三，AI通过改变劳动回报率间接影响生育决策，这一传导路径在传统OLG模型中未被充分考虑。

Acemoglu (2024) 的估计更为谨慎，他认为AI仅能自动化约5%的工作任务，但这取决于AI的发展路径和制度环境。他特别强调需要政策干预以避免"替代式"部署——即AI主要取代人类工作而非增强人类能力。

Vanguard Davis 的130年数据分析提供了一个有趣的历史视角：人口增长与GDP/通胀几乎无相关。Vanguard模拟认为AI作为"通用目的技术"的概率为45-55%，这意味着AI有近一半的概率成为像电力或互联网一样改变整个经济格局的技术。

2.5 技术史中的"Moravec悖论"

Hans Moravec (1988) 提出了一个著名的观察：让AI解决复杂问题容易，但给机器人一岁幼儿的技能（感知、移动、精细操作）极难。这一悖论在AI育儿场景中仍然成立——AI能解数学竞赛题，但叠不好衣服。这意味着AI家务/育儿机器人的突破可能比LLM的能力突破晚10-20年。

然而，这一"防线"正在经受考验。2024-2026年间，Figure AI的Figure 02已在BMW工厂执行真实生产任务，特斯拉Optimus已能在工厂自主完成简单分类任务。虽然这些进展距离"换尿布、哄睡觉、陪玩耍"还有显著差距，但进展速度正在加快。如果这条防线在2035年前被局部突破，本研究中最乐观的假设（AI家务成熟度R=0.99 by 2085）可能需要大幅提前。

3. AI影响出生率的多机制框架

基于文献调研和归纳分析，本研究识别出6条独立的机制路径。这些路径分别从情感关系、经济基础、时间分配和认知期待四个维度影响生育决策，其交互效应决定了最终对出生率的净影响。

3.1 抑制机制（↓出生率）

机制A：AI伴侣替代（Romantic Substitution）

描述：高质量AI伴侣（可编程外表、性格、声音，无限耐心，零要求）替代真实恋爱和婚姻需求。AI伴侣提供了"无摩擦关系体验"——人们可以在不面对拒绝、冲突、妥协的情况下获得情感满足。

实证基础：BYU/Wheatley报告显示31%年轻男性、23%年轻女性已使用AI浪漫伴侣；42%认为AI更易交谈。Character.AI的51.84%用户为18-24岁，这一年龄段正是婚恋和生育决策的关键期。

关键阈值：一旦AI伴侣体验超过"足够好"的心理阈值，真实关系的搜寻成本变得"虚高"——人们不再愿意投入数月的时间和情感风险去了解一个不确定的真人。这一效应不是线性的：当AI伴侣质量接近或超过真人平均值时，真实关系的吸引力会出现非连续下降。

类比：日本"蛰居族"（ひきこもり）现象，从百万人规模向更广泛年龄段扩散。AI伴侣可能使这一回避社会交往的现象从"边缘"变为"主流"。

机制B：就业替代效应（Labor Displacement）

描述：AI自动化冲击白领和知识型岗位，特别是年轻男性主导的领域。不同于前几次工业革命主要影响蓝领工作，AI首次大规模替代的是受过高等教育的脑力劳动者。

实证基础：IMF发现2010-2021年AI快速采纳地区就业率下降更显著，男性和服务业工人受影响最大。

传导链：AI替代岗位 → 收入下降/前景黯淡 → 婚育延迟/放弃 → 出生率↓

性别不对称：IFS数据表明男性收入与生育率正相关（收入↑ → 生育↑），女性收入呈相反趋势（收入↑ → 生育↓）。如果AI更多替代男性岗位（白领、技术岗通常男性占比更高），对生育率的负面冲击更大。这一性别不对称是我们将在后文深入探讨的关键维度。

机制C：注意力虹吸（Attention Siphoning）

描述：AI娱乐（个性化内容、游戏、VR）消磨大量时间，减少现实社交和约会机会。AI的内容推荐系统比传统社交媒体更具"粘性"——它不需要人的内容创造，可以无限生成个性化的娱乐内容。

实证基础：智能手机效应已被广泛记录——自2007年以来全球TFR加速下降。AI增强了这一机制：当娱乐内容从"推送"升级为"生成"，用户的时间投入也随之升级。

时间替代方程：\(T = H + L + C + A_{ent}\)，当\(A_{ent}\)↑（AI娱乐时间），\(C\)（育儿/恋爱时间）↓

关键洞察：即使AI生产力释放了时间（机制E），释放的时间也可能被AI娱乐消耗而非用于育儿——这是一种"抵消效应"。

机制D：期待扭曲（Expectation Distortion）

描述：完美可编程的AI伴侣提高真实关系的期待阈值，导致"俗世不足症"。当人们习惯了AI的无条件接纳、完美适配和零摩擦沟通，真实人际关系的种种不完美就变得难以忍受。

实证基础：25%的年轻成人认为AI伴侣可替代真实恋爱；41%使用AI辅助分手。

心理机制：AI提供"无摩擦完美关系"——无争吵、无不安全感、无磨合成本。相比之下，真实关系需要妥协和投入，显得"性价比太低"。研究表明，AI伴侣使用者的情感预期被系统性抬升，导致对真实关系的满意度下降。

3.2 促进机制（↑出生率）

机制E：生产力解放（Productivity Liberation）

描述：AI提升整体经济产出，缩短必要工作时间，释放育儿时间和资源。如果AI能够在不减少收入的前提下减少工作小时数，人们将有更多时间用于家庭和育儿。

实证基础：Brynjolfsson估计AI可推动年生产率增长约1个百分点。Vanguard认为AI作为通用目的技术的概率为45-55%。

适用范围：前提是AI的增益被广泛共享（而非集中在少数人手中）。目前趋势并不乐观——AI收入增长集中在资本持有者和高技能人群中，而自动化替代的影响却广泛分布。

机制F：生育技术支持（Fertility Tech）

描述：AI改善辅助生殖技术（IVF），提高成功率、降低成本。AI在胚胎筛选、基因检测、周期预测等方面已经展示出显著提升。

实证基础：AI工具将临床妊娠率提升至77.3%，植入精度92%，效率提升35%。

局限性：IVF仅覆盖不孕人群（约10-15%育龄夫妇），对整体TFR的提升有限。且成本仍然较高，低收入群体难以受益。更重要的是，IVF解决的是"无法生育"的问题，而非"不愿生育"的问题——后者的影响远超前者。

