金丝猴脸越宽“越能打”，CEO脸越宽“越有钱”？自然界的一张脸，究竟藏着多少信息？

秦岭深处，风过山林，像刀锋擦过剑鞘。

两只金丝猴群的主雄，各自带着族群，在资源与地位的边界上相遇。没有立刻扑咬，它们先停住、观察、低吼、试探。

究竟谁会先动手？

真正决定局面的，或许不是第一拳，而是那张脸看起来够不够“不好惹”。

图1 近期，西北大学生命科学学院发布的关于川金丝猴的文章

近期，我国西北大学生命科学学院副教授张培团队经过多年在深山对野生川金丝猴的观察与研究，发现：成年雄性里，脸越宽，越常主动发起攻击，且胜率也更高1。

如果动物的脸真会泄露竞争底牌，人类呢？我们是不是也会凭一张脸，去判断一个人的强弱、能力，甚至未来？

金丝猴“宽脸更能打”，到底是怎么回事？

所谓“脸宽”，在研究中叫面部宽高比（fWHR），就是面部宽度与面部高度的比值。川金丝猴的算法很具体：宽度取左右颧骨之间的距离，高度取眉脊中点到上唇中点的距离。研究者让两名研究人员独立测量同一批照片，面部宽度的组内相关系数达0.916，面部高度达0.867，说明数据不是“看一眼估出来”的1。

图2 川金丝猴的fWHR

这项研究在2021—2023年跟踪秦岭野生川金丝猴，共测量126只个体、217次面部数据；行为观察超过1500小时、480天，记录1628次竞争事件，其中1597次有明确胜负。结论分三层：

1）成年雄性中，fWHR越高，越常主动发起攻击；

2）在雄性两两竞争中，fWHR更高的一方胜率也更高；

3）但研究并没有证明金丝猴会专门挑“窄脸”对手下手，这一假设未获支持。

研究证明的是统计学关联，不是“宽脸决定攻击性”。研究也明确提到，目前没有直接证据表明金丝猴真的通过观察fWHR来避免与强者冲突。换句话说，宽脸更像一张与攻击性、竞争结果相关的“名片”，而不是胜负的判决书。

那么，动物身上的“强者信号”，到了人类社会，会不会也留下痕迹？

从猴群到人类CEO——“强者脸”真的进入了人类社会？

英国学者Alrajih与Ward在British Journal of Psychology杂志上报告，英国顶尖企业CEO的面部宽高比高于年龄、性别匹配的对照组。把同一批面孔匿名交给普通人判断，他们更倾向于给出“有主导力”“像成功者”的评价。但研究也划了界线：可信度、吸引力、攻击性，并没有跟着一起升高。宽脸CEO不等于凶脸，也不等于不值得信任2。

图3 CEO脸部更倾向于具有主导力、像成功者

更耐人寻味的是，脸被拿来与企业风险行为放在同一张表里。2018年European Financial Management杂志分析1162名CEO，发现男性CEO面部男性化程度越高，企业股价波动、财务杠杆和并购活跃度越高，并购频率、金额与收购溢价也更高。用AI重新测量fWHR后，这种相关性仍然存在3。

研究还伸向企业文化。2025年Academy of Management Proceedings会议摘要进一步报告，在S&P 500企业的397名CEO、1882个firm-year观察中，较高CEO fWHR与更强企业文化正相关4。

从金丝猴到人类，脸部特征似乎携带某些关于行为和社会地位的统计信息。可为什么我们总会本能地“从脸判断人”？这种直觉，究竟从何而来？

人类为什么会“看脸”？

从生物学角度看，面部特征承载着年龄、性别、发育状态和情绪等信息。金丝猴研究指出，动物会通过面部信号、体态、发声和竖毛等方式评估对手的攻击性，从而降低冲突升级的风险。这说明，依据面部线索进行社会判断并非人类独有，它有一定的演化基础。

人类在面对陌生面孔时，能在极短时间内形成可信度、威胁感、强势程度和能力等印象。研究显示，对男性面孔攻击性的判断与面部宽高比存在关联，但这种关联与可信度判断并不相同5。需要明确的是，大脑的快速判断并不等于准确判断。

图4 高社会地位男性领袖，平均fWHR显著高于匹配的普通对照人群

但切忌把“统计规律”变成“给个人贴标签”。某个群体平均fWHR较高，不意味着该群体中每个个体都更具攻击性；CEO面部特征与企业风险行为的关联，也不能用来预测某个具体管理者的能力。概率信息不能等同于个体命运，相关关系不等于因果关系，算法的预测结果也不等同于事实判断。

