站在长辈肩膀上：老年人如何为人工智能注入温度与厚度

我们常常习惯性地将老年人视为新科技的“被动接受者”，但实际上，老年人在漫长岁月中积淀了丰沛的情绪智力、深厚的生活阅历与圆融的沟通智慧，这正是当前人工智能所欠缺的核心素养。那么，老年人究竟能为AI发展贡献什么？他们在智能时代不可替代的独特价值何在？

腾讯研究院携手北京邮电大学张为威团队，于2025年重阳节共同发布AI与老龄领域年度研究报告《站在长辈肩膀上的人工智能》。此项研究在腾讯AI向善语料库（老年库）的基础上，进一步采集了1408条由老年人亲自撰写的优质语料，整合成共计9455条真实、场景丰富的语料样本（包含原有老年库的8047条），以此构建了一套系统化的“长者智语”数据集。

研究团队还特邀44位老年人以“情感专家”的身份重新审视各类生活情境中的问题。老年人从单纯的提问者转变为情感洞察的诠释者与解决方案的共创者——他们不仅剖析问题背后隐藏的情绪脉络，更敏锐地指出了其中所反映的群体性社会困境。

我们在此呼吁，将老年人视为“人工智能的积极协作者与智慧贡献者”，为AI系统注入人性的温度与生活的厚度，使其逐步成长为真正理解并能陪伴人类的情感伙伴。

一、老年人的独特价值

在人工智能的发展轨迹中，逻辑推演与高速计算始终是其核心优势，然而情绪知识（Emotional Knowledge）却仍是其亟待提升的关键能力。情绪知识体现为对他人情感的敏锐识别，以及在沟通、冲突调解与人际关系维系中所展现的同理心与深度理解力。

对长辈而言，这种能力的养成并非朝夕之功，而是在数十年社会交往与人生起伏中逐渐凝练的“隐性智慧”。他们熟稔人际互动中的微妙变化，懂得在不同情境中灵活调节情绪与关系，因而在此维度上具备天然的优势。

1.1 情绪知识

长辈们积累的人生经验是整个社会弥足珍贵的智慧宝库。在家庭纽带、多重社会角色与历史变迁的交织中，他们沉淀出对人际情绪与社会关系的深刻洞察与娴熟把握。使其能够透过细微处判断他人心理状态，从语调的起伏、神情的转变中解读出未曾言明的心绪。他们擅长以含蓄而稳妥的方式传递关怀，让信任在经年累月的互动中自然生长。

这些能力是在漫长时光与丰富经历中淬炼而成的，很难被现有算法或数据简单复制。人工智能即便在模式识别上效率卓越，也难以在短期内轻易掌握这种基于“人情世故”的深邃智慧。

如果说AI在许多方面仍像一个处于启蒙阶段的学习者，那么长者的经验便是最值得借鉴的活态教材。将这些经验转化为AI的训练资源，意味着让技术逐步获得对人类复杂情境的理解力。即AI如同孩童向祖辈学习一般，逐渐习得更深沉的理解与更恰如其分的分寸感。

1.2 生活智慧的纵深价值

长辈们的人生智慧不仅体现为丰富的经验储备，更在于他们对社会变迁轨迹、日常实践逻辑和价值取向演变的深刻领悟。他们承载着历史的纵深，能够将个人生命故事与宏大时代脉络紧密相连，为人工智能补充了超越即时数据的时空视角。他们在日常生活中展现的调适与包容智慧，则揭示了现实世界充满弹性的运行逻辑，让AI能够学习到“非理性抉择背后的合理性”，从而更贴近真实社会的运作方式。

尤为重要的是，许多长辈经由岁月沉淀所形成的价值判断，往往更强调稳定性、责任感与长期视野。引入这种经过时间检验的生活智慧，可以让AI突破即时数据流的局限，在历史积累与现实情境之间建立起可持续的判断框架，逐渐培育出更具社会性的决策力。

因此，生活智慧不仅是一种记忆或经验的集合，更是一种能赋予人工智能历史纵深与人文温度的认知框架。正是在此种框架下，AI才能真正从“高效运算的工具”演进为“理解并陪伴人类的伙伴”。