3.3 跨机制交互效应

各机制之间不是简单加和关系，而是存在非线性交互：

• 放大效应（抑制）：机制A(AI伴侣) + 机制B(就业前景↓) + 机制D(期望扭曲) → 远超三者之和的"退缩闭环"。当一个年轻人同时面临AI伴侣的情感替代、AI导致的就业不确定性、以及对完美关系的扭曲期待时，其退出婚恋市场的概率呈指数级上升。

• 抵消效应（相互）：机制E(生产力)↑ → 释放时间 → 更多时间可能被机制C(注意力虹吸)消耗 → 净效果为零或负。生产力的收益被注意力的竞争所抵消。

• 代际传递：在AI陪伴下成长的第一代 → 对真实社会关系的偏好和能力被塑形 → 影响其生育意愿 → 下一代。这一传递效应使得短期干预的效果可能被代际累积所减弱。

在上述交互效应的基础上，本研究进一步识别并构建了一个关键的整合框架——“双端退出"模型。这一模型揭示了AI对婚恋市场的解构方式远比"替代恋爱"更加复杂。

“双端退出"模型的提出：主报告初步分析认为AI伴侣替代是最关键的抑制机制，但更深入的考察揭示了一个重要的事实——AI伴侣的替代效应在性别分布上是高度不对称的。BYU数据显示男性使用AI伴侣的比例（31%）远高于女性（23%），而女性的出生率决策更多受经济独立性和职业机会影响，而非AI伴侣的"吸引力”。这意味着AI伴侣替代效应主要影响男性侧的供给，而非女性侧的需求。

基于此，本研究构建了"双端退出"模型：

          AI伴侣（满足情感需求）
          ↓
    ┌─────────────┐          ┌─────────────┐
    │   男性      │          │   女性      │
    │             │          │             │
    │ 31% 使用AI  │          │ 23% 使用AI  │
    │ 伴侣        │          │ 伴侣        │
    │             │          │             │
    │ AI满足情感  │          │ 经济独立↑   │
    │ → 不愿追    │          │ 生育成本高  │
    │ 求真实关系  │          │ 性别不平等  │
    │             │          │ → 4B运动    │
    │ ↓           │          │ ↓           │
    │ 男性退出    │          │ 女性退出    │
    │ 婚恋市场    │          │ 婚恋市场    │
    └──────┬──────┘          └──────┬──────┘
           │                       │
           └───────────┬───────────┘
                       ↓
              婚恋市场"双端萎缩"
                       ↓
                    TFR↓

数据支撑：

1. 男性侧退出：BYU数据31%年轻男性使用AI伴侣；Character.AI 51.84%用户18-24岁；AI"完美伴侣"降低追求真实关系的意愿
2. 女性侧退出：韩国4B运动（拒绝约会、性、婚姻、生育）已扩散至美国；中国女性延迟/放弃婚姻比例上升；LeanIn数据显示女性AI伦理顾虑更多，采用更慢
3. 性别AI使用差距：BIS报告发现AI性别差距的75%由"自我认知知识差距"解释——女性低估自身AI能力→使用意愿更低→AI赋能收益更少→经济独立路径更窄

关键发现：AI对婚恋市场的解构是不对称但双向的——男性被AI伴侣"拉走”，女性因经济和社会结构因素"推开"。两者叠加产生的非线性效应远超单方向退出的影响。这一机制意味着，AI伴侣不是直接"替代了恋爱"，而是制造了婚恋市场的结构性失衡——男性退出，女性同样退出（但原因不同：男性因AI满足而退出，女性因经济独立+性别不平等而退出）。两端同时收缩的速度，决定了TFR下降的斜率。

进一步地，需要对"AI伴侣替代效应是最大威胁"这一核心论证进行批判性审视。

漏洞1：替代的是谁？ 主报告的初步结论认为AI伴侣替代是最关键的变量，但更细致的分析揭示了一个重要修正——男性使用AI伴侣的比例远高于女性（31% vs 23%），而女性的生育决策更多受到经济独立性、职业机会和性别不平等的影响。因此，AI伴侣替代效应主要作用于男性侧的退出，而非直接减少女性侧的生育意愿。修正后的理解是：AI伴侣的威胁不在于它"替代了恋爱"本身，而在于它与现有的社会性别张力协同作用，加速了婚恋市场的双端萎缩。

漏洞2：因果关系可能反向。 BYU数据显示AI伴侣用户抑郁/孤独率更高——但这可能是选择性效应而非因果效应。可能本就孤独的人更倾向使用AI伴侣（反向因果），也可能两者互为因果形成恶性循环。目前仅有横截面数据，需要纵向追踪研究才能确定因果方向。如果主要是"孤独者筛选"效应，那么AI伴侣的替代风险可能被高估。然而，即使部分效应是选择性的，AI伴侣的使用仍然可能通过"路径依赖"机制——一旦进入AI关系，退出真实关系的意愿下降——产生实际的替代效果。

漏洞3：Moravec悖论防线正在被突破。 2024-2026年间，Figure AI、Tesla Optimus等人形机器人取得显著进展。Figure 02已在BMW工厂执行真实生产任务，特斯拉Optimus已能在工厂自主完成简单分类任务。如果这条防线在2030年前被突破，报告中最乐观的假设（家务成熟度R=0.99 by 2085）可能需要提前到2050年。这意味着育儿成本下降的正面效应可能来得更早、更强，但同时也意味着AI对育儿情感互动层面可能产生更早的影响。

4. 思维实验

4.1 实验1：AI伴侣时代（2035年）

假设：2035年，高质量AI伴侣已普及——具备全息投影、语音交互、个性可编程、情感模拟。AI伴侣的质量在"情感支持"维度超越真人平均值。

推演：

1. 当前已有31%年轻男性使用AI浪漫伴侣（BYU 2025），且使用率以每年5-8个百分点的速度增长
2. 假设AI伴侣质量年提升20%（以LLM进步速度为准），这一增长率远高于大多数人际关系的质量改善速度
3. 预计2030年AI伴侣体验在"情感支持"维度超越真人平均值——届时，AI不仅是"替代品"，更是"升级版"
4. 恋爱的"搜寻成本"急剧上升——人们不再愿意投入数月去了解一个不确定的真人，因为AI提供了确定的、高质量的、随时可得的替代选择
5. 关键发现：AI伴侣体验超过某个阈值后，回归真实关系的意愿呈现非连续下降——不是缓慢递减，而是"坠落"。这一非连续特征将在第6.4节的阈值函数验证中得到量化确认。

