从目前的行业实践看，答案是清晰的，环境感知和实时控制全部在机器人本体上完成。Figure 公司的 Helix 模型采用快慢双系统架构，负责任务规划的大模型和负责实时控制的小模型分别运行在机器人本体的两块机载图形处理器上，官方明确表示机器人完全自主运行、不依赖云端，全部图像在机载处理。特斯拉 Optimus 使用与车辆自动驾驶同源的芯片在躯干内做本地推理。英伟达 2025 年发布的 Jetson Thor 机器人计算平台，把以往工作站级别的算力塞进了机器人可以背负的功耗和体积里，被行业视为人形机器人的端侧算力底座。

国内厂商的路线有所分化，银河通用等以端侧大算力为主，优必选的 Walker S 系列采用端云协同，端侧负责任务推理与技能执行，云端“超级大脑”负责多机调度这样的高层决策。但即便是端云协同方案，运动控制、避障、安全反应这些毫秒级回路也只能在本地完成，因为网络往返的延迟和抖动在物理上就无法满足每秒两百次量级的控制周期，这是硬约束，不是选择。

云端真正承担的是三类事：多机调度这样的高层规划、部分产品的语音对话大模型，以及最关键的，模型训练。这里要引入一个对法律分析至关重要的区分：行业普遍存在“数据飞轮”机制，部署出去的机器人会把任务数据回传用于迭代模型。Figure 公开招聘的遥操作员岗位，职责就是引导机器人作业并把采集数据上传训练系统；智元机器人的公开产品手册写明，采集数据在端侧校验后回传云端数据平台；特斯拉在车辆自动驾驶上跑通了机队数据回传迭代的完整闭环，机器人是否沿用同一套打法，行业普遍如此推断，但细节未见官方确认。无论具体路径如何，有一点是清楚的：“回传服务器”不是感知和交互功能的内在需求，而是训练和商业迭代的需求。这个区分给了我们一个技术抓手：交互所必需的感知完全可以留在本地，要离开机器人本体、进入厂商服务器或云端（下文简称“出域”）的是另一件事，应当接受另一套评价。

趋势也在往有利方向走。模型蒸馏和量化技术正把几十亿参数级别的视觉语言动作模型压上机载芯片，“端侧为主、云端为辅”已经被方案商明确写进技术白皮书，个别面向家庭场景的厂商甚至把“全部机载运行、增强隐私”当作公开卖点。本地化处理在技术上不但可行，而且越来越便宜。这很重要，因为法律上“最小影响方式”的判断，从来都要考虑技术可行性，能做到而不做，和做不到，是两回事。

还要看到场景的差异。机器人进工厂、进商场、进家庭，采集到的内容敏感程度完全不同。工厂里是产线和工件，商场里是公共区域的人流，家庭里则是人脸、私人对话、客厅卧室的影像和一家人的生活模式，敏感度依次递增。已经有面向家庭的机器人产品因为支持远程人工操作员“看到”用户家中画面而引发主流科技媒体的隐私争议。场景不同，法律的答案也应该不同，这一点在后文会反复用到。

回到现行法。核心的规范是《个人信息保护法》第六条：处理个人信息应当具有明确、合理的目的，并应当与处理目的直接相关，采取对个人权益影响最小的方式；收集个人信息，应当限于实现处理目的的最小范围，不得过度收集。同法第五条确立了合法、正当、必要和诚信原则。

这条规则经常被通俗化为“能不收集就不收集”，但这是一种误读。从文义看，第六条的“最小”永远是相对于“处理目的”而言的：先审查目的是否明确、合理，再审查处理与目的是否直接相关，然后在可实现目的的各种方式里选择对个人权益影响最小的那一种，收集的范围以目的为界。它是一套比例原则式的结构，而不是一条绝对禁令。这意味着，必要性审查的第一道工序不是数传感器，而是审目的。商超的“分析器”恰恰输在这一关：商业分析目的本身不是公共利益，又存在更温和的替代手段，无论后端处理做得多干净，目的这一关就过不去。而机器人的环境感知服务于“与人实时交互和安全运行”这个目的，没有这个感知，技术本身不成立。两种“采集”在必要性光谱上的位置完全不同。

第二个问题是合法性基础。《个人信息保护法》第十三条以取得个人同意为一般规则，同时列举了订立履行合同所必需、履行法定职责义务、应对突发公共卫生事件和紧急情况、新闻报道与舆论监督、处理已合法公开的信息等例外。逐一套用会发现，机器人对路人、访客的环境感知很难装进任何一项：路人不是合同相对方，感知不是法定职责，也不是新闻报道，路人面部信息更不是“自行公开”的信息。这是诚实的分析必须承认的一点：现行法面对“移动的、持续的、面向不特定人的环境感知”，确实存在一个缺口，第十三条没有为它准备现成的合法性基础。这个缺口不是靠装作没看见就能糊过去的。

