Tally 通過了 Robotics 最嚴苛的安全測試。但沒人確認它是否真的是人工智慧。

今年三月，一款名為 Tally 的輪式貨架掃描機器人，成為首款獲得 UL Solutions 根據 ANSI/UL 3300 標準頒發之全球安全認證的對外服務型機器人。測試平台驗證了 Tally 是否會起火、是否會對購物者造成觸電，以及在擁擠的走道中是否會在撞上購物車之前停下。 但測試並未開啟控制迴路，以查明實際上是由什麼因素決定何時停止。

這項缺口，正是2026年機器人法規的全部故事。

今年，業界終於在機器人領域建構起嚴謹的規範體系：安全認證機構予以核准、術語標準發布第三版，而全球最具雄心的 AI 法規也開始要求資訊揭露。將這三項進展疊加起來，卻發現仍有所缺失。 這三者每一項所認證的，都僅是與包裝盒上標示的宣稱相鄰的內容。沒有任何一項認證了宣稱本身：即該裝置是否確實運行著人工智慧。

安全軌道檢視的是「軀體」，而非「心智」

Simbe Robotics 的 Tally 認證確實是一項實質進展，就其本身而言值得認真對待。 ANSI/UL 3300《服務、通訊、資訊、教育及娛樂機器人標準》，旨在評估機器人在與非部署公司員工共用空間時，所面臨的火災與電擊風險，以及自主移動的安全性。 2025年12月31日，美國職業安全與健康管理局（OSHA）將 UL 3300 納入其「全國認可測試實驗室」名單，這意味著該標準現已在美国的商業及企業部署中具備正式效力，而不僅僅是廠商行銷頁面上的宣傳噱頭。

上述測試均未探討 Tally 進行貨架掃描的決策是源自經過訓練的模型，還是來自查表。這也是不可能的，因為這並非 UL 3300 標準設計用以衡量的內容。 無論是沿著預設路徑行駛的機器人，還是運行完整感知堆疊的機器人，只要其馬達控制器行為正常，兩者都能通過相同的防火與防電擊測試台。

這兩種情況下都是同樣的方式。

術語範疇界定的是形式，而非智慧

ISO 8373 是國際標準化組織（ISO）為機器人領域制定的術語標準，該標準於 2021 年再次修訂，目前對「機器人」、「自主性」、「工業機器人」、「服務機器人」及「醫療機器人」等術語進行了定義。 國際機器人聯合會與聯合國歐洲經濟委員會採用並行的分類體系，將該領域劃分為工業機器人與服務機器人，並進一步將服務機器人細分為專業用途與個人用途。

仔細閱讀便會發現，這兩套框架皆描述了機器人的用途及其操作者。但兩者皆未闡明驅動其決策的機制為何。 根據 IFR 分類法被歸類為「專業服務機器人」的機器人，已向您說明了其商業應用情境。但這並未透露其導航堆疊究竟是基於神經策略，還是五年前編寫且從未更新的「如果-那麼」決策樹。

資訊揭露規範僅要求一句說明，而非證明

歐盟的《人工智慧法案》包含任何司法管轄區針對與人互動的機器人所通過的最具深遠影響的透明度規定。 第 50 條的透明度義務將於 2026 年 8 月 2 日生效，該條文要求與個人直接互動的人工智慧系統供應商，最遲須於首次接觸時，明確說明該互動性質，除非該互動性質已顯而易見。 機器對機器的互動——例如在封閉生產線上，一台組裝機器人與另一台組裝機器人之間的對話——則明確不在規範範圍內。

請仔細解讀這項義務的實際要求：企業必須告知當事人，其正在與人工智慧系統進行互動。 第 50 條的任何內容均未要求企業必須證明，互動另一端的對象確實是人工智慧，而非僅是披著聊天介面外衣的預設選單樹。合規的定義在於首次接觸時即進行揭露。該條文從未被設計成用來審計互動內容的生成來源。

這句話。

將這三條軌跡並列比較，會發現這個模式在所有軌跡中都成立。安全認證檢查硬體；詞彙標準檢查分類；資訊揭露法則檢查你是否已獲告知。唯獨有一件事，這些檢查都未能涵蓋，而這正是每個供應商簡報中首先強調的重點。

