人形机器人卷完空翻，开始卷安全

人形机器人这一轮的竞赛，正在从'谁能翻跟头'切换到'谁能让人放心地走过去'。

翻跟头、打功夫的机器人在过去两年刷满了屏幕，但工厂老板真正关心的是另一个问题：这玩意儿什么时候能像正式工一样，一干就是一整天，还不伤到旁边走动的工人？Agility Robotics 最新发布的 Digit 5，给出了一份被业内视为'最接近可上岗状态'的答卷：能举 23 公斤、举到 2.1 米高、每天工作超过 20 小时，而且不需要用物理围栏把人和机器隔开。本文拆解这份答卷背后的工程取舍，以及一个正在被重新定义的命题，机器人的安全。

🤸 空翻刷屏，上岗却慢了半拍

先说一个大家都有体感的场景。

打开短视频，人形机器人不是在跳舞就是在打拳，动作一个比一个惊艳。可你跑到任何一家真实工厂去问，产线上跑的人形机器人少得可怜。 demos 和生产力之间，隔着一条看不见的鸿沟。

IEEE Spectrum 在 Digit 5 发布的报道里点破了原因：一台人形机器人要成为经济上成立的工人，必须同时满足三个条件，力量大到能干有用的活、安全到能让人从旁边走过、续航长到不用整天挂在充电桩上。而最要命的是，这三个条件是互相打架的。

力量大，电机、减速器、结构就得堆料，功耗和自重蹭蹭上涨；安全，通常意味着限速、限力、限活动空间，那干活就慢、就轻；续航长，电池就得做大，电池大又进一步增加自重和成本。这是典型的'不可能三角'，牵一发动全身。

这就是为什么那些会空翻的机器人在车间门口止步。空翻证明的是控制算法和硬件的极限性能，而工厂要的是在极限之下的'稳态工作能力'，连续八小时、二十小时，反复搬箱子，中间不伤人不伤己不出故障。两个赛道比的是完全不同的东西。

从演示到规模化的跃迁，从来不是把 demo 视频里的动作多重复一万次，而是把每一个工程约束都硬生生顶开一寸。Digit 5 值得讨论的价值，恰恰在于它没有回避这个三角，而是正面去解它。

🦾 Digit 5 的取舍：丑一点，但能干活

一位做过产线部署的机器人工程师私下说过一句话：车间里的机器人，好看不值钱，耐用才值钱。

Digit 5 的设计哲学，几乎是这句话的具象化。这是一台 1.8 米高、重 129 公斤的机器人，IEEE Spectrum 用了一句很直白的评价，'优先功能性，而不是好看，也几乎不是其他任何东西'。它没有流线型的外壳，没有讨好眼球的仿生设计，它的每一个公斤、每一瓦电，都花在了'能不能上岗'这四个字上。

直接看数据（核心参数已与 Agility Robotics 官方 Digit 5 规格页交叉核对，并经 IEEE Spectrum 发布报道、TechCrunch 与 The Verge 的独立报道相互印证；个别口径——如整机高度是否计入天线凸起、续航按单块还是双块电池测算，不同信源存在小幅出入，本文以官方规格页为准）：

这三个数字放在一起，才看出分量。

23 公斤是一个关键阈值，主流电商仓库的周转箱和大量工业料箱都在这个量级之内，够到它，'能干的活'就从零星场景变成了大宗场景。2.1 米意味着它不必只待在地面层，货架作业的门也打开了。而'每天超过 20 小时'可能是最狠的一项：它意味着两班工人下班之后，它还站着；充电时段被压缩到一天里的一小段，这不是'演示了 40 分钟'，这是排班表级别的可用性。

至于'无围栏人机共处'，在真实工厂里是一笔被严重低估的账。传统工业机器人一旦划定工作域，就得用围栏、光栅、地胶把人隔在外面，不但吃掉宝贵的厂房面积，还让柔性混线变得极其别扭。一台能让人直接从旁边走过的机器人，对老厂房改造的吸引力，比参数表上的任何一项都实在。

产业判断就一句话：人形机器人从'表演赛'进入'资格赛'的门票，就是这份力量-安全-续航的三角平衡表。谁先在三者之间找到甜点位，谁先拿到上岗证。Digit 5 显然是冲着甜点位去的。

🛡️ 安全的定义，正在被 AI 重写

但是，'不撞到人'只是安全的第一层。

过去几十年，机器人安全的经典问题是：当机器出故障时，它还能保持安全吗？ 于是有了急停按钮、有了围栏、有了冗余制动。这套体系很成熟，标准很完备。

而现在，随着物理 AI（Physical AI）时代到来，一个更刁钻的问题浮出水面：当攻击者改变了机器'看到的世界'，哪怕机器本身一切正常，它还能保持安全吗？

这不是科幻。已有研究证明：通过操纵机器人'看到、听到、理解到'的信息，可以影响机器人的行为，攻击者甚至不需要拿到直接的控制权。想象一下，产线上的人形机器人'看'到一个被对抗性贴片污染的标牌，把面前的纸箱识别成了别的东西，它的下一个动作就可能伤及旁边的操作工。整条链路上没有任何一个硬件故障报警，但危险已经发生。