既然人类会依据面孔快速形成印象，当算法掌握百万乃至更大规模的人脸数据后，AI是否会比人更擅长这种判断？它读出的究竟是生物学信号，还是人类偏见的投射。

AI已经能从一张脸看到什么？

AI读取面孔的能力，已不止于“认出你是谁”。

• 人格：AI已经能够从静态人脸预测“大五人格”

2020年Scientific Reports研究纳入12447名志愿者、31367张真实生活照片，用人工神经网络预测大五人格（外向性、宜人性、尽责性、神经质、开放性）。结果显示，AI对五大人格特征均存在统计学预测能力，其中尽责性相关最高：男性0.360，女性0.335，平均效应量0.243。但这不等于“性格写在脸上”。照片中的发型、姿态、拍摄环境以及个体选照片时留下的信息，都可能参与预测6。

• 健康：AI已经开始从脸估计“生物年龄”

2025年The Lancet Digital Health发表FaceAge研究，用深度学习从面部照片估计生物年龄，训练数据超过5.8万名60岁以上人群。身份证上的年龄，是你活了多久；FaceAge尝试回答的，是身体看起来老了多少。面部外观可能携带比实际年龄更丰富的生理健康信息7。

图5 FaceAge原理的简单示意

• 从“生物年龄”进一步走向“健康结局”

2026年Nature Communications研究使用2276名接受放疗的癌症患者的连续面部照片，计算Face Aging Rate，即单位时间内FaceAge的变化程度。结果发现，面部老化速度越快，与更差的总体生存相关；不同时间区间的校正HR分别为1.25、1.37和1.658。

• 疾病：AI已经开始尝试从面部识别疾病相关表型

2025年Artificial Intelligence Review综述指出，AI面部分析已覆盖遗传综合征、神经系统疾病、精神疾病、内分泌疾病、面部结构异常、表情和动态面部特征等9。2024年Postgraduate Medical Journal系统综述和Meta分析纳入22项研究、共57539个样本，报告深度学习面部疾病识别总体准确率约91.0%，但研究异质性明显10。

总结

脸上确实可能藏着信息。金丝猴的fWHR与攻击、胜负存在统计关联；CEO的面部特征与企业行为也有相关性；AI正把这种从脸找规律的能力推向人格、年龄与疾病。

但信息从来不是答案。一个群体层面的统计规律，无法准确描述每一个具体的人。

真正值得警惕的，不是AI开始“看懂”人脸，而是我们把“看见的概率”误认为“看透了一个人”。

识脸可以辅助判断，不能替代判断；可以提供参考，不能制造偏见；可以发现风险线索，却不能给谁贴上“强者”“危险者”“高风险者”的标签。

一张脸也许能透露一些信息，但一个人从来不只有一张脸。

参考文献

1. https://doi.org/10.1016/j.anbehav.2026.123643.

2. ALRAJIH S, WARD J. Iet al. Br J Psychol. 2014 May;105(2):153-61. DOI: 10.1111/bjop.12035.

3. https://doi.org/10.1111/eufm.12175

4. https://doi.org/10.5465/AMPROC.2025.23324abstract

5. Hahn T, Winter NR, Anderl C, et al. PLoS One. 2017 Nov 9;12(11):e0187957. DOI: 10.1371/journal.pone.0187957.

6. Kachur A, Osin E, Davydov D, et al. Assessing the Big Five personality traits using real-life static facial images. Sci Rep. 2020 May 22;10(1):8487. DOI: 10.1038/s41598-020-65358-6.

7. Zalay O, Bontempi D, Bitterman DS, et al. Decoding biological age from face photographs using deep learning. medRxiv [Preprint]. 2023 Sep 12:2023.09.12.23295132. DOI: 10.1101/2023.09.12.23295132.

8. Haugg F, Lee G, He J, et al. Face aging rate quantifies change in biological age to predict cancer outcomes. Nat Commun. 2026 Apr 28;17(1):3487. DOI: 10.1038/s41467-025-66758-w.

9. https://link.springer.com/article/10.1007/s10462-025-11246-2#1

10. Ghafarfaraji S. AI-based recognition of facial and micro-expressions for the diagnosis of mental and neurological disorders: a systematic review. BMC Psychiatry. 2025 Dec 25;26(1):78. DOI: 10.1186/s12888-025-07739-7.

来源：医学论坛网

编辑：常山

审核：梨九

排版：蓝桉

封面图源：https://doi.org/10.1016/j.anbehav.2026.123643.