9月15日，Agility Robotics发布第五代人形机器人Digit 5，并把“规模化协作安全”置于产品叙事的中心。它所针对的工业问题很具体：机器人能否在缺少传统物理安全围栏的条件下，与员工共享通道、工位和物料区，并在人员接近时及时改变动作。公司披露的信息显示，新一代产品的负载能力较此前版本提升约40%，可重复搬运约50磅物品，充电时间也有所缩短；在人员接近场景中，机器人可调整路径、停止，并在必要时下蹲进入更安全的姿态。相关安全能力将结合NVIDIA IGX Thor等硬件和安全软件体系。
这些数据和产品能力均来自Agility Robotics的企业披露，尚不能直接等同于第三方认证结果或长期现场表现。公司还称Digit已获得超过3亿美元多年期订单，客户覆盖制造、仓储和物流领域。订单数字同样属于企业披露，后续应结合交付节奏、验收条件、现场可用率、维护支出和客户续购情况判断商业兑现程度。
即便保留这些核验边界，Digit 5仍然释放出清晰的产业信号：人形机器人正在离开以动作丰富度为主的展示阶段，进入由功能安全、工程责任和运营经济性共同约束的工业化阶段。能搬起箱子只能证明机构、驱动和控制具备基础能力；能够在人旁边持续搬运，还要回答检测是否可靠、停车距离是否充足、故障时如何降级、风险由谁确认以及日常维护是否破坏安全设定等一整套问题。
一、围栏为何是人形机器人商业模式的分界线
传统工业机器人长期依靠隔离建立安全边界。机械臂高速、重复地完成焊接、搬运和装配，人员通过围栏、安全门、光栅和联锁系统与其运动空间分开。这样的体系经过多年工程实践，职责清楚、风险相对容易评估，也适合节拍稳定的固定工位。
人形机器人的市场想象却大多来自既有厂房中的开放空间。仓库通道、线边配送、跨工位搬运、周转箱处理和机台上下料，经常需要机器人经过人员活动区，并使用原先为人设计的道路、货架和操作高度。如果每部署一台人形机器人都要重新划出独立区域、加装围栏和安全门，其柔性优势会被基础设施改造迅速削弱。设备可能拥有双腿和近似人的外形，落地方式却退回固定自动化单元。
因此，“无传统安全围栏”关系到可服务岗位的范围，也关系到项目财务模型。围栏占用面积，需要施工和审批，还会改变物流路线；生产调整时，围栏内的设备重新布局通常伴随新一轮风险评估。人形机器人若能在明确的安全条件下共享空间，企业便有机会从单一工位扩展到跨区域任务，并降低每次换线的改造量。
无围栏也不等于没有边界。边界从钢制隔离物转移到了传感器覆盖、控制器响应、速度限制、制动性能、任务规则和人员管理之中。看得见的围栏容易检查，看不见的软件边界更依赖系统证据。机器人只要出现感知盲区、定位漂移、网络异常或软件版本错误，原有安全假设就可能改变。企业不能把“取消围栏”理解为减少安全工程，实际情况往往相反：系统需要更细致地证明每种状态下都能进入受控结果。
二、停止和下蹲背后是一条完整的安全链
Digit 5对人员接近做出路径调整、停止或下蹲，是容易被公众理解的外部动作。工业客户关心的重点会继续向链条内部延伸。机器人首先要可靠发现人员，判断距离、方向和相对速度；随后控制系统要决定减速、绕行或停车；驱动与制动机构必须在允许距离内完成动作；一旦主系统失效，还要有独立或具备足够完整性的机制把设备带入安全状态。
下蹲的意义也需要结合现场风险理解。双足机器人高度较高，具备一定质量，并可能携带物料。降低重心有助于减小失稳后的影响范围，也可能让设备避开人员上身区域。不过，任何姿态本身都不能自动构成安全保证。下蹲过程中是否存在夹挤点、手中物料会不会滑落、地面坡度和摩擦变化是否影响稳定、周围人员是否有足够退让空间，都要纳入任务风险分析。
这类安全链至少涉及四个层次。第一层是本体设计，包括质量分布、关节速度、接触面、夹点、制动和电池状态；第二层是感知与控制，包括人员检测、动态限速、路径规划和故障诊断；第三层是任务应用，包括搬运物的尺寸、重量、重心以及机器人通过的区域；第四层是组织管理，包括人员培训、通道规则、版本变更、维护权限和事故响应。
人形机器人厂商可以提供本体能力和基础安全功能，最终部署安全仍然是厂商、集成商和使用企业共同完成的系统工程。同一台机器人搬运封闭塑料箱与搬运尖锐金属件，风险并不相同；在宽阔仓库与狭窄机台间运行，所需速度和停车策略也不同。产品发布中的“可协作”必须落实到特定任务、特定环境和特定运行参数，才能成为可验收的工程结论。