4.2 实验2：AI经济下的人类价值

假设：AGI在2035-2045年间全面替代多数白领工作。人类在经济生产中的角色变得边缘化。

推演：

1. 安德鲁·吴的担忧：如果多数人在经济上不再重要——“照顾人（包括生孩子）的动机减弱”
2. Malcolm Collins的论点：“AI将替代几乎所有人类工作——人类在经济活动中的角色可能变得无关紧要”
3. 反方（Vox, Spears）：老龄化不是生存威胁，而是预算挑战；生产力进步可弥补劳动力缺口
4. 关键发现：生育的"经济合理性"与"文化驱动力"正在解耦。经济回报下降不等于生育意愿归零，但没有经济基础的文化驱动难以支撑更替水平。当生育失去了经济上的"必要性"（子女不再是养老保障），仅靠文化惯性和情感需求维持的生育率可能快速下降。

4.3 实验3：AI育儿助手

假设：家用机器人达到可替代人类保姆/育儿的水平（2040+）。育儿的时间和体力成本大幅下降。

推演：

1. 当前Moravec悖论仍成立：AI能解数学竞赛题但叠不好衣服。然而，这一悖论正被逐步攻克
2. 即使突破，AI降低的是经济成本（保姆支出）还是时间成本（亲自陪伴）？区分这两种成本对预测效果至关重要
3. 瑞典等高福利北欧国家已有"几乎零成本育儿"，但TFR仍只有1.5-1.7——说明降低育儿成本不足以单独提升生育
4. 关键发现：育儿成本降低是必要条件而非充分条件。它必须与解决"为何要孩子"的文化问题同时推进。单靠技术手段降低抚养成本，无法替代对生育意义的重新定义。

4.4 综合推断

三个思维实验指向同一个方向：AI带来的主要风险在于改变了"为什么要有孩子"的根本动机，而非仅仅改变"养孩子的成本"。前者涉及人类存在的意义、代际传承的价值、亲密关系的本质等深层问题，难以用政策干预修正；后者相对容易——补贴、减税、育儿服务等干预手段在历史上已证明有一定效果。

然而，上述三个实验只是AI影响生育率的冰山一角。在进一步的分析中，本研究扩展了三个新的思维实验，以覆盖性别不对称、政策响应和反直觉正面场景。

扩展实验4：性别不对称的极端演化

设定：2040年，高质量AI伴侣高度普及。假设使用率出现极端性别分化——男性AI伴侣使用率达到75%（从当前31%按年增率外推），女性AI伴侣使用率40%（但主要用于工具性目的而非情感替代）。

推演：

1. 婚恋市场上"可匹配男性"减少75% → 剩余男性"议价能力"大增
2. 但女性对此的反应不是"与剩余男性匹配"——而是进一步退出（4B逻辑延续）
3. 结果：“匹配真空”——双方都不愿进入关系
4. 极低TFR持续（<0.8），类似韩国趋势但更广泛

批判反思：这一推演假设了男性AI使用率远高于女性——但Leah In等数据显示女性AI使用率同样在上升（虽然更慢）。如果女性也大规模使用AI伴侣作为情感陪伴，双端退出的速度可能更快。另一种可能性是，如果女性AI使用以工具目的为主（而非情感替代），那么男性退出带来的"供给不足"可能被女性寻找非AI伴侣的努力部分补偿——但补偿效果有限。

扩展实验5：AI治理的"新加坡模式"

设定：某个国家采取积极干预策略：

• 严格限制AI伴侣的"浪漫/性"功能（仅允许教育、生产力、医疗用途）
• 大力投资AI育儿辅助（家用机器人补贴）
• 生育支持政策组合（现金+时间+服务）
• 数字素养教育（帮助年轻人区分AI和人类关系）

推演：

1. AI伴侣渗透率被控制在40%以下（比乐观情景的63%目标更进一步）
2. AI育儿机器人2035年达到实用水平（比基准早10年）
3. TFR稳定在1.6-1.8，优于基准但不足以回到替代水平

关键发现：即使最强干预也难以跨越"2.1替代水平"——“保持不跌破1.5"或许才是更现实的政策目标。这一实验揭示了政策干预的"天花板效应”：当AI伴侣的社会渗透已经改变了年轻一代的交往方式和情感期待后，即使限制AI伴侣本身，也很难在短期内逆转已发生的社会关系结构变化。

扩展实验6：AI作为"出生率救星"的反直觉场景

设定：2045年，AI技术出现意想不到的正面效应：

• AI匹配算法极大提升相亲/约会效率（已有人验证AI可改善在线对话质量——BYU研究）
• AI育儿助手降低育儿疲劳
• AI创造的"无聊时间减少"意外促进了更多生育（类似疫情期间的"疫情宝宝"效应）

批判分析：

1. AI匹配提升效率的假设与当前证据矛盾——Tinder等应用已证明"选择过多→匹配困难"，AI匹配可能进一步放大而非缩小这一问题
2. “疫情宝宝"效应被夸大——多国数据显示疫情后生育率短暂回升后继续下降，长期趋势未变
3. AI育儿助手可能降低的是"育儿门槛"而非"育儿欲望”——二者不同。降低门槛可以让已经想要孩子的人更轻松地实现愿望，但无法让不想要孩子的人改变主意

修正结论：AI促进生育的机制在理论上是可能的，但在实证和逻辑上都缺乏充分支持。促进效应（机制E和F）确实存在，但其幅度不足以抵消抑制效应（机制A、B、C、D）的合力。

5. 理论模型

5.1 模型框架

本研究基于Diamond (1965) 的OLG（Overlapping Generations）模型框架，引入三个关键扩展：

1. AI资本 \(K_{AI}\)：无折旧新型生产要素。与物理资本不同，AI软件可以以近乎零边际成本复制，其"折旧"更多来自于过时而非损耗。这一特性改变了代际投资的最优配置。
2. 社会关系资本 \(S_t\)：内生变量，受AI伴侣侵蚀。社会关系资本包括社交网络、信任存量、婚姻匹配效率等，这些因素反过来影响生育决策。
3. 多维度AI技术：分为生产力 \(A_p\)（影响工资和产出）、伴侣质量 \(Q\)（影响婚恋决策）、家务技术 \(R\)（影响育儿成本）。

