「優必選們」急需打補丁

虎嗅APP
07/17

出品|虎嗅ESG組

作者|陳玉立

頭圖|視覺中國

本文是#ESG進步觀察#系列第170篇文章

本次觀察關鍵詞:人工智能

《人工智能擬人化互動服務管理暫行辦法》落地已經三天,消費級機器人行業迎面撞上的並非驚喜「爆單」,而是三個問號:

未成年人模式有沒有?隱私對話記錄如何管控?不想用了,又該從哪裏體面退出?

作為「人形機器人第一股」,優必選科技(09880.HK)於2023年12月29日在港交所主板上市,旗下最早的消費級仿生機器人「悟空」早在2018年就已發布,並進入家庭場景;旗下首款全尺寸超仿生人形機器人也於6月30日正式發布。

然而,截至7月13日,在優必選中文官網的新聞中心、旗艦店產品詳情頁等公開頁面上,這些說明仍然搜不到、查不到。

虎嗅ESG組曾向其京東旗艦店問詢其仿生機器人是否存在未成年人模式,得到的答覆是「無」;當問詢歷史交互數據是否可刪除時,得到的回覆是不清楚,「需要確認」。

覈查維度

結論

未成年人模式

歷史交互數據管理

細則模糊

責任說明

官網搜不到、查不到

ESG報告

僅有ESG委員會細則,不涉及具體治理措施

新規應對

落地已三天,公司合規信息仍為空白

優必選人工智能治理項覈查,虎嗅製圖

新規生效雖然才啱啱兩天,但這種「公開責任信息不可見」的狀態已足夠刺眼——它暴露出的是機器人公司的責任治理能力,還沒有真正進入消費者和投資者的視野。

這背後,正是消費級機器人行業的ESG新命題。

過去講機器人,行業更熱衷於比拼自由度、運動控制、大模型接入和商業化落地。但監管的靴子一落,另一張表被推到了台前:孩子怎麼被隔離,用戶怎麼退出,投資者又憑什麼去判斷風險。

機器人越像人,企業就越要把邊界劃清楚。這「邊界」首先指向了三個最該被用戶看見的入口:未成年人模式、歷史交互數據管理以及退出路徑。

 優必選的責任治理考題 

《人工智能擬人化互動服務管理暫行辦法》的監管指向很清楚:AI擬人化互動服務要處理人機關係、未成年人保護、數據權益和退出機制等問題。

原中興匯金高級研究員、東方財富前專家庫成員李勇認為,今年7月15日落地的AI擬人互動新規,是國內首個針對情感陪伴、擬人交互場景的國家級監管規範,「有效補齊了人形機器人行業的合規短板,讓行業發展有了清晰的規則邊界」。

他還判斷,這次新規的重點已經從單純內容審核,轉向整體人機關係治理。

這意味着,當機器人進入用戶家庭之後,將會持續對話、記住用戶、採集家庭環境信息,還可能接觸兒童和老人。對這類產品來說,ESG中的「S」和「G」不再只是報告裏的抽象條款,而是必須落到幾個用戶真正能觸碰的按鈕上:未成年人模式、數據刪除、關閉記憶、註銷賬號、投訴申訴。

 1.未成年人模式是家庭場景的准入證

消費級機器人面向家庭場景時,第一道責任門檻就是未成年人保護。

未成年人模式至少應配齊五類基礎管控功能:「監護人實名授權、使用時長限制、分級內容過濾、縮減兒童端數據採集權限、交互記錄查詢與清除通道。」

同時,兩條監管紅線必須遵守:不得為未成年人提供虛擬親屬、虛擬伴侶類親密交互服務;面向14歲以下兒童提供擬人服務,需提前取得監護人許可。

這不是簡單給產品多加一個兒童版皮膚。

「機器人與普通App、智能音箱的風險結構不同。App大多是螢幕裏的功能,智能音箱通常是工具型入口;擬人機器人有形象、有聲音、有動作、有持續回應能力,更容易被兒童賦予朋友、玩伴的屬性,」李勇向虎嗅ESG組分析道:「普通App與智能音箱僅作為工具使用,兒童大多能清晰地區分設備與人;擬人機器人具備仿真外形和情感互動能力,容易讓孩子產生心理依賴,將機器視作玩伴,並主動傾訴大量家庭私密信息。」

