导语：当大模型走出屏幕、装上机械臂与轮子，人工智能第一次拥有了"物理后果"。一次误判不再只是输出一段错误文本，而可能是一次碰撞、一次误操作、一次真实伤害。责任该由谁承担？这道题，正在成为具身智能落地前必须补上的一课。

1、从"说错话"到"做错事"：风险性质的根本变化

过去几年，围绕生成式 AI 的讨论大多停留在内容层面：模型会不会胡说、会不会生成有害信息。这些问题的共同点是——后果主要发生在信息空间，可以被删除、更正、撤回。

具身智能（Embodied AI）改变了这一点。当 AI 与机器人本体结合，进入工厂、仓库、家庭、医院等真实场景，它的每一次决策都会转化为物理动作。这意味着：

后果不可逆：一段错误文本可以撤回，一次机械臂的误动作可能已经造成损伤。

影响对象具体：受影响的往往不是抽象的"用户"，而是身边的具体人。

决策链条更长：从感知、规划到执行，涉及多个模块与多方主体。

具身智能的伦理挑战，核心并不在于"AI 是否会有意识"这类哲学命题，而在于一个非常现实的问题：当损害发生时，责任如何界定。

2、责任为什么难以归属

在传统产品责任框架里，责任主体相对清晰：制造商、运营方、使用者，各有一席之地。但具身智能引入了一个新的、难以归类的变量——具有自主决策能力的系统。

这使得责任归属面临几重困难：

其一，决策的不可完全解释性。 基于学习的方法，其内部决策过程往往难以逐条还原。当机器人做出一个错误动作，我们未必能精确说明"它为什么这么判断"。

其二，多主体共同参与。 一个具身系统背后，可能同时存在基础模型提供方、机器人硬件厂商、系统集成商、部署运营方、现场操作人员。损害是链条共同作用的结果，而非单一环节的过错。

其三，场景的动态性。 真实环境充满长尾情况，训练时未覆盖的场景随时可能出现。系统在"设计时"与"运行时"的表现差异，让"谁本应预见"变得模糊。

配图建议：一张示意图，展示具身智能从感知、决策到执行的链路，以及链路上对应的不同责任主体。

3、几种可能的责任思路

围绕"机器人犯错谁负责"，业界与法学界已有若干讨论方向。以下为常见思路的梳理，具体制度设计仍需结合各地法律与行业实践：

产品责任路径：将具身系统视为产品，由制造者或提供者承担缺陷责任。难点在于"缺陷"如何定义——是硬件故障，还是算法局限？

运营者责任路径：谁部署、谁运营、谁受益，谁承担主要责任。这一思路贴近现实，但对运营方提出了较高的风险管理要求。

分级责任路径：按自主程度划分。自主性越高，越需要在前端设计阶段嵌入安全约束与责任分配机制。

保险与分担机制：通过责任保险、行业基金等方式，把难以归责的风险社会化分担。

需要强调的是，以上并非已成定论的方案，而是当前讨论中反复出现的几种取向。目前尚不存在一套被普遍接受的、专门针对具身智能的成熟责任框架。

4、伦理课要教的不只是"谁背锅"

把问题简化为"追责"，其实低估了具身智能伦理的深度。真正需要前置思考的，至少包括：

安全边界设计：系统在不确定时，应倾向于"保守动作"还是"继续执行"？这本身就是一个价值选择。

人类可干预性：紧急情况下，人能否、以及如何接管？接管的时间窗口有多长？

透明与记录：关键决策是否留痕，以便事后复盘与责任认定。

知情与同意：与机器人共处的人，是否清楚自己面对的是什么、风险在哪里。

这些问题的答案，往往在系统设计阶段就已部分决定。等到事故发生再去追问责任，很多选择其实已经无法更改。

结语

具身智能让 AI 第一次真正"动手"。能力越接近物理世界，伦理的重量就越具体。当机器人开始犯错，追问"谁来承担责任"只是起点；更重要的问题是——我们是否在它动手之前，就想清楚了它应该被允许做什么、不该做什么，以及当它越界时，人类是否还来得及按下暂停键。

这道伦理课，没有旁观者。

生成标记：本文由 ITPUB 文章生成平台基于已选素材整理生成。