第 6 章 · 具身智能与 AI 安全 章节摘要:本章的关键词是「身体」与「护栏」。具身智能给 AI 装上身体,让它从屏幕里的对话者变成车间里的操作者;AI 安全给这具身体装上护栏,让它在被攻击、被欺骗、被滥用时仍然可信。前半章从感知、决策、执行三层技术栈讲起,落点是人形机器人在工业场景的真实部署与 ROI 判断;后半章转向攻击面,先剖析对抗性攻击的四大类型与 2026 年代表性手法,再给出输入过滤、模型鲁棒、输出校验、监控审计的四层防御体系。两条线在同一个问题上汇合:当 AI 开始搬运零件、审核内容、辅助诊断时,错误会被放大成物理损失与经济损失,安全不再是锦上添花,而是入场券。
章节摘要:本章的关键词是「身体」与「护栏」。具身智能给 AI 装上身体,让它从屏幕里的对话者变成车间里的操作者;AI 安全给这具身体装上护栏,让它在被攻击、被欺骗、被滥用时仍然可信。前半章从感知、决策、执行三层技术栈讲起,落点是人形机器人在工业场景的真实部署与 ROI 判断;后半章转向攻击面,先剖析对抗性攻击的四大类型与 2026 年代表性手法,再给出输入过滤、模型鲁棒、输出校验、监控审计的四层防御体系。两条线在同一个问题上汇合:当 AI 开始搬运零件、审核内容、辅助诊断时,错误会被放大成物理损失与经济损失,安全不再是锦上添花,而是入场券。

阅读完本章,你应当能够:
金句:AI 长出身体的那一天,安全问题也从屏幕里走了出来。
从"智能为什么需要身体"讲起,拆解多模态感知、运动控制与学习、具身理解与推理三层结构,讨论物理数据从哪来、泛化为什么难、时延为什么致命,以及 2026 年技术栈的演进方向。读完你会理解:具身智能不是"大模型加轮子",而是为闭环时延与物理数据重新设计的系统。
以 Optimus、Figure 与国内厂商为样本盘点现状与差距,分析灵巧手、运动控制、导航的关键瓶颈,评估质检、分拣、上下料、危险作业四类场景的适配度,给出先 B 端后 C 端、先场景后通用的路径判断与一套可复用的 ROI 测算方法。
定义对抗性攻击,梳理数据投毒、对抗逃逸、模型提取、能力滥用四大类型,拆解 2026 年的提示注入、越狱、对抗样本、后门、深度伪造手法,结合行业案例与攻击者画像回答:谁在攻击、为什么能成功、后果有多重。读完你会建立一张自己的威胁清单——知道哪些攻击离你近,哪些还远。
建立输入侧过滤、模型侧鲁棒、输出侧校验、监控审计的四层纵深防线,对照内容平台、金融、政务的实践样本,梳理从威胁建模到持续监控的安全评估流程,讨论成本权衡与组织保障,回答"防御体系怎么搭、谁来运营"。
本章的论证结构是"先建栈、再落地、后识敌、终设防":
6.1 技术栈搭建 ──► 6.2 场景落地 ──► 6.3 攻击剖析 ──► 6.4 防御设防 感知决策执行 商业模式与ROI 威胁模型 纵深四层 └────── 建设叙事:让 AI 拥有身体 ──────┘ └─── 风险叙事:让身体免于失控 ───┘
6.1 回答"身体怎么造",6.2 回答"造出来怎么用、怎么算账",前半章是建设叙事;6.3 回答"谁在攻击、用什么手法",6.4 回答"如何系统设防、由谁运营",后半章是风险叙事。两半在 6.4 合拢:一个完整的 AI 系统,建设与防护必须同时交账——这正是本章把具身智能与 AI 安全放在一起的原因,也是 2026 年产业界逐渐统一的判断:能干活与防出事,是同一张考卷的两道题。
读者也可以把本章当作两条阅读线索:只关心技术演进的读者,沿 6.1 到 6.2 读建设线,收获是产业坐标与选型判断;只关心安全治理的读者,沿 6.3 到 6.4 读风险线,收获是威胁模型与防御框架。两条线在"具身智能的安全风险"处交叉——机器人一旦进入物理世界,对抗攻击的后果就从数据泄露升级为安全事故,这正是 6.3 与 6.4 放在本章而不是别处的理由。