Tally 通过了 Robotics 公司最严苛的安全测试。但没人核实它是否真的是人工智能。

今年3月，一款名为Tally的轮式货架扫描机器人成为首款获得UL Solutions根据ANSI/UL 3300标准颁发的全球安全认证的面向公众的机器人。测试平台验证了Tally是否会起火、是否会对顾客造成触电，以及在拥挤的过道中是否会在撞上购物车之前及时停下。 但测试并未深入分析控制回路，也未查明究竟是什么机制决定了停止的时机。

这一缺口正是2026年机器人监管的全部写照。

今年，该行业终于围绕机器人构建了完善的监管体系：安全认证机构予以批准，术语标准发布了第三版，而全球最具雄心的AI法律也开始要求信息披露。将这三条轨道叠加起来，却发现仍有所缺失。 它们每一项都仅对包装盒上标注的声明相关内容进行认证，却无一认证该声明本身——即该设备是否真正运行着人工智能。

安全监管关注的是“身体”，而非“大脑”

Simbe Robotics的Tally认证确实是一项实质性进展，就其本身而言值得认真对待。 ANSI/UL 3300《服务、通信、信息、教育和娱乐机器人标准》评估了在机器人与非部署公司员工共用空间时，可能存在的火灾和触电风险，以及安全自主移动能力。 2025年12月31日，美国职业安全与健康管理局将UL 3300纳入其“国家认可测试实验室”名单，这意味着该标准如今在美国的商业和企业部署中具有正式效力，而不仅仅存在于供应商的营销页面上。

上述测试均未考察Tally的货架扫描决策是源自经过训练的模型，还是源自查找表。测试也无法做到这一点，因为这并非UL 3300标准设计用于测量的内容。 无论是按照预设路线运行的机器人，还是运行完整感知堆栈的机器人，只要其电机控制器行为正常，都能通过相同的防火和防电击测试台。

这两种情况都是同样的。

术语规范定义的是形态，而非智能

ISO 8373是国际标准化组织（ISO）为机器人领域制定的术语标准，该标准于2021年再次修订，目前对“机器人”、“自主性”、“工业机器人”、“服务机器人”和“医疗机器人”等术语进行了定义。 国际机器人联合会和联合国欧洲经济委员会采用了一种平行的分类法，将该领域分为工业机器人和服务机器人，然后将服务机器人进一步细分为专业用途和个人用途。

仔细阅读就会发现，这两个框架描述的都是机器人的用途及其操作者。但两者均未明确说明驱动其决策的机制是什么。 根据IFR分类体系被归类为“专业服务机器人”的机器人，已向你说明了其商业背景。但它并未透露其导航栈是基于神经网络策略，还是五年前编写且从未更新的“如果-那么”决策树。

披露要求只需一句话，而非证明

欧盟《人工智能法案》包含了任何司法管辖区针对与人交互的机器人所通过的最具有深远影响的透明度规定。 第 50 条规定的透明度义务将于 2026 年 8 月 2 日生效，该条款要求与个人直接交互的人工智能系统提供商，最迟在首次接触时明确说明该交互情况，除非该情况已显而易见。 机器间交互——例如封闭生产线上一台装配机器人与另一台装配机器人之间的对话——明确不在此范围之内。

请准确理解该义务的实质要求：企业必须告知用户其正在与人工智能系统进行交互。 第50条中的任何内容均未要求企业证明交互另一端所涉及的对象确实是人工智能，而非披着聊天界面外衣的预设菜单树。合规要求仅需在首次接触时进行披露，该条款的设计初衷绝非对生成内容的审核。

这句话。

将这三条轨道并列比较，就会发现这种模式在所有轨道上都成立。安全认证检查硬件；术语标准检查分类；信息披露法检查是否已向用户告知。而它们都没有检查的，恰恰是每个供应商在推介演示文稿中首先强调的那一点。

英伟达刚刚悄然承认，其入门级产品一直在“虚张声势”