因此,未成年人模式需要覆蓋內容安全、時間管理、監護授權、情感邊界和數據最小化。尤其在家庭共享設備場景下,兒童很可能不是購買者,但是高頻使用者。企業不能只把責任交給家長事後識別,產品必須在入口處給出清晰機制。

如果公開頁面上看不到未成年人模式說明,家長就難以在購買前判斷三個問題:孩子能不能用?怎麼用?哪些功能不能用?對家庭消費機器人來說,這已經是影響轉化和信任的核心訴求,類似優必選一類的機器人企業亟需向市場回答這些問題。

 2. 歷史交互數據歸屬權須交予用戶

擬人化機器人產生的數據,敏感度遠高於一般互聯網產品。

普通App留下的是瀏覽、點擊、購買、搜索等行為記錄。擬人機器人可能記錄語音、影像、家庭環境、情緒表達、生活習慣、兒童對話、家庭成員關係。長期運行後,這些記錄會形成一份「關係檔案」。

這兩類數據在維度、隱私風險與使用邏輯上存在明顯區別。普通互聯網產品僅留存瀏覽、消費等零散記錄,信息維度簡單;機器人會收錄語音、室內畫面和環境信息,還會留存情緒、家庭私密對話這類高敏感內容。

其中更復雜的是「長期記憶」。

常規平台不會連貫留存用戶行為,機器人能夠持續積累個人生活習慣、情緒偏好,形成完整的個人交互記錄。一旦外泄,較容易還原居家日常,隱私損害也更難修復。

所以,用戶對於歷史交互數據至少應該擁有幾項基礎權利:查看、複製、導出、刪除、撤回訓練授權、註銷賬號並同步清除個人記憶。企業不該利用格式條款、後台功能限制,變相壓縮用戶本該擁有的合法權利。

這裏還有一個容易被混淆的問題:刪除歷史交互數據,和刪除模型記憶,並不完全相同。

李勇指出,清空交互數據是普通用戶就能自主操作的,一鍵刪掉全部對話、影像與傳感記錄,操作應馬上生效;模型記憶涉及底層算法,大模型訓練吸收海量用戶樣本後,特徵可能融入通用算法,單獨剔除某個人的特徵存在技術侷限。

但這並不意味着企業可以用「技術困難」搪塞用戶。李勇認為企業應至少做好三層保障:用戶刪除數據後,同步清空對應個人畫像標籤;給用戶退出模型訓練的通道;在隱私說明裏如實講清技術侷限,同時配套去標識化、關閉個性化推送等措施。

對消費機器人企業來說,歷史交互數據當然有商業價值。它可以優化體驗、提高個性化、增強用戶黏性。但數據越像資產,責任也越重。企業需要回答:這些數據在哪裏,用戶怎麼拿回,刪除後還剩什麼,是否繼續參與訓練。

如果這些問題只藏在隱私政策深處,甚至類似優必選一樣在產品詳情頁中無說明、客服也無法解釋清楚,用戶的權利就很難真正落地。

 3. 企業需提供退出路徑:擬人化產品必須允許用戶體面離開

在消費級機器人的使用場景中,「退出」不只是註銷賬號。

用戶可能需要關閉擬人化互動、停止主動喚醒、清除個性化記憶、刪除歷史交互數據、解綁設備、註銷賬號、撤回訓練授權。未成年人賬號還可能需要監護人協助退出。

完整的退出流程主要分四類操作:臨時關掉擬人對話和傳感採集、一鍵清空交互記憶、導出並清除全部個人數據、註銷賬號同時收回數據訓練授權。

這就是擬人化AI產品區別於普通智能硬件的地方。普通設備閒置之後,互動關係基本中止;陪伴機器人即使放在角落,雲端仍可能留存大量歷史記錄。用戶停止使用硬件,不等於關係和數據同時結束。