NVIDIA 剛剛低調承認，其入門級產品一直都在「裝模作樣」

週二，NVIDIA 宣布推出 Jetson Orin Nano 2，這是一款機器人運算模組，每秒運算能力達 78 兆次，且在相同外形規格下，功耗比前代產品降低了 40%。 NVIDIA 機器人與邊緣 AI 副總裁 Deepu Talla 表示，該模組「讓數百萬名開發者觸手可及這項突破，提供邊緣即時推理所需的效能與能源效率。」

請以採購工程師的視角來解讀這項聲明。如果邊緣端的即時推理如今才剛變得觸手可及，那麼過去顯然並未觸手可及——至少在 NVIDIA 鎖定的入門級價格與功耗層級上並非如此，該公司已將 Cognex、Doosan Bobcat、Matic 和 Wing 列為首批合作夥伴。 我對此差距的解讀（而非 NVIDIA 所聲稱的）是：過去數年來出貨的「AI 驅動」消費級與輕商用機器人中，有相當大比例所宣稱的行銷功能，其實已超出其機載運算資源所能實際支撐的範圍。由於沒有任何標準能驗證此說法，因此也無人需要證明事實並非如此。

Figure AI 是一個值得一提的例外，而它之所以值得提及，正是因為它選擇了透明度——儘管這並非任何人對其的要求。 除了本週發布的 Index 資料平台消息外，Figure 還透露，其群眾外包訓練管線每收集 1,000 小時的影片，便會記錄 373 項獨特任務、1,146 個獨特物件及 116 種獨特環境。這並非某種認證。 這是一家公司主動提供的那種細緻證據，正是持懷疑態度的買家在當前市場中評估 AI 主張所必需的，在這個市場裡

沒有什麼能強迫任何人透露此事。

真正的驗證標準實際上需要多少成本

我想坦率地說明為何這項缺口至今仍未彌合，因為問題的根源並非單純出於企業的抗拒。

神經策略難以接受那種能偵測到鬆脫電線或電池過熱問題的標準化基準測試。 UL、ISO 和 IFR 的公信力建立在可重複、確定性的測試之上；經過訓練的模型在保留資料上的表現，並不能像觸電危險那樣簡單地歸結為「通過」或「失敗」，而且這些機構都沒有機器學習評估的授權，也沒有人員能從頭開始建立這樣的評估機制。 此外，還存在競爭層面的原因，導致無人願意率先自願參與。向獨立評估機構開放模型的供應商，勢必招致嚴格審查——而這正是採用較簡化技術棧的供應商極力想要避免的；這意味著自願披露（如 Figure 本週採取的做法）往往只會來自那些對自身數據足夠有信心、願意公佈數據的公司。

這是買家必須面對的權衡。等待正式的能力驗證標準，意味著等待一個比防火測試更難解決的問題。若僅憑表面相信供應商標榜的「AI 驅動」標籤，則等於依據目前市面上尚無任何產品能符合的規格進行採購。

從我負責管理機器人分類體系的角度來看，這種差距不斷體現在各家公司對同一個詞彙截然不同的運用方式上。NVIDIA 自身早期採用者的引述，無意間就印證了這一點：Wing 將其 Jetson Orin Nano 2 的評估重點放在飛行時間效率上，而 Matic Robotics 則將同一款晶片聚焦於增添機載功能。 兩家公司、同一個模組，卻對「AI-powered」在產品上市時將為其產品線帶來何種意義，提出了截然不同的主張。

對於未來一年內評估任何標榜 AI 功能的機器人的採購團隊而言，有價值的問題已不再是供應商持有哪種安全標章或分類認證。相反地，應詢問供應商披露了哪些資訊

關於任務多樣性、保留測試的表現，或是展示環境外的故障率，就像 Figure 本週主動提及的那樣。UL 3300 認證標章只告訴買家這台機器人不會起火，卻完全沒有說明它「眼睛」後面究竟發生了什麼事。

機器人領域下一個真正的憑證，不會來自標準化機構更新術語表，也不會來自監管機構要求添加一項揭露聲明。它將來自開始向供應商索取 Figure 主動提供的數據的買家，並將供應商對此問題的沉默視為答案。

首圖：Tally 自主貨架掃描機器人在美國一家雜貨店內運作，圖片來源：Simbe Robotics 官方。

免責聲明：本文僅供一般資訊參考，不構成投資、法律或採購建議。讀者應在做出商業決策前，向原始來源核實相關細節。