第三个问题是匿名化。第四条规定个人信息不包括匿名化处理后的信息，第七十三条把匿名化定义为“无法识别特定自然人且不能复原”的处理。于是有人提出，机器人把画面在本地即时匿名化、不存储原始数据，是不是就等于没有处理个人信息？这里要诚实：不能这么说。从“收集”这个动作发生的那一刻起，处理就已经开始了，哪怕只存在了几毫秒。技术上转瞬即逝，法律上并非没有发生。比较法上的态度也一样谨慎，欧盟数据保护委员会的联网汽车指南要求个人数据尽可能在车内处理，确需向车外传输的，应当在传输前完成匿名化，言下之意，匿名化之前的处理仍受规制。所以正确的论证路径不是否认收集，而是分三步走：承认处理已经发生；把“本地即时匿名化、不存储原始数据、不出域”整体作为第六条要求的“对个人权益影响最小的方式”，把合规风险压到最低；同时让信息以最快的速度脱离“可识别”状态，退出个人信息保护法的调整范畴。论证的姿态应当是“把影响降到最小”，而不是“假装一切没有发生”。前者站得住，后者经不起追问。

第四个问题是敏感个人信息的边界。第二十八条把生物识别信息列入敏感个人信息，并强调只有在具有特定目的和充分必要性、采取严格保护措施的情形下方可处理，第二十九条进一步要求单独同意。一种偏技术立场的解释是：人脸画面只有在用于“识别特定自然人”时才落入生物识别信息的处理，机器人做避障和交互，不需要知道“你是谁”，只需要知道“这里有一个移动的物体，大约是人”，不做识别、即时轮廓化处理，就不触发单独同意规则。这个区分有价值，为交互而“看见”和为识别而“记住”，确实是两件事。但必须承认监管口径存在收紧的风险：《汽车数据安全管理若干规定（试行）》就把车辆行踪轨迹、音频、视频、图像和生物识别特征一并列入敏感个人信息，含人脸的车外视频图像甚至被直接升格为重要数据，并不追问是否用于识别特定个人。稳妥的立场是，不识别、即时轮廓化是风险最小的做法，与监管精神一致，但不要把它当成一张确定的免责券；一旦越过这条线去做身份识别、情绪分析，规则立刻收紧，没有任何解释空间。2025年6月施行的《人脸识别技术应用安全管理办法》也确立了同样的取向：人脸信息原则上存储于设备本地、不得通过互联网对外传输，保存期限不得超过实现目的所必需的最短时间，并且不得在宾馆客房、公共浴室等公共场所中的私密空间内部安装人脸识别设备。

第五个问题是家庭场景的特殊规则，这里有一个经常被忽略、但法律同行一定会问的条款：《个人信息保护法》第七十二条规定，自然人因个人或者家庭事务处理个人信息的，不适用本法。主人在自己家里用机器人拍到访客，属于家庭事务范畴，个保法确实不管。但这只豁免了主人一侧。机器人厂商一侧的数据回传、云端处理、模型训练，全部是厂商作为个人信息处理者的处理活动，完整落入个保法的调整范围。第七十二条反而把一个关键事实照得更清楚：家庭场景真正的风险敞口不在主人手里，而在厂商的数据飞轮里。此外，《民法典》第一千零三十三条禁止拍摄、窥视他人私密空间、私密活动，这为私密场景划出了人格权层面的底线；第五十五条要求处理敏感个人信息等情形事前进行个人信息保护影响评估；第三十一条对不满十四周岁未成年人的个人信息设有专门保护，家庭场景中的机器人不可能绕开这些规则。

把上面的分析收拢。在现行法框架下，机器人的环境感知可以把合规风险压到最低，但必须同时满足四道边界。这四道边界说不上宽容，它们是“最小必要”在这个技术场景下的具体化；同时必须先说清楚，由于第十三条的缺口客观存在，四道边界解决的是“风险最小化”的问题，不能凭空变出一个合法性基础，如何补上这个缺口，是第五部分的主题。

第一道，目的绑定。环境感知信息只能用于实时交互和安全运行这个目的，不得用于用户画像、商业分析，也不得在未另行完成合规安排的情况下用于模型训练。第六条的目的限制是硬约束：采集时宣称的目的，就是日后使用的边界。商超案例的教训正在于此，采集时的目的和被识破后的真实目的不一致，是整个方案崩塌的起点。

第二道，端侧处理优先。能在本地完成的计算不上云，能不存储的数据不存储，能不出域的信息不出域。前文的技术分析说明，这条路在工程上完全走得通，而且是行业主流方向，法律没有理由接受一个技术上更差的方案作为合规底线。