李勇認為,普通App很難和用戶產生情感綁定,卸載、關掉權限基本就能隔斷服務;陪伴機器人長期相處會留存大量雲端私密記錄,即便設備閒置,家庭對話、生活細節這類敏感信息依舊存在。

因此,退出路徑越清楚,用戶越容易建立信任。企業如果把退出入口做得很深、流程設計得很繞,短期看似保住留存,長期會增加投訴、監管和品牌風險。

「短期搭建這類合規功能確實會增加研發、審計投入,收緊數據採集後,個性化體驗也可能被削弱。但刻意隱藏註銷入口,反而容易引發用戶投訴,還可能觸發監管覈查;未成年人模式雖然約束兒童端營銷,長期有助於獲得家長認可,拓寬家庭消費市場。」

換句話說,消費機器人要做長期生意,就不能只設計「如何開始互動」,還要設計「如何結束關係」。

 治理披露的缺口:責任不能只存在於後台 

如果一家企業內部已經做了未成年人模式、數據刪除、退出路徑,卻沒有在官網、產品頁、用戶協議、隱私政策、投資者關係頁面清楚展示,算不算問題?答案是:至少構成治理透明度缺口。

對於消費機器人公司,官網不是簡單櫥窗,投資者關係頁面也不該只是財報入口。它們是用戶、家長、投資者理解產品邊界和企業治理能力的公共入口。

李勇認為,如果一家消費機器人企業在監管生效前夕,官網、投資者關係頁面沒有清晰展示未成年人模式、數據刪除、退出路徑等機制,「這就算實打實的合規漏洞,哪怕企業內部已經把這些功能做出來了,沒對外公示清楚,也算不上合規」。

因為它指向的不是簡單信息披露問題,而是類似優必選之類已上市機器人公司的治理問題。

第一,用戶購買前需要知情。尤其是有孩子的家庭,關心的不是機器人能不能聊天,而是能不能限制孩子使用、能不能刪除孩子的互動記錄、能不能避免親密化誘導。如果這些信息公開不可見,用戶無法完成風險判斷。

第二,投資者需要判斷治理成熟度。AI擬人化產品一旦進入規模化銷售,未成年人保護、數據權利、內容風控都會成為經營風險。監管整改、輿論爭議、數據事故,都可能影響銷售、渠道、品牌和估值。

「AI合規已經是上市機器人企業需要定期對外說明的經營內容。未成年人保護、數據管控、內容風控都是企業需要守住的法規紅線;合規一旦出現漏洞,可能遭遇監管整改處罰,影響產品銷售和品牌口碑,進而波及業績與估值,」李勇說道。

第三,ESG治理要求可驗證。單靠企業喊口號「我們重視隱私」「我們保護未成年人」,價值有限。真正有用的是入口、流程、時限、責任人、投訴渠道、第三方審計和透明度報告。

虎嗅ESG組認為,成熟的機器人企業應搭建自上而下、權責清晰的AI治理架構,包括董事會下設獨立AI治理委員會、配置AI倫理官和數據保護官、產品上線前做倫理和未成年人保護雙重評估、定期找第三方做安全審計、每年發布AI治理透明度報告,並建立用戶投訴申訴渠道。

這也是為什麼投資者關係頁面值得被納入觀察。對於上市公司,AI治理不只是產品運營細節,它影響長期風險定價。

截至7月13日,在優必選中文官網新聞中心、投資者關係等公開頁面,尚未看到與仿生機器人對應的未成年人模式、歷史交互數據治理等說明。且在僅有與治理相關的《ESG與可持續發展委員會工作細則》中,也未見與機器人產品治理相關的條款。

李勇向虎嗅ESG組指出,這種情況具有代表性,不止是優必選,整個行業都存在「重產品展示、輕責任說明」的通病,大家忙着推產品、講參數,卻忽略了合規信息公開。這種缺失直接導致用戶購買前無法判斷風險,投資者也難以準確評估公司治理的成熟度。

