NOTE
前言：由我和 ChatGPT 在2026年7月21日晚上的一个讨论而来，框架和思路来源于我，但绝大部分内容为 ChatGPT 生成。
当我们说一种药物适用于“成年人”、一把座椅符合“人体工学”、一套交通系统满足“市民需求”时，“成年人”“人体”和“市民”听起来都是没有性别、年龄和身份的中性概念。然而，这些概念一旦进入数据和模型，就必须对应某些具体的身体与生活方式。问题也由此产生：被写进“人”这个字里的，究竟是谁？
《看不见的女性》提出了一个有力的批评：在医学、交通、工程、城市规划和公共政策中，男性经验经常被当作普遍的人类经验。男性身体是“标准身体”，男性的工作模式是“正常工作模式”，男性的出行方式则被当作一般性的交通需求。女性并非真的不存在，她们的身体、劳动和生活经验只是常常没有进入数据、模型与制度标准。她们被看见，却没有被计算。
面对这一论点，一个自然的疑问是：这究竟是性别偏见，还是实验设计与数据采集不够严谨造成的科学问题？
这个问题不能通过在“科学”与“偏见”之间二选一来回答。许多案例的直接原因确实是样本缺乏代表性、外部效度不足，或者设计者没有进行分组检验。但科学方法与社会结构并不是两个彼此排斥的解释。社会中的权力分布会影响研究什么、采集谁的数据、把谁定义为典型对象，也会影响哪些误差被认为值得修正。当同一种技术缺陷长期反复出现，并且持续把男性设为默认对象时，它就不再只是彼此孤立的技术错误。
日常语言中的“偏见”，通常让人想到明确的负面态度：设计者认为女性不重要，或者有意给予女性较差的待遇。然而，《看不见的女性》所讨论的许多问题，并不需要以这种主观动机为前提。
假设一项医学研究主要招募男性受试者，理由是月经周期和研究期间怀孕的可能性会增加变量与成本。从实验控制的角度看，这种选择并非毫无依据。真正的问题发生在下一步：研究只证明了某种药物对所研究的男性样本有效，结论却被表述为“这种药物对成年人有效”。
这首先是一种推断错误，却也暴露出一个不对称的默认设置：男性身体被视为更简单、更稳定、更接近一般人的身体，女性身体则被当作需要额外处理的复杂例外。研究者未必有意排斥女性，研究制度却可能持续生产出男性数据充足、女性数据不足的结果。
因此，需要区分三个层次：一次普通的实验设计缺陷，数据和模型长期向某一群体倾斜的系统性偏差，以及带有明确敌意或差别对待意图的歧视。三者可能重合，却不能混为一谈。一个系统可以没有明显恶意，仍然让某一群体持续承担更大的误差。
真正值得警惕的，不是任何一次错误恰好影响了女性，而是错误的方向长期稳定，造成的代价又始终没有进入评价体系。偏见未必只存在于人的态度里，它也可能沉积在样本、表格、测试工具和沿用多年的标准之中。
发现男性不能代表所有人之后，最直接的修正似乎是收集男女数据，再建立一个统一的“标准人”。然而，一个由更多人计算出来的平均模型，并不必然比男性模型更好。
假设男性平均身高为175厘米，女性平均身高为162厘米，把两者合并后得到168.5厘米，再按照这个数值设计一把固定座椅。这把座椅或许处在总体分布的中间，却不代表它适合所有人，甚至不代表它特别适合任何一个真实的人。它可能对许多男性偏小，对许多女性偏大，对身高处在两端的人则更加不友好。
平均值有助于描述总体，却未必足以保护个体。人类不是一个平均点，而是一个分布。人体工程学真正关心的，往往不是找到一个抽象的平均身体，而是调节范围能否覆盖不同百分位的人群。医学中的问题更加复杂：影响疗效与风险的差异可能涉及代谢、体脂比例、激素水平、骨骼结构和疾病表现，并不能通过把尺寸或剂量简单取平均来消除。
