机器人旁边站着人时，安全不再是最后贴上的标签。一个几十公斤的机器，有电机、有惯性、有工具、有不确定的软件行为。它如果只是在笼子里重复动作，风险还能被围栏隔开；它如果要走进仓库、医院、家庭，安全就必须进入每一层设计。
急停按钮是让系统在危险时快速停止的装置。它必要，但远远不够。大白话说，急停像汽车刹车，不是驾驶技术本身。你不能因为车有刹车，就允许司机闭着眼开。
先承认失败会发生
安全工程的第一步不是许诺“不会错”，而是列出失效模式：系统可能怎样失败。相机可能看错，网络可能断，关节可能卡住，电池可能掉电，模型可能误解命令，地面可能湿滑，人可能突然伸手。每一种失败都要问：会造成什么后果？能不能提前发现？发现后怎样降级？
比如机器人递刀具和递毛巾，风险完全不同；在人少的仓库通道和老人卧室里工作，风险也不同。安全不是一个全局分数，而是任务、环境、速度、力量和人的距离共同决定的。
真正可靠的机器人，不是永远不犯错，而是犯小错时能被系统接住，不让小错变成事故。
运行设计域：别假装无所不能
运行设计域是系统被允许工作的条件范围。自动驾驶常用这个概念：某个系统可能只适合高速路、白天、清晰车道。人形机器人也一样。它可以先被限制在特定楼层、特定速度、特定货物、特定人流密度里工作。
这听起来不够科幻，却很重要。一个诚实的运行设计域能把不可控问题变成可控问题。机器人不必第一天就会处理所有家庭杂务。它可以先学会在仓库夜班搬标准料箱，或在工厂巡检固定路线。边界清楚，安全验证才有可能。
冗余不是浪费
冗余是用多个机制覆盖同一个安全目标。比如视觉发现前方有人，力传感器发现碰撞，软件限制最大速度，硬件限制最大扭矩，现场还规定人与机器人保持距离。任何一层都可能失效，所以不能把安全押在单点上。
在具身智能里，模型越强，越需要硬约束。语言模型可能产生听起来合理但不安全的计划，比如“爬上椅子拿高处物品”。控制层和安全层必须能说不：这个姿态超出稳定范围，这个工具不允许操作，这个人太近，当前光照不足。
聪明系统需要刹车，也需要护栏。越能理解人话，就越可能听懂危险要求；越能自主行动，就越需要清晰边界。
安全也包括可追责
机器人进入工作场所后，事故不只是技术问题，还是责任问题。谁批准任务？谁维护设备？谁更新模型？失败日志保存在哪里？现场员工如何知道机器人接下来要做什么？这些流程决定了系统能否被组织接受。
可解释性在这里不是学术装饰，而是事故复盘能力。机器人为什么突然停下？为什么选择绕路？为什么判定某个箱子可以搬？如果完全说不清，企业很难把高风险任务交给它。
最现实的落地方式，往往不是让机器人直接无人监管，而是先做人机协作：机器人做重复、费力、低风险的部分，人处理例外和判断。随着数据积累和可靠性提高，再慢慢扩大自主范围。
下一章讲第一批工作会在哪里出现。安全边界、任务密度、成本和数据采集会一起决定先后顺序，而不是宣传片里的热闹程度。