第三道，必要性分层。不是每个传感器采集的每一份数据都同样必要。避障和抓取需要深度信息、轮廓信息和空间结构，不需要原始人脸图像；语音交互可以被唤醒词触发，此前的环境音没有处理的必要；摄像头的分辨率和覆盖范围以满足功能为限，够用即可。必要性审查应当做到传感器和数据类型的颗粒度上，而不是笼而统之地宣称“机器人需要看”。

第四道，弱告知。对机器人的主人和家庭成员，告知同意可以正常完成；难的是路人、访客这类不可触达的第三人。对此，现行法里其实有现成的精神可以参照：第二十六条要求公共场所的图像采集设备设置显著的提示标识。机器人可以也应当通过运行状态指示灯、声光提示、机身标识这样的方式，向周围环境作出“我正在感知”的一般性告知。这不能替代同意，但它是透明度的底线。

在这四道边界之内，环境感知的目的正当且直接相关，方式上做到了当时技术条件下对个人权益影响最小，范围以功能为限，不可触达的第三人获得了力所能及的告知，合规风险被压到了现行法允许的最低水平。但风险最低不等于合法性齐备：对路人这类无法征得同意的第三人，现行法下仍然缺少第十三条意义上的合法性基础，这部分缺口只能由立法接住。超出边界的部分，比如身份识别、数据回传训练、进入私密空间，该要同意还是要同意，该单独合规就单独合规。解释论能做的，是把“感知”本身的风险管住，而不是给行业发一张空白支票。

这个问题其实有一个很好的参照系。汽车在公共道路上行驶，同样不可避免地采集路人的脸、车牌和影像，同样无法逐一征得同意。中国的监管者和行业在过去五年里，已经就“不可避免的收集”趟出了一套完整方案，值得具身智能行业逐条对照。

2021年施行的《汽车数据安全管理若干规定（试行）》做了四件事。其一，第八条第二款直接承认了“因保证行车安全需要，无法征得个人同意”采集车外个人信息的场景存在，监管者的答案不是禁止收集，也不是强求补同意，而是课以匿名化义务：向车外提供之前，必须删除含有能够识别自然人的画面，或者对画面中的人脸信息进行局部轮廓化处理。其二，第六条倡导车内处理原则（除非确有必要不向车外提供）和默认不收集原则（除非驾驶人自主设定，每次驾驶默认不收集），把数据留在端侧、让收集默认关闭。其三，第三条把包含人脸、车牌的车外视频图像直接列入“重要数据”，触发境内存储、出境评估和年度报送的国家层面管制。其四，第七条规定了对车主、驾驶人这类可触达个人的显著告知方式。

这套方案的可贵之处还在于没有停留在原则层面。国家标准《信息安全技术 汽车数据处理安全要求》（GB/T 41871-2022）把匿名化做成了可检测的技术指标：未完成匿名化的车外数据不得向车外提供，匿名化过程数据立即删除，行业协会组织的车型合规检测以人脸和车牌的匿名化检出率为量化标准。合规不靠企业自述，靠检测。

规则也不是纸面上的。2022年前后，比亚迪“千里眼”、长安远程监控、小鹏远程查看这类能把车外实时影像传到车主手机的功能集中下架整改，而只在本车本地存储录像的哨兵类功能因为符合车内处理原则得以保留。行业用功能的存废，直接演绎了规则的逻辑：出域的，要么匿名化，要么下架；留在端侧的，可以存在。域外的答案惊人地一致。欧盟数据保护委员会的联网汽车指南要求个人数据尽可能在车内处理、确需出车的先匿名化；荷兰数据保护局调查特斯拉哨兵模式后，特斯拉的整改方案是摄像头默认关闭、录像仅存车端本地、录制时大灯闪烁和中控屏提示路人，责任主体归于车主；德国联邦最高法院则判定持续无差别录制公共道路违法，但事件触发的短时循环录制合规。

用类比推理的方法把这套方案移植到具身智能，相似性基础是坚实的：两者都是移动感知平台，都不可避免地采集不可触达第三人的信息，都无法逐一征得同意，也都服务于安全运行这个正当目的。规范目的层面的相似，比表面特征的相似更关键，监管者当初为汽车设计这套规则的理由，对机器人几乎原样成立。但也要如实指出差异：汽车主要在公共道路这个单一空间运行，机器人要进入商场、写字楼乃至家庭；汽车的传感器为看清道路而设，机器人的传感器为看清并理解人而设；汽车与人隔着车身，机器人与人面对面交互。这些差异意味着规则应当更严而不是更宽，尤其是家庭场景，私密空间的影像、儿童的个人信息、常时在线的麦克风，每一项都需要单独从紧的规则。类比给出的是方法论，不是免检通行证。