当然，把人群分成“男性”和“女性”也不能穷尽全部差异。两类人群内部都存在巨大变化，年龄、体型、阶层、残障状况和生活方式还会彼此交叉。分组并不是越多越好；只有当某种差异会显著影响产品性能、健康或安全时，它才应成为设计与检验的关键变量。
所以，问题不应被表述为“选择男性标准人，还是选择男女平均人”，而应被改写为：设计适用于哪些人？在不同群体中的表现如何？哪些差异只影响便利，哪些差异会威胁健康与安全？一个可靠的模型需要说明自己的适用范围，而不是把局部样本包装成全体人类。
即使不再采用单一平均模型，而是试图覆盖95%的男性和95%的女性，仍然会有剩余的5%不适配。这些人是否又成为新的“看不见者”？
任何有限成本下的设计都不可能适合每一个人。人的身高、体重、年龄、行动能力和身体状况呈连续分布，要求所有产品覆盖所有可能个体，在技术和经济上往往并不现实。因此，“没有达到百分之百覆盖”本身不能证明设计存在偏见。
关键在于四个问题。
第一，未被覆盖的人是否被识别和记录。设计明确说明适用范围，并为范围之外的人提供替代产品或补偿措施，与假装所有人都适用，性质并不相同。
第二，不适配会造成什么后果。手机尺寸不适合少数用户，可能只是操作不便；医疗设备对某类患者持续误判，安全装置无法保护某类身体，则可能造成伤害甚至死亡。同样的覆盖率，在不同领域具有完全不同的伦理含义。
第三，风险是否集中在一个可以识别的群体。如果剩余风险较为随机地分布在不同个体之间，它更接近一般的工程边界；如果女性、儿童、残障人士或某一族群长期承担更高风险，而这种差异又没有被测量和处理，他们就不是偶然落在分布尾部，而是被制度持续排除在默认模型之外。
第四，是否存在成本合理的改进方法。要求一项设计承担无限责任并不现实，但如果通过扩大调节范围、增加一种规格或修改测试程序，就能显著减少严重伤害，那么“成本有限”便不能自动成为拒绝改进的理由。
因此，“看不见”并不是指任何需求没有得到完全满足，而是指某些人的损失没有进入设计目标，只被当作无须解释的残余误差。设计可以有边界，但必须看见边界之外站着谁。
公平讨论中最困难的问题，是总体表现与群体差距并不总朝着同一方向变化。
假设设计A对男性的有效率为99%，对女性为95%；设计B对男女都是90%。设计B没有性别差距，却让两个群体的处境都变差。此时，仅仅因为A存在四个百分点的差距就选择B，显然不是更好的公平。
换一种情况：设计A对男性的有效率为99%，对女性只有70%；设计B对男女都是90%。即使A在某种人口构成下仍有较高的总体有效率，我们也不能只看平均数，因为女性承担了明显更大的损失。选择哪个方案，已经不只是计算效率，也是在决定风险由谁承担。
许多设计模型优化的是不同群体损失的加权平均值。用一个简化的表达式表示，就是：
其中， 表示某一群体在总体目标中的权重， 表示设计在该群体中的损失， 则是不能突破的风险上限。它表达的是：在尽量提高总体效果的同时，为每一个重要群体保留必要的安全底线。
这个框架比“总体效率永远优先”或“所有群体结果必须完全相同”都更合理。公平至少包含两条原则：不要为了消除表面差距而牺牲所有人的绝对收益，也不要为了抬高总体平均值而允许某一群体承受没有底线的风险。
但公式并不能替我们完成伦理判断。群体权重依据人口、使用频率、市场规模还是购买力确定？风险上限应当设在哪里？哪些损失可以补偿，哪些损失不可接受？这些都不是数据自行给出的答案。模型能够清楚地呈现选择，却不能把价值选择变成中性的技术事实。