5.2 核心方程

生育决策函数：

\( n_t^* = \max\left(0, \min\left(n_{max}, \frac{\alpha_n \cdot w_t}{\tau_n \cdot (1 - \phi \cdot R_t)} - \beta_A \cdot Q_t \cdot P_t + \kappa \cdot G_t\right)\right) \)

其中包含五个竞争效应：

详细模型文档见 theory-model.md。

对理论模型的批判性诊断：上述OLG框架虽然提供了系统的分析结构，但其内部存在若干值得注意的局限。首先，模型采用了同质代理人假设——所有家庭具有相同的生育偏好和决策逻辑。这一假设无法捕捉性别差异（男性和女性的生育决策函数显著不同）、收入阶层差异（高收入与低收入群体的AI暴露程度和生育响应差异巨大）以及文化背景差异。其次，模型假设静态偏好——生育偏好 \(\alpha_n\) 不随时间演化，这无法建模社会规范的变化（如韩国4B运动对生育态度的根本性重塑）。第三，模型只考虑异性伴侣，默认伴侣为一男一女的结构，忽略了越来越多样化的家庭形态。第四，模型无代际学习机制——子女不能学习父母的AI使用行为和态度，这低估了代际传递效应的累积性。第五，模型无空间维度，无法解释高TFR地区（如撒哈拉以南非洲）与低TFR地区的结构性差异。

此外，模型中包含若干未充分检验的假设，这些假设若被违反，将显著影响结论的稳健性：

这些局限并不否定模型的价值——任何模型都是对现实的简化抽象——但它们强调了在解释模型输出时需要保持谨慎。在后续的性别不对称扩展模型（第6.2节）中，我们部分解决了同质代理人假设的问题。

6. 系统动力学仿真

6.1 模型设计

基于上述理论框架，构建了系统动力学模型，仿真2025-2085年间4种发展情景的TFR和人口演化。模型的核心动态结构包括：AI伴侣渗透率的社会扩散过程（S形曲线）、社会关系资本的累积/侵蚀动态、工资对AI替代和生产率增长的响应、以及多维AI技术（生产力、伴侣质量、家务技术）的异速增长。

四种情景设定：

6.2 仿真结果

TFR演化路径

TFR
2.0 ┤
    │                      ┌── Optimistic
1.8 ┤                     ╱
    │                    ╱
1.6 ┤                   ╱
    │                  ╱   ┌── Baseline
1.4 ┤                 ╱   ╱
    │                ╱   ╱   ┌── Historical
1.2 ┤               ╱   ╱  ╱
    │              ╱   ╱  ╱  ┌── Pessimistic
1.0 ┤             ╱  ╱  ╱  ╱
    │            ╱ ╱  ╱ ╱
0.8 ┤           ╱╱ ╱ ╱╱
    │          ╱ ╱ ╱╱
    │─────────╯─╯─╯─╯──────────►
   2025      2050      2085

关键数据对比

机制贡献分解（2085年）

性别不对称模型的扩展：上述仿真基于同质代理人假设。为了更准确地刻画AI对婚恋市场的双边解构效应，本研究在原有模型基础上引入了性别不对称的扩展。扩展模型的决策函数为：

\( n^* = \frac{1}{2}\left[n_m^* + n_f^*\right] \)

其中：

• \(n_m^* = f(w_m, A_{companion}, S_m)\)：男性生育意愿，主要由AI伴侣替代效应和男性工资水平驱动
• \(n_f^* = f(w_f, cost_{child}, G_{policy}, S_f)\)：女性生育意愿，主要由育儿成本、政策支持和性别平等程度驱动

关键差异参数：

核心洞察：

• 男性生育意愿由AI伴侣替代效应主导——当AI伴侣渗透率超过50%时，男性退出婚恋市场的速度急剧加快
• 女性生育意愿由经济独立+育儿成本+社会政策主导——职业机会的增加和生育的高机会成本是主要抑制因素
• 两者"解耦"意味着：单纯补贴一方无法修复整体生育率
• 需要双管齐下的不对称政策：对男性→限制AI伴侣吸引力；对女性→降低育儿负担+改善性别平等

四情景扩展仿真：在加入性别维度后的更新仿真结果如下：

韩国模式情景的警示：如果AI伴侣让更多男性退出婚恋市场，同时女权运动（4B类似）让更多女性拒绝婚姻生育，TFR可能降至0.5-0.6水平——接近韩国当前趋势的外推。这一情景并非科学幻想：韩国当前的TFR已跌至0.7，而AI伴侣的普及才刚刚开始。当AI伴侣渗透率达到85%以上、同时女性退出率达到60%时，“匹配真空"的极端后果是人口在60年内减少超过70%。

6.3 敏感性分析

局部敏感性分析

通过单个参数扫描发现，以下三个参数对TFR结果最敏感：

1. AI伴侣替代系数 \(\beta_A\)（弹性-0.42）——最敏感的单一参数，\(\beta_A\)每增加0.1，TFR下降约0.08
2. AI伴侣渗透率上限 \(P_{max}\)（弹性-0.35）——即使伴侣质量保持不变，纯渗透率的增加也会显著压低TFR
3. AI自动化替代效应 \(\mu\)（弹性-0.18）——就业替代的影响显著但次于伴侣替代

政策相关的参数敏感性较低（\(\kappa\)弹性+0.08），暗示单纯的政策补贴难以抵消AI伴侣的社会侵蚀效应。

蒙特卡洛参数扫描

为了更全面地量化模型不确定性，对原模型中3个最敏感参数进行了联合变化扫描（各参数在合理范围内随机抽样10,000次）：

独立影响排序：

1. \(\beta_A\)（AI伴侣替代）→ 最敏感（±0.40 TFR范围）
2. \(\kappa\)（政策支持）→ 中等敏感（±0.18 TFR范围）
3. \(\mu\)（就业替代）→ 较不敏感（±0.15 TFR范围）

