人工智能正从“信息处理工具”深度跃迁为“物理行动主体”，其安全风险已突破传统网络空间的固有边界，形成“虚拟攻击触发—算法决策失控—物理危害落地”的全新风险范式。

当前，我国在场景化安全管控、多模态数据合规、分级准入认证及事中事后责任认定等方面存在短板，深层原因在于技术快速迭代与法律适配滞后、跨部门多头管理及产业链安全责任协同不足。亟需构建基于风险等级与应用场景的分级监管体系，细化数据分类确权与合规指引，完善跨学科标准与统一检测认证，强化全生命周期安全管控并明确开发者、制造商、运营者的责任分担，同时探索监管沙盒、强制保险等工具，推动算法追溯与科技伦理审查，以平衡创新与风险，护航产业健康发展。

四方面问题凸显当前我国具身智能产业监管治理不足

安全管控方面：物理安全管控存在短板且场景风险防控不足

传统工业机器人安全规范主要聚焦机械、电气等硬件安全，对大模型决策异常、模型幻觉、动态环境下非预期动作缺少针对性管控规则。具身智能具备“自主决策+物理执行”双重属性，大模型幻觉、算法漂移可能转化为实体机构的非预期动作，带来人身伤害风险。当前，具身智能技术仍处于高速发展期，大模型、运动控制等核心技术路径持续迭代，对标准的柔性更新能力提出极高要求。从差异化场景管控看，不同环境结构化程度不同，但尚未形成匹配场景风险等级的安全规范体系。如工业场景人机协同产线内具身智能缺少动态安全隔离、异常行为熔断规范，养老陪护、商场导购、家政人形机器人等服务场景缺少人机交互边界管理等。同时，针对开源模型二次开发、第三方算法插件接入的安全审计管控薄弱，风险恐沿零部件—模型—整机链条传导。

数据合规方面：多模态数据合规治理、场景数据权属与流转规则有待完善

具身智能搭载视觉、声学、触觉等多模态传感器，可实现7×24小时不间断连续感知，持续采集人脸、声纹、人体姿态、环境影像、现场工况等海量信息，催生无感采集带来的新型隐私与数据安全风险。一是数据采集缺少制度依据。我国尚未出台针对移动机器人持续性无感环境数据采集等的专项实施细则，知情同意、数据留存范围、自动抓拍触发条件等合规边界较为模糊。二是数据权属制度待完善。例如在工业场景中，具身智能采集的生产工艺参数、产线工况数据等，企业、设备厂商、算法服务商之间数据归属、使用权限等尚缺乏针对性制度规范。三是合规治理机制不够健全。训练数据的数据标注溯源、匿名化处理、数据集安全评估等合规管理需完善。如，家庭机器人搭载大量摄像头、感应传感器，运行过程中会采集海量家庭隐私、用户健康数据，行业数据存储、传输、使用环节安全防护体系不完善，存在数据泄露隐患，企业合规运营成本较高。

行业准入方面：行业准入机制、检测认证体系待完善

一是准入分类标准仍需持续完善。具身智能标准体系覆盖机械、电子、人工智能、材料、安全伦理等多学科领域，跨学科、跨行业的协同编制、落地执行存在机制壁垒，现阶段我国尚未建立基于风险等级和应用场景的分级准入清单制度，难以对不同场景产品实施差异化准入管控，可能导致高风险具身智能产品准入约束不足等问题。二是产品认证体系仍需完善。国内缺少面向通用具身智能整机的统一安全检测认证机构，同时，面向算法可信性、动态场景鲁棒性、对抗攻击抵御能力的标准化评测方法尚不健全，相关测评工具供给不足。检测多集中于电气、机械硬件等硬件安全维度，难以有效识别和验证AI自主决策引发的新型安全风险。

事中事后监管方面：责任认定与处置机制需健全

当前产品责任法律制度尚需充分适应具身智能持续自主学习、算法迭代的新特征，相关事故链条可能涉及算法开发者、整机制造商、运营服务商、场景使用方等多方主体，各方责任边界较为模糊，同时，先行赔付、机器人强制责任保险配套机制尚不健全，一旦发生人身伤害事故，溯源取证、损失赔偿处置存在障碍。此外，针对算法违规迭代、违规采集数据、高风险场景无证投放等行为，缺少分级处罚、产品召回、远程限制运行等精细化监管手段，对于投用之后持续迭代的具身智能产品，动态风险识别与管控能力仍显不足。

深层成因源自技术、制度适配、产业生态多方面

技术内涵层面，双重技术叠加重构风险范式

具身智能本质上是“有身体的AI”，能够实现从“虚拟算法智能”向“物理实体智能”的范式跃迁，带来传统机器人和AI大模型不具备的特性。与AI大模型相比，具身智能风险点由“虚拟信息生成”升级为“物理行为输出”。AI大模型等治理风险停留在数字虚拟层面，需要人类或物理体执行才会造成现实影响；而智能体在预定规则外的决策会直接转化为物理行为，极易引发设备失控、生产事故，甚至造成人身伤害。与传统机器人相比，具身智能风险点由“可控操作”升级为“自主决策”。传统机器人风险主要源于硬件故障、程序错误或操作失误，危害形式相对明确且可预测；而具身智能的风险源于AI“大脑”做出的不可预测甚至违背设计初衷的自主决策，其受攻击风险面复杂多样，决策过程可追溯性差，难以通过原有“漏洞发现—补丁修复”的方式予以治理。