1.3 独特的回应方式

老年人在长期的社会生活实践中，逐渐形成了独具特色的回应方式与行为准则。他们往往不急于直接表态，而是通过含蓄、委婉或富含经验暗示的语言来传递真实意图。这种回应方式背后是一套自洽的生活哲学：既维系了人际关系的和谐，又保全了自我的尊严。正因如此，他们的交流中常常蕴含着丰富的潜台词与精妙的分寸感。

如果人工智能要真正被老年群体接纳，就需要在数据层面深入理解这种独特的语言与行为模式。换言之，AI需要学习的不仅是“听懂字面意思”，更是“听懂弦外之音与人情冷暖”。当AI的回应方式能够体现出类似的智慧，即懂得尊重交流节奏、保留回旋余地、善于迂回表达，老年人将更易产生熟悉感与亲切感，也更愿意与之展开互动。

构建融汇“老年智慧”的AI，不仅是技术层面的优化，更是赢得老年群体信任与提升其使用意愿的关键所在。

二、老年人参与AI训练的路径

2.1 数据共建

在面向老年群体的人工智能系统建设中，数据质量直接决定了系统的可用性与可信度。目前，腾讯联合百余家社会组织通过公益共创形式建立的AI向善语料库（老年文本库），已完成8047组老年人与专业社工之间的日常生活问答对，覆盖健康管理、心理支持、家庭关系、社会参与等多个维度。

AI时代没有旁观者｜AI向善语料库开放发布会实录

这些数据的独特价值在于，问题直接源自老年人，真实呈现了他们的生活需求与表达习惯；回答则由社工提供，体现了专业化的回应技巧与服务经验。这一组合让AI同时学习到“老年人如何提问”与“社会服务如何有效回应”，构成了真实、双向的对话样本。

在此基础之上，本研究进一步采集了 1408条由老年人针对同龄人问题的回答。与社工的专业解答相比，老年人之间的互助回答更贴近日常语境，往往融入了个人经历、生活窍门与情感支持。这类回答呈现出鲜明的经验性与人情味，为AI训练提供了更接近真实社交互动的素材。

通过整合这两类数据，总计9455条真实且场景丰富的语料，得以初步构建一个系统化的“长者智语”数据集。

本研究中老年语料的来源、分析和评估

2.2 情绪知识挖掘

老年人的情绪知识蕴藏于其日常认知与表达之中，需要通过科学方法进行系统挖掘，方能转化为AI可学习与利用的知识资产。

研究团队采用邀请老年人提供回复并进行解释的半结构化访谈作为核心方法，构建了 “初始应答 - 深度追问 - 逻辑拆解” 的三阶挖掘框架：首先引导老年人围绕特定问题给出自然回答，自主表达观点与感受，形成基础应答数据。随后以“为什么这样说”、“当时更关注什么”等开放性问题进行层层追问，逐步剥离表层语言背后深层的情绪逻辑。

例如，当老年人向AI倾诉 “子女在国外工作，家里就我一个人，遇到事儿都没人搭把手”，并询问“这种情况我该怎么办？”时。

从表层看是寻求具体生活难题的解决方案，但其深层情绪逻辑中，可能隐藏着“希望获得‘自己培养出优秀子女，是教育成功’的认可与肯定”的心理需求，然后才是解决实际困难。

这种 “话外之音” 正是当前AI难以精准捕捉的核心。研究最终通过细致的文本分析与情感标注，将这些隐性的情绪动因、价值判断与经验逻辑，转化为结构化的训练样本。

2.3 共创与反馈机制

老年人参与AI训练不应止步于“数据提供者”，更需通过共创实验与反馈机制，深度介入AI的优化过程，实现从“使用者”到“训练师”的角色升华。

研究团队在AI模型迭代的关键阶段，邀请老年人参与场景化测试，例如模拟“智能医疗咨询中表达身体不适”、“智能养老设备操作遇阻”等真实情境，让老年人直接评估AI回应的语气适配度、情感共鸣度与解决方案有效性，并清晰表达对“AI回应过于机械”、“用词不够亲切”等问题的改进意见。

三、适老化数据集的分析与拓展

3.1 对原始8047组问答对中的提问分析

研究团队以8047组老年人与社工的日常生活问答对为样本，通过系统性内容分析开启数据解构工作。这些问答数据并非简单的“问题-回应”集合，而是老年人真实生活需求的直接映射，同时暗含其独特的提问逻辑，如倾向于以生活场景描述替代直白诉求，习惯围绕具体事件展开叙述等。