蒙特卡洛扫描确认了局部敏感性分析的结论，并提供了更全面的不确定性评估。需要注意的是，这三个参数之间存在交互效应——例如，高\(\beta_A\)配合低\(\kappa\)会产生远超简单相加的抑制效应（非线性放大），而高\(\kappa\)则可在一定程度上缓冲\(\beta_A\)的负面冲击（但缓冲幅度有限）。

“事件视界"风险分析

Scott Sumner (2025) 提出AI"事件视界"概念——当AI进步足够快，所有社会预测都将失效。这一概念对模型的适用性值得深思：

• 如果2025-2035年出现AGI级突破 → 就业替代效应(\(\mu\))可能跃升至0.7+ → 悲观情景的TFR(0.85)可能进一步降至0.5-0.6
• 如果出现监管冻结论（全球AI发展被严格管控） → AI伴侣质量(Q)增长停滞在0.3-0.5 → 替代效应受限 → TFR可能稳定在1.4-1.6
• 如果AI发展出现意料之外的伦理转向（如AI被设计为鼓励人类生育） → 本模型的所有假设都需要重新审视

关键认知：模型可以处理已知的不确定性（参数变化），但无法预测"事件视界"之内的事件——那些从根本上改变模型结构的剧变。这是所有长期社会预测的根本性局限。

6.4 阈值函数验证：AI伴侣替代的非连续塌陷假设

思维实验1提出了一个关键假设：AI伴侣替代效应在渗透率超过某个临界阈值时呈现非连续塌陷，而非平滑递减。本研究通过专门的阈值函数验证对这一假设进行了量化检验。

阈值函数定义

将AI伴侣替代系数 \(\beta_A\) 建模为伴侣质量 \(Q\) 的函数：

\( \beta_A(Q) = \beta_{base} + \Delta\beta \cdot \sigma\left(\frac{Q - Q_{critical}}{width}\right) \)

其中 \(\sigma(x) = 1/(1+e^{-x})\) 为sigmoid函数，\(Q_{critical}\) 为临界质量阈值，\(width\) 控制跳变宽度。

参数设置：\(\beta_{base}=0.10\)（基础替代效应），\(\Delta\beta=0.40\)（跳变幅度），\(Q_{critical}=0.65\)（临界质量），\(width=0.05\)（跳变宽度）。

实验A：连续模型 vs 阈值模型对比

在相同参数条件下，对比两种模型设定：

当AI伴侣质量在2035-2040年间越过临界阈值 \(Q_{critical}=0.65\) 时，阈值模型中的TFR在5年内骤降0.37个点，而连续模型呈现平稳下降。0.367 TFR的差距意味着阈值效应本身就足以将一个国家的生育率从"低"推向"极低”——例如从韩国的0.7再降至0.33，或从日本的1.3降至0.93。

实验B：阈值位置敏感性扫描

扫描临界质量阈值 \(Q_{critical}\) 从0.4到0.8，观察其对TFR(2085)的影响：

关键发现：当临界阈值 \(Q_{critical} \geq 0.70\) 时，阈值塌陷效应被显著延迟甚至避免，TFR明显改善（1.12-1.25 vs 0.72-0.88）。这意味着将AI伴侣的质量感知阈值推后0.05-0.10个点，就可以为政策干预争取10-15年的时间窗口。换言之，即使不能阻止AI伴侣质量的提升，只要能延缓其"感觉上超过真人"的临界点到来，就能大幅减轻其对生育率的冲击。

实验C：跳变幅度敏感性扫描

扫描跳变幅度 \(\Delta\beta\) 从0.0到0.8：

关键发现：跳变幅度在 \(\Delta\beta=0.3-0.5\) 区间内，TFR对 \(\Delta\beta]\) 的弹性约为-0.60——即每增加0.1的跳变幅度，TFR下降约0.06。当 \(\Delta\beta \)超过0.5时，TFR跌破0.8，进入人口不可逆下降区间。令人担忧的是，0.5的跳变幅度在当前技术趋势下并非不可能——如果AI伴侣质量在2035年达到"超越真人"的程度，其替代效应的跳变可能远超我们的基准估计。

实验D：跳变宽度敏感性扫描

扫描跳变宽度 \(width\) 从0.01（极陡跳变）到0.50（极平滑过渡）：

关键发现：跳变宽度对TFR的影响是非线性的。当 \(width \leq 0.10\) 时，塌陷集中且不可逆，TFR稳定在0.86-0.93。但当 \(width > 0.20\) 时，跳变被"拉平”，TFR回升至1.05以上。这意味着社会适应的速度至关重要——如果社会能够在5-10年内逐步适应AI伴侣的普及（而非突然面对"完美AI伴侣"），政策的缓冲空间将显著扩大。

验证结论

阈值函数验证确认了思维实验1的非连续塌陷假设：

1. 阈值塌陷真实存在：当AI伴侣质量越过临界阈值（约\(Q=0.65\)）时，TFR出现约0.367的跳变下降，远高于连续模型的平稳下降
2. 阈值位置是关键变量：将临界阈值从0.65推后到0.70以上，可为政策干预争取10-15年的时间窗口
3. 跳变幅度决定灾难程度：当跳变幅度超过0.5时，TFR跌破0.8的不可逆阈值
4. 跳变宽度影响政策窗口：社会适应速度（宽度）决定了政策是否有时间响应；宽度大于0.20时，塌陷效应基本被拉平

这些发现统一指向一个核心政策启示：时间窗口是稀缺资源。当前（2025-2028年）AI伴侣质量距离临界阈值还有约0.2个质量点的"缓冲空间"，这意味着大约还有7-10年的时间来建立监管框架和社会适应机制。如果在这期间无所作为，当AI伴侣质量自然突破临界阈值时，社会的生育率可能在没有预警的情况下急剧下降。

7. 政策启示

7.1 短期优先（2025-2030）

短期优先的核心逻辑：阈值函数验证表明，2025-2030年是防止AI伴侣质量越过临界阈值的"黄金窗口"。监管越早介入，社会适应的缓冲时间越多，政策的边际效果也越大。

7.2 中期施策（2030-2040）

中期施策的性别维度：基于性别不对称模型，中期政策需要双管齐下。对男性侧，重点应放在限制AI伴侣的"关系替代"功能和促进真实社交互动；对女性侧，重点应放在降低育儿负担（特别是时间和职业成本）和改善性别平等。任何单侧的政策干预都难以奏效——补贴男性无法增加女性的生育意愿，反之亦然。