制度适配层面，法律监管体系滞后于产业化速度

当前具身智能领域仍主要依托网络安全法、数据安全法等作为法律依据，难以准确适配具身智能的“算法决策+物理执行”特性。侵权责任方面，当前具身智能侵权责任的认定主要依据《民法典》侵权责任编中的“产品责任”部分及相关司法解释，认定对象主要针对人类行为或传统自动化设备设定，诸如“自主决策致损”等侵权责任仍难以准确界定。算法决策追溯方面，囿于具身智能算法涉及机械结构专利侵权、控制算法商业秘密泄露、软件代码开源协议违约以及训练数据著作权或隐私侵权等多重法律关系，关于算法决策强制记录和司法可追溯的法律规定尚属空白。专项监管条款方面，当前各地对具身智能的监管标准侧重不同，导致企业跨区域合规成本高，也缺乏统一的测试认证体系，针对“物理交互”特性的专项监管条款尚在探索，监管沙盒等工具应用处于初步阶段。

产业生态层面，安全责任链条长但协同不足

具身智能涉及芯片、传感器、算法、软件、制造、集成、运营服务等众多环节，产业组织形式和风险责任匹配不足。政府层面，具身智能横跨芯片、传感器、算法、软件、制造、集成、运营服务等众多环节，产业组织形式复杂，客观上形成了“硬件归机器人监管、算法归AI监管、特种装备归行业监管”的多头管理格局。工信、网信、市场监管、应急管理、住建、矿山安全等主管部门监管边界交叉重叠，缺乏清晰的权责划分框架。企业层面，一方面，具身智能产业尚处市场培育期，企业普遍将资源集中于功能实现和成本控制，安全投入被视为“非必要项”。另一方面，生产者、软件开发者、使用者之间责任划分缺乏明确法律依据，企业缺乏将安全投入转化为竞争优势的制度激励。

对策建议

构建分级分类、场景化差异化的监管体系。一是根据不同具身智能应用场景的风险情况，建立风险等级与应用场景分级监管清单，实施差异化管控。对危化处置、应急救援等特种作业场景，实行准入审批、强制安全认证、落地场景风险评估等管理，严格限定自主决策权限，重大操作强制人工复核。对封闭工业产线、园区巡检机器人等中低风险具身智能产品，探索市场投放备案、年度安全复核等制度，推动常态化安全检测，降低企业合规成本。二是明晰跨部门监管权责清单。建立具身智能产业协同治理机制，厘清产品准入、算法安全、数据合规、场景应用安全监管职责，消除监管真空与重复监管。三是推广监管沙盒试点制度。围绕工业、养老服务、特种机器人等领域，开放沙盒试点区域，在可控环境内开展新产品、新算法测试，实行“试点容错、风险可控、经验提炼、规则迭代”，进一步平衡创新与安全。

细化数据合规制度，破解多模态感知数据治理难题。一是探索建设具身智能相关数据合规指引。区分工业生产数据、个人生物信息、关键基础设施敏感数据实施分类分级保护。二是厘清具身智能相关场景数据权属情况。进一步明确设备厂商、运营方、场景使用主体的数据使用权、加工权限，规避未经授权利用现场采集数据训练对外商用模型。三是规范具身智能训练数据管理。鼓励企业建立训练数据集溯源机制，推动涉及个人信息完成匿名化、去标识化，同时，强化对外提供、跨境传输数据安全评估。

加强标准体系建设，健全分层清晰的行业准入与认证管理制度。一是进一步完善具身智能国家标准、行业标准体系建设。推动场景安全规范、算法可信评估、多模态传感器数据安全、人机交互伦理、故障应急处置等相关细化标准建设。二是完善统一检测认证体系。加强安全认证，推动国家级具身智能安全检验检测平台建设，打通硬件功能安全、网络安全、算法鲁棒性、多模态数据安全一体化评测，推动检测结果的跨区域、跨部门互认。三是推进具身智能产品整机唯一标识管理，实施“一机一码”全生命周期追溯制度，覆盖从研发生产、市场准入、销售使用到报废回收全流程，并持续完善后续配套管理与执行机制。

加强安全管控能力建设，建立健全事中事后安全管控机制。一是加强企业全生命周期安全主体责任建设。鼓励企业建立算法变更审核机制，人机协同场景部署须配备物理隔离、紧急制动、人工接管通道等。二是加强数字化监管监测。加强具身智能设备安全情况、异常行为数据等排查，助力实现风险预警。三是构建清晰的事故责任与风险分担机制。出台司法指导意见，依据控制权、收益归属、风险防控能力划分开发者、制造商、运营使用者责任。探索高风险场景强制责任保险、行业风险补偿基金。四是推动违规处置政策工具建设。针对数据违规采集、算法失控风险、无证投放等行为，通过设置警告、限期整改、暂停运营、产品召回、行政处罚等，推动梯度化处置措施建设。五是进一步探索建立相关人机伦理规范，鼓励企业建立科技伦理审查机制。

文章来源：中国电子报