來稿作者：李廣宇議員

近日，一段人形機械人於表演中主動擁抱舞者的影片於網上熱傳。畫面看似趣味無害，卻拋出一個嚴肅的法律難題：若未來機械人不再是溫和互動，而是出現推倒、夾傷甚至重傷他人的意外，現行法律該如何界定與處理？

傳統責任界定方式落後時代

我們不妨設想一個常見的公共場景：商場清潔機械人誤判行人位置，撞倒長者導致骨折受傷。事後調查卻發現，機械人當時的數據決策具備不確定性，無法完整追溯觸發事故的核心原因。此情此景下，責任究竟該歸屬於機械人、運營企業、硬件製造商、操作人員、設備擁有人，還是程式設計團隊？

傳統的責任界定邊界，在具身智能機械人面前，已然逐漸模糊。

在傳統機械設備的應用場景中，事故的因果關係清晰且可追溯。設備故障、操作失誤、零件損耗、設計缺陷，都能梳理出完整、線性的因果鏈，最終鎖定過錯方，完成法律歸責。

但具身智能機械人的運作邏輯完全不同。其行為並非依賴單一、固定的人為指令，而是基於數據自主決策生成：訓練數據塑造模型傾向、感測器解讀環境資訊、系統根據場景自我調整、部署後與現實環境互動產生即時回饋。多項因素交織影響、動態變化，不再是簡單的線性因果鏈，而是錯綜複雜的關係網絡。

事故因果難以追溯

這就造成了全新的法律困境：我們能看見機械人的傷害行為，卻難以完整還原行為背後的成因。當事故因果無法被可靠追溯，傳統法律賴以運作的核心基礎——因果歸責原則，便出現了根本性鬆動。

問題不止於「難以追溯過錯」。更深層的變化是，AI時代的責任不再集中於單一個體，而是分散於整個產業鏈條。數據提供者、算法設計者、模型訓練人員、硬件製造商、系統整合機構、場景部署方、終端使用者，每一個環節都會影響機械人的最終行為，卻沒有任何一方能單逐決定運作結果。

更關鍵的是具身智能的核心屬性——持續動態演化。與定型後不再改變的汽車、電梯等傳統設備不同，搭載機械學習技術的機械人，會持續根據環境數據調整運作邏輯。即便設備出廠時的算法、數據可查可溯，其後每一次的自主迭代、場景適配，都會改變行為邏輯。因果的不可還原性，讓傳統的事後追責模式徹底失效，「責任誰屬」成為行業與法律的核心難題。

最終便形成一種特殊現象：傷害結果真實發生，卻找不到傳統意義上唯一的「罪魁禍首」。

全新治理邏輯三大要求

對此，筆者認為，面對具身智能的獨特屬性，監管與法律體系不該執着於「事後找出過錯方」（傳統因果歸責邏輯），而應轉向更務實的治理核心：無論事故成因是否可追溯，必須確保風險與傷害結果維持在社會可承受範圍內（「管控風險、守住底線」）。

這套全新的治理邏輯包含三大核心要求。第一，行為可觀測、紀錄可回溯。即便無法逐條解讀AI的即時決策邏輯，高風險智能設備也必須全程留存運作數據、行為軌跡，讓社會與監管方保留最低限度的查核能力。第二，風險可介入、失控可制止。當機械人出現數據異常、行為偏離預設範圍等不確定狀況時，系統需具備自動降級、暫停運作的能力，避免微小異常演變為重大安全事故。第三，風險前置防控、損害提前兜底。風險管控不能依賴事後追責，必須在產品設計、場景部署階段完成全面風險評估，提前建立損害補償機制。

事實上，這套新型治理思維，已經在部分高風險智能設備的監管中落地。例如高階自動駕駛系統強制配置「行為黑盒」，全程留存運作數據；工業智能機械人設置安全停機區域，偵測異常即時終止運行，將「不確定性」列為優先處理的安全風險，而非被動等待事故發生。與此同時，多個地區已要求高風險AI企業購買專屬責任保險、繳納風險準備金，建立「先補償、後追責」的兜底機制，解決傳統模式下受害人求償難、耗時久的問題。

三大監管制度完善治理體系

這一系列探索，亦是香港即將面臨的現實挑戰。

目前香港正大力發展人工智能、智慧物流、醫療科技、具身智能等新興產業，具備自主決策能力的服務型機械人，走進公共場景、融入日常生活已是必然趨勢。為應對即將到來的AI安全風險，香港亟需優先建立三大監管制度，完善本地治理體系。

建立高風險具身智能設備登記與事故通報機制。現行交通工具一旦發生事故，監管部門可快速查核車型、紀錄、安全狀況，實現精準監管。但未來送貨、護理、公共服務類智能機械人若發生意外，目前並無機制查核其模型版本、異常紀錄、安全更新狀態等核心資訊。缺乏數據支撐，監管便無從落地，也無法累積風險管控經驗。因此，必須落實高風險機械人強制登記、事故即時通報制度，讓監管部門全程掌握設備運行風險。

落實智能設備最低限度可追溯標準。無需強求企業完整拆解AI每一次的自主決策邏輯，但高風險智能系統必須留存核心運作數據，包括模型迭代紀錄、系統更新日誌、感測器輸入數據、關鍵決策軌跡等。一旦發生事故，監管機構可獨立還原設備當時的運作狀態，避免調查結果完全依賴企業單方面陳述，保障調查的客觀性與公正性。

設立具身智能第三者責任保險制度。AI事故往往涉及多環節、多主體，責任釐清流程漫長複雜。對於受傷市民而言，及時獲得賠償、彌補損失，遠比事後界定過錯更為重要。透過強制保險、風險基金機制，可實現「損害先行兜底」，優先保障受害人權益，再由保險機構、監管部門後續追溯劃分責任，契合AI時代的風險治理邏輯。

法律必須回答好責任問題

上述監管措施看似獨立，卻貫穿同一套全新的法律治理邏輯。

傳統法律架構建立在「事故可溯源、過錯可界定」的基礎上，核心目標是事後追究責任。但在具身智能時代，AI決策的複雜性、動態性讓完整溯源愈發困難。未來的監管核心，將從「證明系統為何出錯」，轉變為確保系統出錯時，不會造成失控的社會危害。

歸根結底，新時代的智能治理，必須守住三大底線：行為可觀測、風險可管控、損害有人擔當。

人工智能帶來的從來不裝是「機械人會否傷人」的技術問題，更是一場法律與社會秩序的重塑考驗。當因果關係日趨模糊、責任邊界逐漸分散，法律如何突破傳統框架，守護社會的安全、公平與秩序信任，將是香港發展AI產業必須答好的核心命題。

作者李廣宇是第八屆立法會功能界別（勞工界）議員。

文章僅屬作者意見，不代表香港01立場。

01論壇歡迎投稿。請電郵至01view@hk01.com，附上作者真實姓名、自我簡介及聯絡方法。若不適用，恕不另行通知。香港01保留最終編輯權。