走进任何现代仓库、医院或酒店，你会越来越多地发现非人类同事——清洁机器人、自动送货车、巡逻无人机、迎宾自助终端。它们正在进入我们最敏感的物理空间，而我们却尚未决定如何“审查”它们。

想想我们对人类通行的重视程度：没有哪个严肃组织会允许一个无证陌生人自由走进设施。我们会做背景调查、发放凭证、按角色限制权限、记录进出。然后我们推入一台重达200磅的自主机器，配备了摄像头、麦克风、传感器、网络无线电和云连接——我们只需插上电源，没有背景调查，没有行为认证，没有独立的认可。

这就是问题所在。

机器人本质上是未受管理的第三方运营技术风险，而且从三个方向同时出现：

供应商。 你购买的机器人某种程度上仍然是它们的。它打电话回家、接收更新、发送遥测数据。供应商、分包商、云服务提供商——都进入了你的设施。

攻击者。 连接的机器是移动计算机，许多运行着老旧操作系统、薄弱认证、为方便设计的远程访问功能。攻破车队管理平台，结果可能就是一次物理入侵。

事故。 自主系统会以制造商未充分测试的方式失效。导航模型误读边缘情况，传感器被迷惑，执行器在不当时机点火——不需要恶意，就能造成伤害。

真正的验证需要审视每一层：

硬件层： 它有哪些传感器？能移动、举起还是造成伤害？爆炸半径是多少？

软件层： 运行的OS、固件、中间件、更新流程、漏洞历史——机器人不该比应用服务器受到更少的审查。

通信层： 它如何连接？流量加密了吗？供应商能远程访问吗？

命令与控制层： 谁可以下达命令？命令如何被认证？一个薄弱的指挥控制模型可以把一支机器人舰队变成协调入侵的平台。

人工智能行为层： 在真实环境中实际表现如何？当传感器嘈杂、指令冲突、遇到从未涵盖的边缘情况时会怎样？

行业需要独立验证，而且是持续的验证。部署前测试，运行中监控，更新后重新检查——因为这些系统不断变化。

电信和连接行业在此扮演着重要角色。企业连接的下一阶段，不仅由速度或覆盖定义，更由网络能否帮助证明每个行为者都被知晓、授权、受约束且安全决定。

所以规则很简单：每一个进入你环境的机器人或自主系统，都是信任边界内的新行为者。给它做认证、限制它、分段、验证其硬件、验证其软件、验证其通信、验证其命令控制路径、验证其AI行为，然后持续监测。 我们早已学会不信任建筑内未经验证的陌生人——机器和智能体，不该获得更多怀疑的余地。