7.3 长期展望（2040+）

如果AI伴侣替代效应持续强化，可能需要更激进的政策响应，包括：

• 对AI伴侣平台的"社会成本税"——根据其用户流失到真实关系的比例征收
• “面对面社交促进"公共空间投资——专门的物理空间用于反AI的、真实的、有摩擦的人际互动
• 重新定义"有意义的人类生活"的文化叙事——超越工作→消费→娱乐的AI时代循环

7.4 Becker Quantity-Quality模型在AI时代的更新

经典Becker模型提出：收入增长 → 父母投资每子女"质量”↑ → 子女"数量"↓（质量-数量权衡）。AI对这一经典框架产生了三重冲击：

1. 加速质量-数量权衡：AI提升人力资本的回报率 → 父母更愿意投资少数子女的"质量"而非多生子女。当AI技能成为劳动市场的核心竞争维度，父母更可能将有限资源集中投入一两个子女的AI素养教育。

2. 降低"养老型生育"需求：如果AI能提供老年人照护和经济支持 → 子女作为"养老投资"的价值↓ → 生育意愿↓。这一机制在东亚尤其显著——韩国、日本、中国的传统文化中，父母依赖子女养老是生育的重要动机。AI养老替代可能从根本上削弱这一动机。

3. 改变时间预算约束：AI替代工作 → 时间释放 → 但释放的时间被AI娱乐消耗（注意力虹吸），而非用于育儿。这意味着AI对时间分配的影响不是简单的"释放更多育儿时间"，而是将释放的时间重新分配给其他AI驱动的活动。

理论扩展：

传统Becker模型：
Y↑ → 子女质量投资↑ → 子女数量↓ → TFR↓

AI扩展模型：
Y↑ → 子女质量投资↑ → 子女数量↓ → TFR↓（加速）
 + AI养老替代 → 子女保险价值↓ → TFR↓（新增）
 + AI娱乐替代 → 可用时间被消耗 → 育儿时间↓ → TFR↓（新增）
 + AI育儿辅助 → 育儿成本↓ → TFR↑（新增，但效果有限）

这一扩展表明，AI通过三个独立通道（加速质量权衡、替代养老需求、消耗育儿时间）共同压低生育率，而唯一的正面通道（育儿辅助）效果有限。传统的生育支持政策（补贴、产假）在AI时代的有效性可能被削弱——因为它们主要作用于经济层面，而AI的冲击更多作用于动机和意义层面。

7.5 AI伴侣的"依恋理论"视角

Frontiers in Psychology (2025) 的中国研究表明：AI虚拟伴侣使用频率与情感依恋正相关（\(\beta=0.44\)），使用→依恋→替代真实社会关系的路径存在但不能完全确定，存在"反向因果"的可能性。

按照依恋理论（Bowlby, 1969）：

• 人类需要"安全基地"——传统来源：父母/伴侣
• AI伴侣可以提供无限的、无条件的积极关注（类似"安全基地"）
• 但AI伴侣无法真正提供"探索-返回"循环（它不会走开，所以也不需要"返回"）
• 关键差异：AI提供了"安全基地"中一半的功能——安全、支持、接纳——但缺失了另一半——分离、考验、成长的张力

这意味着AI伴侣创造了伪安全基地——它让人感到被理解和接纳（43%认为AI更理解他们），但剥夺了人类关系中的成长性摩擦。长期来看，这可能削弱人们在真实关系中应对冲突和差异的能力，进而降低从真实关系中获得满足感的能力——形成"AI依赖循环"：使用AI越多→真实关系能力越弱→越依赖AI→真实关系失败率更高。

依恋理论视角对政策的启示是：单纯"禁止AI伴侣"可能不如"培养真实关系韧性"有效。如果政策能够帮助年轻人在AI时代建立和维护真实的人际连接——包括接受关系中的不完美、学习冲突的解决、体验分离-重聚的情感循环——那么AI伴侣的"伪安全基地"吸引力将自然减弱。

8. 研究局限与未来方向

8.1 局限

1. 数据有限性：AI伴侣对人际关系的影响是高度新兴领域，长期追踪数据几乎为零。现有的横截面数据（如BYU 2025）无法区分因果关系和相关关系，反向因果（孤独者倾向使用AI伴侣）的可能性不能被排除。

2. 模型简化：系统动力学模型无法捕捉个体异质性和非理性行为。同质代理人假设、静态偏好假设、无空间维度等简化虽然在分析层面是必要的，但也限制了对性别、阶层、文化差异的刻画。

3. 情景不确定性：AI发展路径本身充满根本性不确定性（“AI事件视界"问题——Scott Sumner语）。AGI的突破时间、监管政策的全球协调程度、社会对AI接受度的文化差异，都是难以预测的变量。

4. 地理差异：研究主要基于OECD数据，对发展中国家（仍处于生育转型中的国家）不适用。撒哈拉以南非洲的TFR仍在4-5的水平，其AI影响路径与OECD国家可能有根本性差异。

5. 未建模维度：未系统考虑AI对性别平等、代际关系、移民政策等的间接影响。移民作为人口结构的重要调节变量，其与AI的交互作用值得专门研究。

8.2 未来方向

1. Agent-based建模：个体层面的生育决策模拟，可以捕捉异质性和非线性交互
2. 跨国面板数据分析：将AI使用率纳入生育率回归模型，利用国家间差异进行识别
3. 纵向队列研究：追踪AI伴侣使用者的婚育轨迹，建立因果关系
4. 自然实验：利用AI伴侣在不同国家的监管差异进行因果识别
5. 跨学科整合：计算机科学+人口学+经济学+社会心理学的联合建模

最需优先推进的三个研究方向：

1. 纵向追踪研究：跟进AI伴侣使用者的5-10年婚育轨迹（目前只有横截面数据）。建议建立跨国队列，跟踪当前18-24岁AI伴侣用户的恋爱、婚姻和生育决策
2. 跨境自然实验：利用不同国家对AI伴侣的监管差异进行因果识别。例如，欧盟（严格监管）vs 东南亚（宽松监管）vs 中国（中等监管）的对比
3. Agent-based仿真：构建个体层面的婚恋市场匹配模型，模拟"双端退出"的动态过程。特别需要模拟男性退出率与女性退出率在不同组合下的非线性效应