具体案例已经有了，而且不止一个：

• 对抗性'攻击 T 恤'：CVPR 2020 上发表的研究证明，一件印有特定图案的普通 T 恤，就能让实时行人检测系统在持续走动中'看不见'穿着它的人——研究人员让 YOLOv2 这类主流检测器的漏检率大幅上升，而攻击者全程没有接触目标系统。放到产线上，这意味着一个'隐形'的人可以走到机器人工作半径之内，而机器的感知层对此一无所知。
• TPatch（2023，发表在 ACM MM）：这是上述思路的升级版，攻击贴片被做成'可转移'的，攻击者不必知道目标检测器的内部结构，就能让贴片在不同模型间通用失效。换句话说，你不需要黑进机器人的系统，一块打印出来的贴纸就够了。
• BadNets（2017）与数据投毒：普渡大学团队最早系统证明了'训练管线投毒'的可行性，在训练集里混入少量带后门标记的样本，模型就会在推理时对特定触发条件做出错误判断，而它在常规测试集上的准确率看起来完全正常。对以'数据飞轮'驱动迭代的人形机器人公司来说，这是一条防不胜防的供应链暗道。
• RoboPAIR（2024）：来自宾州州立大学等机构的研究团队针对机器人基础模型（VLA 模型，包括 Google 的 RT 系列）发起了越狱攻击，在白盒条件下攻击成功率接近 100%，黑盒条件下也达到相当高的比例，诱导模型直接输出有害的物理动作指令。这是第一次在'大模型驱动的机器人'上系统性验证：语言层的漏洞可以直接穿透到物理层。
• Rogue Robots（2022）：Trend Micro 与米兰理工大学联合对四大厂商的工业协作机器人做了安全测试，在未经物理接触的情况下发现了包括认证缺失、通信明文传输在内的一批基础设施漏洞，攻击者可远程操纵机械臂、篡改轨迹。这份报告的结论放到今天的人形机器人身上同样成立：本体越先进，攻击面不一定越小，反而可能越大。

这类风险分布在一整套复杂的感知与决策系统里，是一个多层攻击面：

这里有一个残酷的乘法效应：机器人越安全、越自由，攻击面的破坏力越大。围栏时代的机器人，就算感知被骗了，它也出不了那道笼子。而无围栏的人机共处机器人，感知一旦被污染，它的 23 公斤举力和自由走动能力，瞬间从生产力变成风险敞口。

工业安全圈里流传着一个判断：下一代机器人的合规壁垒，不会再长在围栏上，而会长在'数据完整性'上，训练数据的来源可信、系统基础设施的访问可控、运行时感知的真实可验。这个判断正在被标准体系追认：2025 年更新的 ISO 10218（工业机器人安全标准）首次系统性地把网络安全要求写进了机器人安全认证，ISO/TS 15066 对协作场景的安全力与安全速度给出了量化限值，而针对 AI 感知链路的对抗鲁棒性评测，各国监管机构仍在补课。对出海的机器人厂商来说，这还是一道跨进北美和欧洲市场的合规门槛，安全架构从设计之初就得'由内建安'，而不是事后打补丁。

对采购方，我的建议同样务实：评估人形机器人时，别只看举重和续航参数，把三个问题列进招标文件，感知系统有没有对抗性测试记录？OTA 更新链路有没有完整性校验？异常行为有没有独立的兜底停止机制？这三个问题的答案质量，比发布会视频更能说明一家公司的工程诚意。

📊 从工程突破到经济账，还有几道坎

工程上的甜点位找到了，接下来才轮到制造业老板最关心的问题：回本。

把 Digit 5 的能力翻译成产线语言：每天 20 小时以上的可用时间，按两班倒测算，一台设备覆盖的工时相当于一名以上全职搬运工；无围栏部署意味着老产线不用大改；23 公斤 × 2.1 米的能力包，直接对准了仓储物流和制造内部物流里量最大的那一段活。这三项叠加，才是'经济上可行'的真正起点。

痛点与解法的对应关系，可以画成一张更直观的图：

据多位跟踪该赛道的人士观察，头部人形机器人公司近期的叙事重心已经明显从'运动会'转向'排班表'，能不能连续跑、故障率多少、单件搬运成本几何。这是行业成熟的标志：当一家公司开始认真回答 TCO（总拥有成本）而不是转发空翻视频时，说明它开始真正对客户负责了。

当然，坎还不少。129 公斤的自重带来了运输、维护和能量效率的隐性成本；无围栏运行对安全认证的考验才刚刚开始；而在 AI 安全这条新战线上，行业标准、评测方法和保险责任划分都还是空白地带。这些都不是一次发布会能解决的，但 Digit 5 至少证明：那个'不可能三角'并非无解，只是代价是 129 公斤和一个'不那么好看'的外形。

小结：上岗证，比奖杯值钱

回过头看，Digit 5 的真正意义不在 23 公斤或 20 小时这些单个数字，而在于它把人形机器人的评价体系拽回了制造业的地面：力量、安全、续航，三项全要，缺一不可。这是从'能表演'到'能上岗'的分水岭。

下一步的看点有两个：一是无围栏人机共处的安全标准何时成型，二是 AI 感知链路的完整性验证能否成为行业标配。谁能率先把'物理安全 + 数字安全'做成一体化能力，谁就能在这场人形机器人上岗竞赛里，先拿到那张真正值钱的资格证。

对机器人行业从业者，这篇文章想留给你一个自查清单：你的感知链路做过对抗性红队测试吗？你的训练数据有来源追溯吗？你的安全兜底机制独立于主控系统吗？对正在观望的工厂老板，不妨在下一场供应商演示里加一个要求：让机器人在你从它旁边走过的时候，照常干活，不停、不躲、不报警。能通过这一关的，才值得进入你的 TCO 测算。

空翻的时代正在过去，上岗的时代正在到来。而这一次，真正的考官不是观众，是产线、是标准、也是那个每天从机器人旁边走过八百次的普通工人。