现在可以回答那位老师的问题了。我反对在现阶段谈对具身智能的一揽子豁免，理由有三。其一，如前所示，现行法的原则通过认真的解释，加上汽车行业已经验证过的技术合规路径，可以把风险管住大半，解释和监管技术远没有用尽。其二，最小必要、目的限制这些原则本身是好的规则，它们保护的是人对技术最基本的信任，而信任恰恰是机器人走进生活的前提。一个被怀疑“一直在录像上传”的机器人不会被任何家庭接受，从这个角度看，严格的个人信息保护不是行业的枷锁，而是行业的门票。其三，豁免一旦开出，边界就交给被豁免者自律，商超分析器案例已经演示过这种自律多么靠不住。

但解释论有其边界，缺口是真实存在的：第十三条没有为“面向不特定人的必要环境感知”准备现成的合法性基础，告知同意对路人客观上无法完成，这些地方需要立法接住。未来的具身智能专项立法，或者人工智能综合性立法中的相关章节，应当顺着解释论的方向做以下几件事。

第一，确立专门的合法性基础。参照汽车数据规定第八条第二款的路径，不必修改《个人信息保护法》，在专项立法中明确：智能机器人进行实时交互和安全运行所必需的环境感知，在符合法定条件时无须取得个人同意。条件要同时写清楚，包括目的限定、端侧处理、即时匿名化、原始数据不存储。合法性基础和约束条件必须长在同一条文里，否则就不是规则而是口子。

第二，把必要性做成清单。哪些传感器数据、什么精度、什么场景是必要的，应当有分类分级的细化规定。汽车规则的“精度范围适用原则”（按功能需要确定摄像头、雷达的覆盖范围和分辨率）可以直接移植。家庭、商业、公共场景分别规定，私密空间参照《公共安全视频图像信息系统管理条例》第八条和《人脸识别技术应用安全管理办法》第十三条的精神，原则上禁止或者要求单独同意。顺带一提，视频条例规制的对象是“在公共场所安装”的图像采集设备，移动的机器人是否落入其射程，本身就是一个有待专项立法说清楚的适用问题，立法时应当一并明确。

第三，把技术义务做成可检测的标准。汽车行业最值得借鉴的不是某一条文，而是“匿名化检出率”这种量化检测思路：合规不靠企业自述，靠第三方检测。机器人出域数据的匿名化效果、端侧处理的真实性、原始数据的不存储，都应当转化为可验证的技术要求和检测机制。

第四，单独规制数据飞轮。感知是为了交互，回传是为了训练，这是两个目的，必须分开评价。专项立法应当明确：部署后机器人的环境数据用于训练，以匿名化为前置条件，并向用户提供告知和退出机制；涉及家庭等私密空间的原始数据，原则上不得回传。数据回传涉及境外主体的，还须独立满足个人信息出境的法定路径和重要数据管制要求，匿名化不能替代出境合规。这是防止“必要感知”悄悄滑向“商业开发”的关键闸门。

第五，配置配套的透明度与问责机制，包括环境性告知义务（指示灯、声光提示）、事前的个人信息保护影响评估、规模部署的备案，以及把合规责任明确配置给生产者和部署者，而不是让被采集的路人承担。

只有在这套规则建成之后，仍然无法覆盖、而技术发展又确有必要的个别情形，才轮得到讨论豁免。而且那时的豁免也不应是一揽子的，而应是“条件豁免”：限定目的、限定方式、全程可问责。豁免在立法技术上是例外条款，例外条款的正当性永远来自条件的严格，而不是来自范围的大方。

立法是下一步的事，企业是眼下的事。在专项规则落地之前，机器人企业至少可以先做三件不打折的事：把端侧处理和即时匿名化做成架构级的默认项并留存技术文档，证明“能做到的最小化已经做到”；把个人信息保护影响评估前置到产品立项阶段，而不是上市前补作业；把运行状态指示灯和环境告知当作安全功能来设计，而不是当作装饰。这三件事每一件都有现行法的依据，也都直接降低未来的合规改造成本。

从商超的“分析器”到具身智能机器人，表面看是两个相反的回答，背后是同一把尺子：目的正当吗，方式是对人影响最小的吗，范围以功能为界吗，不可触达的人被善待了吗。商超的方案四问皆输，机器人的方案在满足四道边界的前提下可以成立大半，剩下的缺口由立法接住，而不是由豁免抹掉。

法律面对新技术的姿态，不应该是挡在车前，也不应该是挥手放行然后祈祷。它应该做的，是把技术引导到对人影响最小的那条路径上，并且确认这条路径在技术上真的走得通。具身智能的幸运在于，它的技术架构天然倾向端侧处理，法律要求的方向和技术演进的方向难得地一致。立法者要做的，是在这个难得的窗口期里，把方向固定下来。