一、導論：當演算法進入慾望市場
近十年，亞洲包養市場（sugar dating）在社群媒體與數位支付技術的推動下逐漸制度化。包養App的出現，標誌著「關係經濟」的演算法化時代——配對、互動、評價皆由AI驅動，將原本模糊的情感與金錢界線，轉化為可量化的數據關係。
隨著AI「伴侶推薦演算法」被導入，平台聲稱能更精準地理解「誰適合誰」，透過行為分析、臉部辨識與消費習慣預測，為使用者創造更高成功率的配對。然而，這種技術邏輯背後蘊藏的社會權力，可能使慾望被階級化、美感被殖民化——AI不再只是撮合者，而是價值的再生產者。
二、理論背景：數位親密與演算法治理
本研究以「數位親密」（digital intimacy）與「演算法治理」（algorithmic governance）為理論框架。
數位親密指的是在網路環境中，情感與性慾互動被數據化、媒介化的現象；演算法治理則指演算法作為權力機制，影響人際關係、決策與社會秩序的過程。
在包養平台中，演算法治理表現為三個層面：
資料收集與評價規則：平台透過用戶行為建立特質模型；
配對演算與曝光控制：依據付費層級與偏好權重，決定誰能被看見；
回饋循環：演算法不斷從互動數據學習，形成「慾望的自我強化機制」。
因此，AI推薦系統不只是中介工具，而是「慾望的建築師」，塑造人類如何理解吸引、價值與可交換性。
三、AI推薦邏輯：資料標註中的權力結構
（一）資料來源的社會偏差
AI推薦模型多建立於用戶回饋（like、match、聊天時間）與影像辨識特徵（膚色、臉型、笑容頻率）之上。這些資料來源反映了既有的社會審美：瘦、高、白、年輕、女性柔順、男性財富。
當AI學習此模式後，演算法便傾向優先推薦符合「多數偏好」者，排擠其他樣貌、族群或風格。
（二）隱性階級輸入
平台常設有「高端會員」制度，付費越高可獲得更多推薦機會與曝光。這種數據邏輯將經濟能力直接轉化為配對權力，使「可見性」成為新型社會資本。
AI因此強化了「金錢—外貌」的雙重階級結構：有錢者得以選擇，有貌者被選擇。
（三）標註者的文化視角
AI模型訓練多由標註團隊進行，而這些團隊常位於低薪開發國家或由男性主導。其標註標準不僅非中立，還帶有特定性別觀與文化偏好。例如「性感」在不同文化中意義不同，但AI卻可能採單一價值定義，形塑全球性的審美殖民。
四、AI演算法與性市場階級化再生產
（一）階級差異的數位再現
包養市場本身已存在明顯的經濟與權力不對稱：提供金錢的Sugar Daddy／Mommy與提供情感或性勞動的Sugar Baby。AI介入後，這層階級不僅被放大，更被制度化。
付費權重排序：高付費會員的資料被演算法優先曝光，低階用戶幾乎無法突破「可見性天花板」。
演算法回饋偏見：越多被點讚、匹配的帳號越容易被再推薦，形成「強者恆強」的馬太效應。
地理與教育層級：AI傾向將「高收入地區」「高學歷背景」者互相推薦，間接製造文化與經濟隔離。
（二）性別化的權力結構
女性在平台中常被評價為「外貌值」；男性則被量化為「財力值」。AI強化這種二元結構，使性市場更加封閉化：
女性須維持特定形象以保持曝光；
男性透過金錢提升配對權力；
彼此的互動被演算法規範成經濟交換模式，而非情感互動。
五、審美殖民：AI如何複製全球化慾望秩序
（一）從社群資料到全球標準化美感
AI模型多使用來自Instagram、YouTube等開放影像資料進行訓練。這些平台長期以「西方化的美」為主導，如白皙皮膚、立體五官、金髮或妝容精緻等標準。