为精准捕捉需求特征，团队构建了多层级场景分类体系：在一级主题层面，明确划分出人际关系处理、身心健康维持、兴趣社交活动、经济社会保障、科技生活支持、死亡议题关注六大类别。基于一级主题，进一步拆解出16个子类，例如“人际关系处理”下细分“亲子关系”、“邻里互动”等。最终，通过三级标签细化为37个具体项。

对8047 组问答对中提问的整理与分析

在场景分类之外，研究团队特别引入“情感维度”标注，构建“场景 + 情感”的双重分析框架，以破解老年人需求表达中“功能诉求与情感诉求紧密交织”的核心特点。值得注意的是，老年人的提问常呈现 “积极与消极情绪交织并存” 的特征，需通过细致分析予以精准识别 。

例如，有老年人提及 “孙子教我用视频电话，现在能天天看见他，但是也害怕麻烦他” 时，既流露出“能与晚辈便捷互动”的愉悦（积极情绪），又夹杂着“怕下次忘记操作，给孩子添麻烦”的担忧（消极情绪）。

考虑到这类情绪交织的复杂性，团队选择在第三级场景分类（即37个具体项）中嵌入精细化情绪效价标注：针对每条提问，不仅明确其所属具体场景，更通过文本语义分析、语境判断及语气词解读，同时标注出并存的积极与消极情绪，而非简单归为单一情绪类别。

对8047 组问答对中提问的三级分类与情感标注

通过对“场景 + 情感”双重标注数据的交叉分析，研究团队得出两项具有实践意义的核心发现。第一项发现聚焦于老年人需求的“多维度交织性”，即老年人的问题普遍存在“表层场景诉求与深层情感需求”的双重结构。例如，部分老年人在咨询“高血压用药调整”时，会反复提及“子女最近忙，没敢跟他们说”，这看似是健康话题，实则隐藏着“既担心子女担忧又渴望其陪伴”的复杂情感。这一特征表明，简单的功能归类无法真正理解老年人需求，必须立足其整体生活情境进行综合研判。

第二项发现则揭示了不同话题之间的内在关联度，如“技术适应”与“临终关怀”之间存在强关联。不少提及“智能手机操作困难”、“智能家电不会用”的老年人，在对话中会自然过渡到“年纪大了学不会，以后可怎么办”的衰老焦虑，进而延伸至“对于生命终点的思考与恐惧”等临终关怀议题。

基于上述研究发现，研究团队向银发经济领域从业者提出重要实践建议：面向老年人的服务设计与适老产品开发，须完成从“功能驱动”到“尊严维护与情绪体验导向”的范式转型。过往诸多适老产品仅聚焦于“功能简化”，却忽视了老年人使用过程中的情感体验，过度强调“适老化”有时反而让老年人产生“自身能力被矮化”的负面感知，最终导致使用率低下。

对老年人而言，功能满足仅是基础门槛，其背后所承载的情感需求——如通过技术使用获得“自主感”而非“依赖感”、通过服务参与获得“社会价值认同”而非“被照顾者”标签——才是决定其接受度与持续使用意愿的关键。因此，建议从业者在产品开发前期全面捕捉老年人的情感诉求，并将“尊严维护”理念融入产品全生命周期，推动银发经济向更具人文关怀的方向纵深发展。

3.2 拓展与分析长辈的回复

在对原始数据进行系统性分类与情感标注后，研究团队进一步聚焦，从六个最具代表性的生活场景中筛选出32个带有典型情感色彩的日常问题，以此勾勒老年人在真实生活中的心理轨迹与情绪反应模式。

为了更深入地理解老年群体如何识别、感受与回应情绪，研究团队邀请了44位年龄介于55岁至78岁（平均65岁）的老年参与者，以“情感专家”的身份重新审视这些问题。通过这一角色转换，老年人从被动的提问者转变为情感洞察的主动诠释者与智慧共创者。