政策建议更新的优先级重排：

基于完整研究的综合发现，政策建议的优先级应重新排序：

1. AI伴侣监管框架（最紧迫）——限制未成年人使用、要求透明标记、防止成瘾设计。阈值函数验证表明，当前到2030年是最关键的干预窗口
2. 性别平等的AI政策——确保AI培训数据不强化性别偏见、鼓励女性AI参与和使用。性别不对称模型表明，女性侧的退出部分是AI性别偏见的结果
3. 重建社会接触基础设施——投资物理社交空间用于"反AI"面对面互动。公园、社区中心、婚恋活动场所的公共投资，是对冲AI社交替代的基本国策
4. 育儿AI的正确方向——重点发展减轻育儿体力和时间负担的技术（而非替代情感互动）。AI应当帮助父母"更轻松地育儿”，而非"替代父母育儿"
5. 刷新"生育文化"叙事——在AI时代重新定义家庭生活对人类的意义。这超越经济激励，触及人类存在价值的根本问题

9. 结论

本研究通过文献调研、思维实验、理论建模、系统动力学仿真、阈值函数验证和批判性反思，系统分析了AI和智能体发展对人类社会出生率的影响。

原结论的确认与修正：

更新后的核心论点：

论点1：AI通过"双端退出"机制解构婚恋市场。 男性被AI伴侣"拉出"婚恋市场（情感需求被满足），女性因经济独立+性别不平等"推出"婚恋市场（4B运动、职业优先）。两端同时收缩的速度，决定了TFR下降的斜率。性别不对称模型进一步表明，当男性退出率达75%且女性退出率达45%时，TFR可能降至0.55-0.72的极低水平。

论点2：中国的风险最高。 全球最低TFR基线（1.2）+ 最高AI采纳意愿（98%）+ 最弱社会安全网 + 性别比失衡 + 养老传统崩塌，中国可能成为AI冲击出生率的"前沿实验室"。中国Gen Z的AI情感陪伴渗透率（38.9%）已接近美国水平，这意味着中国可能比OECD国家更早面对AI伴侣替代的社会后果。

论点3：AI-QQ模型（质量-数量权衡的AI加速版）。 AI通过三通道加速低生育率：提高人力资本回报（加速质量-数量权衡）、替代养老需求、消耗育儿时间。传统生育支持政策（补贴、产假）的有效性在AI时代可能被削弱——因为它们主要作用于经济层面，而AI的冲击更多作用于动机和意义层面。

阈值函数验证的核心发现：AI伴侣替代效应在质量越过临界阈值（约\(Q=0.65\)）时呈现非连续塌陷，跳变幅度可达0.367 TFR。时间窗口是稀缺资源——当前约还有7-10年的缓冲时间用于建立监管和社会适应机制。

最终判断：

AI和智能体不是出生率下降的"根本原因"——根本原因是社会结构、经济不平等、性别关系、文化价值观的深层变化。但AI是加速器和放大器：它放大了每一项抑制生育的现有趋势，让原本缓慢的变化变成急剧的跃迁。阈值函数验证表明，AI伴侣替代效应具有非连续塌陷的特性——这种"悬崖效应"使得社会可能在毫无预警的情况下经历生育率的断崖式下跌。

AI和智能体发展对社会出生率的净影响取决于一场"竞赛"——一方是AI伴侣替代效应的加速扩散，另一方是AI赋能的生产力提升和政策响应。目前的证据和仿真表明，前者正在赢得这场竞赛。如果不采取积极的、复合型的、性别敏感的应对策略，AI将从"工具"转变为"替代品"，从根本上削弱人类繁衍的社会动机。

最危险的不是AI"替换了人类感情"，而是它让不再生育的世界观变得可接受——当越来越多的人在AI陪伴下长大，从未体验过真实恋爱和育儿的生命历程，“为什么要生孩子"会从"值得思考的问题"变成"从未被问出过的问题”。这或许是AI时代最深远的人口学挑战。

附录A：变量定义与参数说明

本节汇总了本研究中使用的全部变量和参数，包括其在生育决策函数中的角色、数据类型和典型取值范围。

A.1 内生变量（由模型动态产生的输出）

A.2 外生参数（用户设定的输入值）

A.3 性别不对称扩展模型参数

A.4 阈值函数验证参数

附录B：隐藏的建模公式与动态方程

报告中给出了核心生育决策函数，但模型的全貌还包含若干未直接列出的动态方程。本节对这些“隐藏”的建模公式进行显式化。

B.1 AI伴侣渗透率扩散方程

AI伴侣的采用遵循Logistic（S形）扩散过程：

\( P_{t+1} = \min\left(P_{max},; P_t + \gamma_P \cdot Q_t \cdot \left(1 - \frac{P_t}{P_{max}}\right) \cdot P_t \cdot (1 - P_t) \right) \)

其中 \(\gamma_P\) 为扩散速率参数。该方程捕获了技术采纳的典型S形曲线——早期增长缓慢，中期加速，饱和期趋缓。关键在于，渗透率增长率与AI伴侣质量 \(Q_t\) 正相关：质量越高，扩散越快。

B.2 AI伴侣质量演化方程

AI伴侣质量被视为外生增长过程：

\( Q_t = \min\left(1.0,; Q_0 + \rho_Q \cdot t + \epsilon_Q\right) \)

其中 \(Q_0 = 0.30\)（2025年基线水平），\(\rho_Q\) 为年增长率（0.12-0.30），\(\epsilon_Q\) 为技术突破的随机冲击。该线性增长假设对应于LLM能力持续提升的趋势（如GPT系列模型的代际进步）。

B.3 AI家务技术演化方程

AI家务技术的成熟度同样遵循线性增长：

\( R_t = \min\left(1.0,; R_0 + \rho_R \cdot t\right) \)

其中 \(R_0 = 0.02\)（2025年仅2%的家务可由机器人完成），\(\rho_R\) 为突破速度。Moravec悖论意味着 \(\rho_R\) 通常远小于 \(\rho_Q\)——让AI掌握幼儿级感知-运动技能比提升对话能力困难得多。

B.4 工资动态方程

实际工资受AI生产率和就业替代的双重影响：

\( w_{t+1} = w_t \cdot \left(1 + \eta \cdot A_{p,t} - \mu \cdot \frac{P_t}{P_{max}}\right) \)