三、人形机器人的安全难度高于固定机械臂
固定机械臂通常安装在确定位置，工作空间可以计算，负载和末端工具也相对稳定。双足人形机器人会移动，脚与地面的接触不断变化，周边环境中还可能出现托盘、包装膜、坡道、油污和临时障碍物。移动范围扩大后，任务路径会把风险带入多个区域。
其故障形态也更复杂。机器人可能因地面条件或控制误差失去平衡，可能在避让一名员工时进入另一人的路径，也可能在通信中断后停在消防通道或物流节点。携物行走又增加了负载变化：箱体遮挡传感器、重心偏移、抓取松动和物料掉落都可能成为风险来源。安全系统需要处理机械、电气、软件、环境和人因的组合情形。
AI能力进入运动规划后，验证工作会进一步增加。基于学习的感知模型能够提升复杂环境识别能力，却可能在罕见服装、反光材料、异常光照或拥挤遮挡下产生不稳定输出。工业安全不能只依赖平均准确率，需要关心边界条件、最坏响应、失效检测和可预测的降级方式。高层AI可以提出路线和动作，安全相关控制仍需保留清楚的权限边界，确保任何生成结果都不能绕过速度、力、空间和停止条件。
NVIDIA IGX Thor等计算硬件被纳入产品方案，反映出机器人需要更强的本地计算来处理多传感器输入和实时决策。硬件算力可以缩短感知与规划周期，但系统安全不会由芯片型号单独决定。软件架构、任务隔离、通信完整性、更新机制、故障注入测试和现场配置同样重要。工业客户应要求供应商解释“哪些功能承担安全职责、哪些AI功能只承担效率职责”，避免把性能组件与安全认证混为一谈。
四、超过3亿美元订单应如何解读
Agility Robotics披露的超过3亿美元多年期订单，为人形机器人市场提供了一个可观察的需求信号。制造、仓储和物流客户愿意签订多年安排，说明行业已经开始评估批量部署，而非只购买一两台用于展示或实验。不过，订单金额不能直接换算为已确认收入、已交付数量或稳定产能，也不能说明所有现场已经通过验收。
人形机器人合同可能包含设备、软件、服务、维护、分阶段交付和附带条件。多年期结构也意味着客户会持续观察产品迭代与现场表现。后续商业判断可围绕几项指标展开：一是实际交付数量与交付周期；二是上线后可用率及人工干预频次；三是单次故障平均恢复时间；四是每小时综合运行成本；五是客户从试点扩展到多站点的比例；六是安全事件、近失事件和软件召回情况。
其中，可用率和人工干预频次尤其关键。机器人即使能够完成某项搬运，若经常需要员工扶正、清障、重新定位或远程接管，就会消耗隐藏劳动力。安全策略过于保守也可能导致设备频繁停车，造成通道拥堵和节拍波动。企业要寻找安全与生产连续性之间可验证的平衡，不能用降低保护阈值换取短期效率。
订单还会考验Agility Robotics的制造与服务体系。人形机器人包含大量关节、传感器、计算和电池部件，批量出货后，备件供应、现场维修、软件版本管理和远程诊断会成为客户体验的一部分。安全功能的维修具有特殊要求：更换传感器或关节后，是否需要重新标定和验证；软件升级是否改变停车性能；第三方维护人员能否访问关键参数，都需要形成标准流程。
五、产业竞争将从“会做动作”转向“能提供证据”
当前人形机器人视频普遍强调跑、跳、搬运、叠放和复杂手部操作。这些能力有助于展示技术进步，却不足以支撑工业采购决策。工厂会要求风险评估、测试报告、运行日志、故障记录、维护手册、培训方案和责任边界。采购部门也会把保险、停机损失、备件和升级周期计入全生命周期成本。
安全证据将成为产品护城河的一部分。首先是设计证据，包括安全需求如何分解到传感器、控制器和执行器；其次是验证证据，包括正常、异常和极端条件下的测试；再次是运行证据，包括每次停止的原因、传感器健康状态、软件版本和人工接管记录；最后是变更证据，说明一次算法更新是否改变已批准的风险模型。
这会推动人形机器人产业形成新的分工。机器人厂商负责本体与基础控制，安全控制器和计算平台厂商提供底层能力，仿真与数字孪生工具用于预演碰撞和节拍，第三方机构承担测试认证，保险机构根据运行数据定价，集成商则把通用平台适配到具体工艺。谁能把这些角色组织成可复制的交付模板，谁更有机会将试点变为规模订单。
Digit 5的策略还有一个产业含义：人形机器人的价值未必来自完全自主。初期部署可以采用受限任务、固定路线、限定物料和低速协作，通过较小的状态空间积累数据。随着安全证据增加，再逐步扩展任务。相比一次性承诺通用能力，这种渐进式路线更符合工业项目的风险管理方式。
六、制造与物流企业可以采取的行动