设计当然应当考虑主要使用者。母婴室中的哺乳、吸奶和产后身体需求，应主要依据女性的实际经验，而不是让男性替女性定义这些需求；但换尿布和照顾婴儿的设施，也应服务男性照护者。如果一种专业设备的使用者中男性占绝大多数，男性数据在某些性能指标中获得更高权重，也有现实根据。
不过，“主要使用者”不能成为排除其他人的自动理由。设计受众应当按照具体任务和风险划分，而不只是按照身份标签划分。人数也不是唯一权重：使用频率、风险暴露、失败后果以及用户能否自由退出，都应进入判断。一个群体即使人数较少，如果设备失效可能给他们造成严重伤害，也应得到较高程度的保护。
更重要的是，现有用户比例并不总是自然形成的，它可能是旧设计塑造的。假设某个空间、职业或设备长期只适合男性使用，女性的进入和使用成本就会更高；女性使用者越少，设计者又越容易以“女性不是主要用户”为由，继续只考虑男性需求。于是，一个循环形成了：旧设计制造了用户差异，用户差异又被用来证明旧设计合理。
因此，当前受众结构不能总被当作中性的事实。男性用户更多，可能意味着该产品确实主要服务男性，也可能意味着其他使用者早已被门槛挡在门外。两种情况必须通过数据和调查来区分，而不能仅凭现状下结论。
安全带能够说明“主要使用者”与“风险承担者”之间的区别。早期汽车设计首先关注成年男性驾驶员，有其历史背景；但安全带保护的不只是驾驶员，也包括所有乘员。即使男性更常驾驶，女性和儿童也会作为乘员进入汽车。安全装置失败的后果又远高于一般舒适度设计，因此对少数群体的保护不能完全按照人数比例决定。
儿童安全问题还揭示了另一个事实：默认模型不只是“男性”，也常常是“成年、身体健全、能够独立行动的人”。成人安全带不会自然适合儿童，所以需要儿童座椅和增高座椅。城市、交通和公共设施也经常把儿童理解为由成年人携带和管理的附属者，而不是具有独立需求的使用者。
但这并不意味着所有不适合儿童的设施都构成偏见。儿童不是合法驾驶者，所以驾驶座不为儿童设计是合理的；儿童却是汽车乘员，因此乘员保护系统不能假装他们不存在。判断的核心不是某个群体是否可能出现在这个场所，而是他们是否是该功能可以预见的使用者，或者是否会直接承担设计失败的风险。
从女性到儿童，问题发生了一个重要变化。女性被排除，通常意味着具有平等权利的成年主体被错误地当作特殊人群；儿童被排除，则还涉及依赖、代理和能力差异。然而，两者共同揭示了默认模型的一种倾向：越不能参与设计、表达需求或影响决策的人，越容易被当作中心主体的附属者。
从女性到儿童，讨论仍然发生在人类社会内部：谁被视为具有独立需求的使用者，谁又只是默认主体的附属者？如果把问题再向外推进一步，我们就会遇到一个更根本的边界：设计是否只需要回应人类的利益？能够进入设计目标的主体，是否必然只能是人？
现代城市不仅以男性或成年人为默认，也以人类为默认。鸟类撞击玻璃建筑，夜间照明干扰迁徙，道路割裂栖息地，绿地管理清除昆虫和小型动物赖以生存的环境。这些损失经常只有在影响人类健康、经济或景观时，才进入公共决策。
这可以被理解为人类中心主义：人类的生活、便利和经济活动被置于设计目标的中心，其他物种通常只是背景、资源、景观或管理对象。它们很少作为具有自身利益的生命进入模型，而更多是在妨碍人类、服务人类或引起人类同情时才被看见。
城市优先服务人类，并不自动构成道德错误。城市本来就是人类建设的人工环境，人类也不可能在每一次决策中给予所有生命完全相同的权重。然而，城市从来不是建在没有生命的空白空间上。它改变河流、植被、气候和栖息地，并把影响延伸到城市边界之外。当少量人类便利需要其他物种承担大量死亡和生境损失时，“城市为人服务”便不能成为无需论证的终点。