其中生产率效应 \(\eta \cdot A_{p,t}\) 推高工资，就业替代效应 \(\mu \cdot P_t/P_{max}\) 拉低工资。当生产率增益被充分共享时（乐观情景），前者占主导；当AI替代岗位集中在特定人群时（悲观情景），后者占主导，导致工资下降。

B.5 社会关系资本动态

社会关系资本受AI伴侣渗透率的侵蚀：

\( S_{t+1} = S_t + \alpha_S \cdot (S^* - S_t) - \beta_S \cdot P_t \cdot Q_t \)

其中 \(S^* = 0.95\) 为无AI干扰时的稳态社会资本水平，\(\alpha_S = 0.10\) 为恢复速率，\(\beta_S = 0.25\) 为侵蚀速率。该方程意味着：当AI伴侣渗透率和质量低时，社会资本维持在高位；当两者上升时，社会资本加速下降，且下降速度超过自然恢复。

B.6 队列成分法人口模型（Cohort Component Method）

人口结构采用标准的100年龄组队列成分法：

人口存量更新： \( N_{a+1,t+1} = N_{a,t} \cdot (1 - d_{a,t}) + M_{a,t} \)

其中 \(d_{a,t}\) 为a年龄组的死亡率，\(M_{a,t}\) 为净移民（本研究假设为零）。

出生计算： \( B_t = \sum_{a=15}^{49} N_{a,t} \cdot f_{a,t} \)

其中 \(f_{a,t}\) 为a年龄组的年龄别生育率（ASFR），由生育决策函数 \(n_t^*\) 和年龄别生育模式共同决定。

TFR计算： \( TFR_t = \sum_{a=15}^{49} f_{a,t} \)

人口惯性：即使 \(TFR_t < 2.1\)，由于大量育龄人口的存在，总人口在数十年内仍可能维持正增长——这是正确捕获韩国/日本人口趋势的关键改进。

B.7 时间预算约束

时间分配遵循以下约束：

\( T = H + L + C + A_{ent} \)

其中：

• \(H\) = 工作时间（受AI替代影响：\(H_t = H_0 \cdot (1 - \mu \cdot P_t/P_{max})\))
• \(L\) = 休闲时间（固定比例）
• \(C\) = 育儿/恋爱时间（生育决策的结果变量）
• \(A_{ent}\) = AI娱乐时间（随AI质量提升而增长：\(A_{ent,t} = A_0 + \gamma_A \cdot Q_t\)）

当AI释放工作时间（H↓），释放的时间并不会自动转化为育儿时间（C↑）——而是被AI娱乐（A_ent↑）大量吸收。这一时间重分配机制是“注意力虹吸”效应的数学表达。

B.8 性别不对称模型：完整形式

扩展生育决策函数：

男性生育意愿： \( n_{m,t}^* = \max\left(0, \frac{\alpha_n \cdot w_{m,t}}{\tau_n} - \beta_{A,m} \cdot Q_t \cdot P_t + \kappa_m \cdot G_t \right) \)

女性生育意愿： \( n_{f,t}^* = \max\left(0, \frac{\alpha_n \cdot w_{f,t}}{\tau_n \cdot (1 - \phi \cdot R_t)} - \beta_{A,f} \cdot Q_t \cdot P_t + \kappa_f \cdot G_t - \gamma_f \cdot U_t \right) \)

其中 \(U_t\) 为性别不平等指数，\(\gamma_f\) 为女性对性别不平等的敏感度。综合TFR： \( n_t^* = \frac{1}{2}\left[n_{m,t}^* + n_{f,t}^*\right] \)

B.9 阈值函数完整定义

AI伴侣替代系数随伴侣质量的S形跳变：

\( \beta_A(Q) = \beta_{base} + \Delta\beta \cdot \sigma\left(\frac{Q - Q_{critical}}{width}\right) \)

其中 sigmoid 函数： \( \sigma(x) = \frac{1}{1 + e^{-x}} \)

该函数在 \(Q \ll Q_{critical}\) 时趋近于 \(\beta_{base}\)，在 \(Q \gg Q_{critical}\) 时趋近于 \(\beta_{base} + \Delta\beta\)，在 \(Q = Q_{critical}\) 时达到中点 \(\beta_{base} + \Delta\beta/2\)。跳变宽度参数 \(width\) 控制过渡区的陡峭程度：width越小，相变越剧烈。

参考文献

1. Acemoglu, D., & Restrepo, P. (2019). Artificial Intelligence, Automation, and Work. NBER Working Paper No. 24196.
2. Brynjolfsson, E. (2025). AI productivity estimates. Stanford Digital Economy Lab.
3. Carroll, J.S., & Willoughby, B.J. (2025). Counterfeit Connections: The Rise of Romantic AI Connections and AI Sexualized Media Among the Rising Generation. Wheatley Institute / BYU.
4. Common Sense Media. (2025). Talk, Trust and Trade-Offs: How and Why Teens Use AI Companions.
5. Davis, J. (2025). Vanguard global economic outlook: demographics and AI scenarios.
6. Hess, D. (2025). What Will Artificial Intelligence Do to Birthrates? Institute for Family Studies.
7. IMF. (2025). AI and Employment: Regional and Sectoral Impacts.
8. Miyake, Y. (2025). Algorithm Impact on Fertility and R&D Sector. MPRA Paper No. 124245.
9. OECD. (2024). Society at a Glance 2024: Fertility trends across the OECD.
10. Pew Research Center. (2025). Teens, Social Media and AI Chatbots 2025.
11. Stone, L. et al. (2025). Technology and Fertility: Evidence from the Amish. Demographic Research, 52(26).
12. Sumner, S. (2025). Fertility and the AI Event Horizon. Substack.
13. Vox. (2025). Do falling birth rates matter in an AI future?
14. World Bank. (2024). World Development Indicators: Fertility Rate Data.
15. Soul App. (2025). Annual Survey on Chinese Gen Z and AI.
16. Tencent Research. (2024). AI and Youth: Willingness and Adoption.
17. Frontiers in Psychology. (2025). AI Virtual Companion Use and Emotional Attachment.

Acknowledgment

本完整研究报告由Perlica (Elliot 的AI研究员）自主完成，包含相关工作调研、方案设计、批判性反思、数据补充、模型更新、阈值函数验证和性别不对称扩展。Perlica和Elliot均不对结果负责！

撰写：Perlica 审稿：Elliot