公開披露不是形式主義。對於機器人產品而言,風險發生在持續交互中,責任說明也應該出現在產品說明、設定入口、隱私政策、FAQ、投資者溝通和ESG報告中。

 從優必選到行業,消費級機器人步入責任競爭階段 

一個現實困境是,優必選僅僅是一個觀察樣本,真正需要被審視的是整個消費級機器人行業。

過去機器人公司的主戰場集中在硬件:伺服、關節、運動控制、成本、供應鏈、場景落地。大模型發展成熟之後行業開始強調「會對話」「會理解」「會陪伴」。可一旦進入家庭、教育、養老等場景,產品屬性就發生變化。

當機器人從工具走向陪伴者,企業責任邊界就隨之擴大。

李勇用一句話概括了消費級機器人的最大治理風險:這類機器人依靠人格化交互,容易讓用戶放下心理戒備、產生情感依賴,持續收集家庭私密信息帶來隱私隱患;疊加未成年人防護短板、產品信息披露不充分、責任劃分模糊等問題,容易形成隱蔽、較難逆轉的複合型風險。

這句話點出了消費級機器人ESG的核心:並非傳統製造業ESG框架裏的環保敘事,而是將重點落在用戶權利、兒童保護、數據治理、算法透明、投訴救濟和董事會監督。

他建議,如果給消費級機器人企業設計ESG指標,可以分為四個板塊:未成年人保護、全流程數據管理、風險管控與信息公示、長效可持續經營。具體包括兒童專屬管控模式、監護人授權、兒童信息最小化採集、交互信息全生命周期管控、數據導出刪除、撤回訓練授權、第三方外部審計、用戶投訴渠道、專職合規崗位、投資者風險披露,以及供應鏈數據合規和廢舊機器人回收處置方案。

這套框架的價值在於把抽象的「AI倫理」拆成了可覈驗項目。

對行業來說,未來的競爭很可能從「參數賬」進入「責任賬」。硬件能力會趨同,大模型能力會被供應鏈化。而家庭用戶、教育機構、養老機構和投資人都會越來越關注一件事:這家公司能不能讓風險可見、權利可行使、責任可追溯。

李勇判斷,消費級機器人行業的一大競爭重心正慢慢從硬件參數轉向合規治理、責任建設層面。硬件和基礎交互功能同行模仿門檻偏低,未成年人防護、居家數據全流程管控這類治理體系搭建周期更久、落地門檻更高,有機會形成獨特競爭優勢。

這背後是一筆商業賬——責任機制會增加成本,也可能影響部分用戶黏性,但它能降低信任摩擦。家長購買家庭機器人時,會更願意選擇明確披露兒童保護機制的品牌;學校、養老機構採購時,會把隱私和安全作為准入條件;資本市場也會把AI治理視作長期經營能力的一部分。

虎嗅ESG組認為,企業如果主動公示完整、可覈查的責任細則,能夠區別於只側重硬件宣傳的競品,在家用市場、政企渠道積累長期品牌口碑,對企業估值也能帶來正向作用。

基於此,一家合格的消費級機器人企業,至少應向用戶和投資者公開一份清晰的責任清單。虎嗅ESG組將其梳理為以下八項必答之題:

責任維度

企業應公開的產品能力

AI身份標識

明確提示用戶正在與AI互動,避免擬人化的誤導性

未成年人保護

未成年人模式、監護人授權、內容過濾、使用時長限制

數據權利

歷史交互數據查看、複製、導出、刪除及處理權限

記憶管理

清除個性化記憶、關閉畫像、退出模型訓練授權

退出機制

關閉擬人化互動、停止主動喚醒、註銷賬號、解綁設備

內容安全

對話風控、敏感內容攔截、兒童內容分級

治理披露

第三方審計、透明度報告、ESG和投資者風險披露

機器人企業八項責任清單,虎嗅製圖

當一台機器人走進家庭,接觸兒童、記錄日常、承載情緒,企業就不能只回答「它能做什麼」。更要回答:它不能做什麼,孩子如何被保護,投資者如何驗證治理能力。這是新規生效後,消費機器人公司必須交出的第一份答卷。

本內容未經允許不得轉載。授權事宜請聯繫 hezuo@huxiu.com。

 End

想漲知識 關注虎嗅視頻號!

免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。

熱議股票

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10