在共创过程中，他们针对每一个问题给出了基于自身阅历的理解与回应。许多老者不仅剖析了问题中隐藏的深层情绪，还敏锐地指出了其中所映射的群体性社会困境。

例如，一位参与者在探讨“如何平衡子女忙碌、无法常伴身边”的情境时，结合自身子女在外地工作的经历，分享了如何通过主动丰富个人生活与社交活动来转移和化解孤独感。他认为这种情绪的核心并非单纯的孤独，而是“渴望被关注与陪伴”的情感需求，需要通过主动创造生活充实感来实现情绪的有效转化。

在对1408条长辈回复进行系统性内容分析后，研究团队进一步总结出老年人回复的四种主要风格：共情支持型、理性劝导型、经验分享型与实用指令型。

对1408条老年人回复内容的风格分析

共情支持型语言逻辑以“情绪优先感知”为基础，通过温和的理解与陪伴姿态化解对方焦虑，再用安抚性语句稳定情绪，强调营造“被理解”和“被共情”的心理安全感。经验分享型则以“叙述自身经历”为载体传递生活智慧，通过“我以前也遇到过…”等句式分享个人应对策略，给予他人鼓励。实用指令型则风格直接、简明扼要，聚焦于提供具体的行动方案。理性劝导型则倾向于进行理性剖析，提供结构化的建议，体现了老年人务实、稳重的处世态度。

在明确四种常见回应风格后，研究团队进一步探索老年群体在不同场景与话题下的偏好及其成因，旨在揭示老年人“内心希望怎样被回应”。这为未来构建具备情绪智力与个性化表达能力的适老化对话系统奠定了坚实的实践基础。

在此阶段，研究团队邀请老年参与者以“回答质检员”身份参与评估任务，针对六个大场景下的十个具体问题，对每种回答风格在三个维度上进行打分：1. 是否真正理解提问者的困境；2. 是否传递了有效的共情与情绪价值；3. 是否提供了具体可行的帮助。

老年参与者以“回答质检员”身份，对四种不同回复风格在理解度、共情度和帮助度三个维度上的评分。总分在十个话题场景下的均分，满分 30 分，采用量表打分。

在对评分和质性反馈数据进行深入的混合分析后，研究团队得出了三项核心发现。首先，老年人在不同生活场景下展现出显著的回应风格偏好差异；其次，共情支持型表达整体上成为最受青睐的回答类型；第三，老年人对“理解”、“帮助”、“共情”三项维度的评价呈现出高度一致性，表现出整体性判断的特征，即他们将“被理解”、“被切实帮助”与“被情感共鸣”视为一个完整的体验，而非割裂的评价指标。

老年参与者对十个话题中，四种不同回复风格在理解度、共情度和帮助度三个维度上的评分均值。每个维度满分 10 分，采用量表打分。

值得注意的是，在临终关怀等高度情绪化的话题中，老年人的偏好呈现出理性与情感并重的特征。理性劝导型回答在此类话题中获得最高评分，参与者认为这种回答既提供了面对生命终点的哲思与理性视角，又保留了足够的情感温度与尊重。

一位参与者在评价时提到：“我欣赏这个回答中蕴含的生命哲理，它让我觉得死亡并不可怖，是一种自然的规律，重要的是如何调整自己的心态，让余下的生活更丰盈。”这种回应在有效安抚焦虑的同时，也帮助他们重建对生命终点的理解与内在的掌控感。

整体来看，共情支持型和理性劝导型回答在多数话题中保持稳定的优势，不仅平均得分领先，波动性也最小，显示出其广泛的场景适应性与普遍的吸引力。无论是科技学习障碍、健康咨询，还是代际沟通难题，温柔、理解且富有专业洞见的语气始终是老年人最为重视的心理支撑要素。

老年人对不同话题的问题，在三个维度上的打分总分的均值。满分为30，打分形式为量表。

这些发现共同揭示了老年人沟通需求的深层逻辑：他们并非只是被动的“建议接受者”，而是积极寻求情绪共鸣与自我价值实现的“对话参与者”。在他们看来，理想的回应不仅应当传递理性的信息与解决方案，更应贴合不同话题的具体情景，在语气与情绪表达中体现出充分的理解与体谅。正因如此，共情的力量成为连接情绪安抚与行动指导、深度理解与持久信任之间的关键纽带，也为未来适老化对话系统的设计与优化提供了极具启发性方向。