第一，选择“人员密集但任务边界清楚”的场景。线边物料转运、固定容器搬运和跨短距离配送较容易定义负载、路线与交接点。避免一开始就选择地面混乱、物料形态高度不确定或人员随机穿行的区域。清楚的边界有利于评估机器人贡献，也能降低安全验证复杂度。
第二，在采购前建立自己的安全验收表。企业应要求供应商提供人员检测范围、允许速度、停车距离、负载限制、跌倒处置、断电行为、网络中断行为和软件升级流程，并在真实场地复测。企业披露和演示视频可以用于初筛，不能替代现场验收。
第三，把近失事件纳入数据管理。只统计碰撞事故会遗漏大量预警信息。机器人因人员接近而急停、反复绕行失败、抓取后物料松动、脚步打滑或频繁请求接管，都应记录时间、地点、版本和环境条件。近失数据能够帮助企业提前调整路线、阈值和人员规则。
第四，将生产指标与安全指标放在同一张看板上。建议同时观察任务完成率、单位时间搬运量、停车次数、误停率、人工干预时间、可用率和维护成本。只追求任务数量容易诱导团队放宽安全设置，只追求零停车又可能让设备失去生产价值。管理层需要看到两类指标之间的关系。
第五，建立软件版本冻结和回滚机制。具身智能设备会持续更新感知与规划算法，每次更新都可能改变动作。生产企业应明确哪些版本经过批准，更新前在数字环境和隔离区域验证，出现异常时可以快速回滚。安全相关参数不应由普通操作人员随意修改。
第六，提前划分责任。机器人厂商、集成商、工厂EHS部门、生产部门和IT/OT团队分别负责什么，需要在项目启动时确定。发生异常时，谁有权停机、谁保存日志、谁批准恢复运行，也应写进流程。责任不清会延长停机时间，并削弱事故调查质量。
七、对机器人厂商的产品建议
厂商应把安全能力做成可理解、可配置且可审计的产品模块。客户需要看到机器人为何减速或停止，而非只收到一个模糊故障码。系统最好能够给出触发对象、传感器状态、当时速度、负载、路径和软件版本，并支持导出事件记录。
安全功能还应避免与高层智能过度耦合。任务规划模型可以持续迭代，底层保护机制需要保持确定性和可验证性。对于人员接近、超速、失稳和制动等关键状态，应设置独立保护路径，并限制普通应用对安全参数的访问权限。
此外，厂商要把维护后的再验证纳入服务产品。传感器更换、关节维修、电池更换和结构碰撞都可能影响安全性能。若客户只能依赖总部专家远程处理，规模部署会遭遇服务瓶颈。标准化检查工具、认证服务伙伴和备件体系，将与机器人本体同等重要。
结语：人形机器人开始接受工业体系的考试
Digit 5把无传统围栏的协作安全放到核心位置，说明行业评价标准正在改变。灵活动作仍有价值，但决定机器人能否进入日常生产的，是它能否在人员接近、环境变化和部件故障时保持受控，并让企业获得足够的验证与运行证据。
未来一到数年的竞争会集中在交付细节：安全功能能否通过现场验证，设备能否长时间稳定工作，维护和升级是否可控，综合成本是否支持扩张。Agility Robotics披露的订单展示了市场兴趣，其兑现仍需等待交付与运行数据检验。对制造企业而言，合适的策略是从边界清楚的任务开始，以风险评估、近失数据和版本治理建立自己的判断能力。人形机器人走出围栏后，安全工程没有消失，它被写进了机器的感知、控制、运维和组织流程之中。
参考资料
- Agility Robotics：《Agility Unveils Digit 5 Humanoid Robot Built for Cooperatively Safe Work at Scale》，2026年9月15日。用于核验Digit 5安全设计、负载能力、充电改进及订单披露。https://www.agilityrobotics.com/
- Ars Technica：《Agility’s new humanoid robot will stop, squat to avoid harming human coworkers》，2026年9月15日。用于交叉核验人员接近时停止、下蹲及无围栏协作信息。https://arstechnica.com/ai/2026/09/agilitys-new-humanoid-robot-will-stop-squat-to-avoid-harming-human-coworkers/
- 本文涉及超过3亿美元多年期订单、约40%负载提升和约50磅重复搬运能力的表述均来自企业披露，尚待后续交付、认证和第三方现场数据验证。