當包養App導入此類模型時，演算法在實質上輸出的是「西方資本主義的慾望模板」，導致亞洲女性在潛意識中模仿歐美風格，形成自我審查與身體焦慮。
（二）「可被觀看」的身體政治
AI審美殖民不只是外貌問題，更是觀看權力的問題。當演算法決定誰被推薦、誰被忽略，它同時決定了誰有資格被「慾望化」。
東亞女性的形象常被建構為「順從、純淨、可愛」；而東南亞女性則被標籤為「熱情、異域化」。這些分類背後是殖民式凝視的延續，將性吸引力轉化為文化階序。
（三）本地文化的被動調適
台灣、日本與韓國的包養App在本地化AI模型時，常刻意「混合」東亞與歐美標準，如將韓星式妝容與歐美身材曲線並置，形成混雜審美。
這看似多元，實則是「去脈絡化的全球慾望化」：本地文化不再主體，而是被算法拼貼成消費符號。
六、數位身分與慾望分層：可見與不可見的界線
AI推薦不僅改變外貌展示，更改變了使用者的數位身分邏輯。
平台上的「個人檔案」逐漸成為可被量化的商品標籤：星座、身高、收入、職業、興趣，全都被演算法評估為「配對值」。
這種慾望分層產生兩種結果：
被看見者的焦慮：高匹配者須不斷維持形象、更新照片，否則曝光下降；
被隱形者的無力：低匹配者難以突破AI封鎖，逐漸退出市場。
性市場因此出現「可見階層」與「數位邊緣階層」，AI演算法取代了過去社會標籤，成為新的階級分化工具。
七、平台責任與倫理治理
（一）透明化不足
目前多數包養App未公開推薦邏輯或偏好權重。使用者無法得知自己被推薦的原因，也無從察覺演算法的偏見來源。
（二）缺乏多元審查
平台開發團隊多缺乏性別研究與文化倫理專業，導致模型偏向市場效率，而非社會公平。
（三）AI審美教育缺位
政府與社會尚未建立針對「數位親密演算法」的倫理指導原則。一般民眾亦缺乏對AI偏見的認知，使偏差審美被自然化。
八、使用者的反抗與策略性抵抗
儘管演算法似乎無所不在，但部分使用者展現了顯著的能動性。
假資料與形象操弄：女性透過多重帳號、修改年齡或照片風格，干擾AI學習邏輯；
集體知識分享：在Telegram與Discord等社群中，出現「演算法反制攻略」討論群；
非典型美學實驗：部分使用者以中性妝容、自然膚色或文化服飾作為抗議行為，嘗試打破單一審美霸權。
這些微型行動揭示，即使在技術壟斷下，使用者仍有「反演算法政治」（politics of resistance）的空間。
九、政策與社會對策建議
建立演算法透明制度：
政府可要求平台揭露AI推薦依據與審核機制，類似歐盟《AI法案》（AI Act）中的高風險系統透明規範。
推動「演算法平權審查」：
建立跨領域審查委員會，由資訊、性別與文化專家共同檢視AI訓練資料。
強化數位倫理教育：
鼓勵學校與公部門推動AI媒體素養課程，讓民眾理解技術如何影響慾望與社會地位。
支持替代性平台發展：
鼓勵社會企業打造以「價值共感」「互惠陪伴」為核心的App，跳脫以外貌與金錢為導向的框架。
鼓勵女性與性工作者參與AI設計：
讓經驗者成為開發者，將被觀看的主體轉為能定義觀看邏輯的主體。
十、結論：當慾望被演算法化
AI「伴侶推薦演算法」的導入，使包養市場從人際交易轉為數據治理。
它以中立之名行階級再製之實，以效率之名推動審美殖民化。慾望不再是自由選擇，而是被演算法預先編碼的社會結構。
然而，危機中亦孕育契機。唯有當技術透明化、審美多元化、教育普及化，人類才能重新奪回對慾望的詮釋權。
否則，AI將不僅預測我們的愛，也決定我們該愛誰——這正是性市場階級化的最終極形式。
延伸閱讀