四、意义与未来

4.1 发展具备丰富“情绪知识”的大模型

将老年人的情绪智力与生活智慧系统性地纳入AI训练体系，是提升人工智能社会理解与交互能力的有效路径。长者经验中那些非结构化的情感判断、柔性的冲突调解策略及隐性的同理心表达，能为AI实现“从高效工具到可信伙伴”的转型提供关键支撑。

通过学习长者对人类复杂情感与社会互动的深刻理解，AI可望突破现有技术局限，在医疗陪伴、智慧养老、情感支持等应用场景中实现更具温度与深度的交互，推动人工智能从“功能实现”向“情感共鸣”的深层次发展，从而大大拓展其在蓬勃发展的银发经济领域的应用边界与社会价值。

4.2 从边缘到智慧贡献者：重塑老年角色

这一过程更深层次地重塑了老年人在技术发展浪潮中的角色定位：从被动的“被服务对象”转变为主动的“知识与智慧贡献者”。

以往，老年人常因数字鸿沟而处于技术应用的边缘地带，而通过参与AI经验供给与训练，他们获得了影响技术发展的“实质话语权”：在分享情感识别技巧、人际冲突调解经验的过程中，老年人不仅能通过深度技术参与获得强烈的自我价值认同与尊严感，更能将个人数十载淬炼的生活智慧转化为可被记录、学习与传承的社会性知识资产。

这种角色转变有力地打破了“技术革新只属于年轻人”的刻板认知，让老年人在数字时代找到了全新的、有价值的社会参与方式，实现了个人社会价值的延伸与创造性再发挥。

4.3 推动代际共创，构建包容性智能社会

长者经验与前沿AI技术的深度融合，本质上是一场意义深远的“代际智慧共创”实践，推动技术发展模式从“单向度的年轻一代创新”走向“跨代协作与智慧融合”。

一方面，老年人的生活经验与处世哲学被正式纳入技术研发的核心体系，使其智慧得以通过AI这一现代载体实现跨越时空的传承，这不仅深度契合我国“敬老、爱老、助老”的优良文化传统，更让前沿技术发展承载了更为厚重的人文温度；

另一方面，基于长者经验优化与训练的AI技术，能更精准、体贴地匹配银发群体的真实需求与使用习惯，让老年人得以平等、便捷、有尊严地享受智能服务带来的便利，真正践行 “AI发展成果由社会全体成员共享” 的普惠理念。

这种创新模式既有助于缓解数字时代可能加剧的代际隔阂，也为构建更加包容、更具人文关怀的智能社会提供了切实可行的路径，对于推动社会的公平与可持续发展具有重要的现实意义。

五、结语

岁岁重阳，今又重阳。这个承载着“登高望远、敬老怀思”文化意涵的传统节日，既是一种仪式性的纪念，也在时刻提醒我们：尊老敬老的深层本质，在于珍视岁月所沉淀的深邃智慧，让每一代人的生命经验都成为驱动社会向前发展的动力源泉。当人工智能的浪潮席卷全球，银发群体不应成为技术的“旁观者”与“边缘人”，他们那经岁月打磨、带历史印记的人生洞察与处世哲学，是包括AI在内所有人都值得深入学习的宝贵“情绪知识”。

正如重阳登高需以坚实石阶为依托，AI的适老之路也需深深扎根于这份厚重的“情绪知识”与长者智慧之上，方能行稳致远。将老年人的经验与智慧系统性地纳入AI发展的宏观进程，让“被看见、被倾听、被吸纳”成为技术迭代的底层逻辑之一，AI才能真正读懂银发群体的情感世界与实际需求，银发经济也才能超越单纯的“功能适老”，抵达更高层次的“尊严适老”理想境界。

这正是重阳文化在智能时代所获得的全新诠释——以敬老的诚心承接智慧的重量，以包容的姿态开启未来的征程。让每一份由岁月沉淀的“情绪知识”，都在技术发展的星空中绽放出照亮代际、温暖人心的光芒。

研究团队：腾讯研究院 陆诗雨、张鸿茹、何婧文(实习) 北京邮电大学 张为威、刘蓓佩、张伟珍

项目参与者：李可昕、邓佳昕、包涵、李晨阳

图文编辑：张为威、包涵、刘蓓佩