这里的类推，并不是说女性与动物的处境相同，也不是把性别歧视和物种伦理混为一谈。女性的“看不见”，是平等的人类主体在数据和制度中被错误地特殊化；动物的“看不见”，则进一步触及谁有资格成为道德关怀对象的问题。前者发生在被承认的平等原则内部，后者追问的正是这条原则的边界。二者的政治性质、权利基础和解决方式都不相同。
但它们确实共享一种认知结构：处在中心的主体往往不把自己理解为某个特殊群体，而把自己的需要理解为没有立场的需要；其他主体则只有在造成麻烦、提供价值或遭受极端伤害时，才从背景中显现出来。男性中心主义把男性经验写成“人的经验”，人类中心主义则把人类利益写成“利益本身”。
正因为二者并不等同，这个类推才有意义。它不是把不同压迫压缩成同一种处境，而是让我们看见“默认主体”如何在不同层次上形成：在人类社会内部，它决定哪一种人更接近所谓一般人；在人类与其他生命之间，它决定谁的损失有资格被计算。
由此可以回到《看不见的女性》的核心判断：男性是否经常把自己的偏好和经验当作中性标准？
如果把这句话理解为对所有男性个人动机的指控，它当然过于笼统。更准确的表达是：当男性长期在科学研究、工程设计和公共决策中占据主导位置时，男性的身体与生活经验更容易获得定义“正常”“典型”和“通用”的权力。这可以称为男性中心主义，也是男权结构的一种表现。
它不要求每个男性都故意排斥女性，也不意味着所有男性都能从男性标准中获益。身高、体型、阶层、年龄和身体能力不符合“标准男性”的男性，同样可能被排除。女性即使进入相关机构，也可能继续执行已经固定下来的数据标准、法规和测试程序。制度有自己的记忆，偏差因此能够在没有明确恶意的情况下延续。
人类中心主义同样不要求每个人都憎恶动物。人们可以喜爱宠物、保护鸟类、设立自然保护区，却仍然默认其他生命只有在对人类有用时才值得进入决策。中心地位最稳固的表现，往往不是公开宣称“我们更重要”，而是根本不觉得自己的优先地位需要说明。
权力最不明显却最深刻的一种形式，不是宣布某个群体高于其他群体，而是使这个群体的经验失去群体属性，仿佛它就是现实本身。男性经验被简称为“经验”，女性经验则被称为“女性经验”；男性身体被简称为“人体”，女性身体却需要额外标注；人类的损失被称为“成本”，其他生命的损失则常常连成本都算不上。
默认因此不是一个单纯的统计位置，而是一种定义现实的权力。
社会不能没有标准。工程设计、医学研究和公共政策都需要简化现实，也必须在成本、性能和适用范围之间作出选择。问题不在于标准没有覆盖每一个个体，也不在于不同群体之间出现任何差异。
真正需要追问的是：谁被设为默认对象？谁的数据进入了模型？谁承担模型失效的代价？这种代价是否严重并集中？范围之外的人是否被告知，是否拥有替代方案？某些主体为什么根本没有资格被计算？标准能否随着受众、知识和社会价值的变化而更新？
公平设计并不要求所有产品适合所有生命，也不要求不同群体获得机械一致的结果。它要求设计者明确受众，以真实数据检验不同群体的结果，在总体优化之外设置必要的安全底线，并让那些无法直接参与设计、表达需求和影响决策的主体仍有机会进入考虑。
《看不见的女性》的意义因此不只是要求增加女性数据。它更重要的提醒是：所谓中性标准总有自己的历史，所谓一般人也往往有一张具体的面孔。一个标准之所以显得自然，可能只是因为提出它的人长期拥有定义正常的权力。
我们需要警惕的不是标准本身，而是标准忘记自己只是模型，把特定主体的经验误认为永恒、普遍而没有立场的现实。
真正的中性，不是没有立场，而是让立场可以被追问；真正的公平，也不是取消一切边界，而是让边界公开、可辩护，并且能够被那些曾经看不见的主体重新修正。