周二，英伟达发布了 Jetson Orin Nano 2，这是一款机器人计算模块，额定运算速度为每秒 78 万亿次，在保持相同外形尺寸的同时，功耗比前代产品降低了 40%。 英伟达机器人与边缘AI副总裁迪普·塔拉（Deepu Talla）表示，该模块“让数百万开发者触手可及这一突破，提供了边缘实时推理所需的性能和能效”。

请以采购工程师的视角来解读这一说法。如果边缘端的实时推理如今才变得触手可及，那么此前它显然并不触手可及——至少在英伟达瞄准的入门级价格和功耗层级上并非如此，而科格纳斯（Cognex）、斗山博世（Doosan Bobcat）、Matic和Wing正是其公布的早期合作伙伴。 我对这一缺口的解读——而非英伟达所宣称的——是：过去几年间出货的“AI驱动”消费级和轻型商用机器人中，相当一部分在营销宣传时所做的承诺，其实超出了其机载计算能力所能实际支撑的范围。此前无人需要证明事实并非如此，因为没有任何依据能佐证这一主张。

Figure AI 是一个值得一提的例外，而它之所以值得一提，恰恰是因为它选择了透明度——尽管没有人要求它这样做。 本周，Figure在发布Index数据平台的同时披露，其众包训练管道每收集1,000小时视频，便记录了373项独特任务、1,146个独特物体和116个独特环境。这并非某种认证。 而是一家公司在自愿提供此类细粒度的证据——在当前的市场环境下，这正是持怀疑态度的买家评估AI主张所必需的。

没有任何东西能强迫任何人披露这一点。

真正的验证标准究竟需要多少成本

我想坦率地说明为何这一缺口至今未被填补，因为问题的根源并非仅仅在于企业的消极态度。

神经网络策略难以接受那种能检测出线路松动或电池过热的标准化基准测试。 UL、ISO 和 IFR 的公信力建立在可重复、确定性的测试之上；训练有素的模型在保留数据上的表现无法像触电危险那样简单地归结为“通过”或“失败”，而且这些机构都没有机器学习评估的授权，也没有从头开始建立评估体系的人员。 此外，还有竞争方面的原因导致无人率先自愿参与。向独立评估机构开放模型的供应商，恰恰会招致那些采用更轻量级技术栈的供应商极力想要避免的审查；这意味着自愿披露——正如 Figure 本周采取的做法——往往只来自那些对自己数据充满信心、敢于公开的公司。

这是买家不得不面对的权衡。等待正式的能力验证标准，意味着等待一个比防火测试更难解决的问题。若仅凭供应商标榜的“AI驱动”字样就直接采信，则意味着根据当前市场上尚无任何产品能满足的规格进行采购。

从我负责管理机器人分类体系的角度来看，这种差距不断体现在各家公司对同一词汇截然不同的使用方式上。英伟达（NVIDIA）早期采用者的言论无意间印证了这一点：Wing公司将Jetson Orin Nano 2的评估重点放在飞行时间效率上，而Matic Robotics则将同一款芯片的重点放在增强机载能力上。 两家公司，同一款模块，却对“AI-powered”在产品上市时将为其产品线带来何种意义，给出了截然不同的宣称。

对于未来一年内评估任何标有“AI”标签的机器人的采购团队而言，关键问题已不再是供应商持有何种安全认证或分类。而应询问供应商披露了哪些信息

关于任务多样性、保留测试性能，或是演示环境外的故障率，就像Figure本周主动披露的那样。UL 3300认证标志向买家保证机器人不会起火，但它并未说明机器人“眼底”究竟发生了什么。

机器人领域下一个真正的资质认证，不会来自某个标准机构对术语表的更新，也不会来自监管机构对披露声明的要求。它将源于买家——他们开始要求供应商提供Figure主动披露的那些数据，并将供应商对此问题的沉默视为答案。

封面图：Tally自主货架扫描机器人在美国一家杂货店的工作场景，图片由Simbe Robotics官方提供。

免责声明：本文仅供一般信息参考，不构成投资、法律或采购建议。读者在做出商业决策前，应通过原始来源核实相关细节。