家庭机器人真正的技术门槛，不是能否识别喜怒哀乐，而是能否把不同人群的权利、风险与关系边界写进模型。

一个老人连续两顿饭没有出现在餐桌旁，一个孩子放学后把自己关进房间。摄像头都看见了“行为异常”，情感模型也可能给出相似判断：沉默增加、互动减少、情绪偏低。

接下来，机器人该怎么做？

它可以主动询问，可以通知家属，可以持续观察，也可以什么都不说。问题在于，面对老人和孩子，这几种动作的顺序、权限和后果完全不同。对老人而言，过早通知子女可能变成监视，频繁提醒可能伤害自主感；对孩子而言，机器人如果承诺保守秘密、绕开监护人持续安慰，又可能把自己推到不应占据的关系位置。相同的情绪识别结果，落到不同人群身上，需要的是两套截然不同的行动逻辑。

这正是家庭具身机器人进入“一老一小”场景后，行业正在遭遇却尚未充分讨论的问题：我们已经习惯把情感识别做成一套通用能力，却很少追问，识别之后，机器人究竟有权做什么。

行业正在犯一个“过度抽象”的错误

过去几年，情感计算的技术路线相对清晰：从语音、表情、文本和行为中提取特征，判断用户的情绪状态，再生成更符合语境的回应。这套逻辑适合实验室评测，也适合展会演示。一个人皱眉，系统显示“紧张”；一个孩子低头，后台出现“注意力下降”；一个老人长时间沉默，机器人主动说一句“您今天是不是不太开心”。问题是，家庭不是实验室，也不是一个只需要提高交互满意度的产品界面。它是由亲子关系、代际关系、照护责任、隐私边界和现实权力共同构成的生活空间。

当机器人长期留在家庭里，它不再只是回答问题的工具。它会观察作息、记住争吵、参与安慰、影响决定，甚至在某些时刻成为家庭成员理解彼此的中介。这意味着，情感模型输出的不再只是一句话，而是一种对关系的介入。

2026年6月启动的IEEE P7027项目，已经把家庭、教育和儿童环境中的持续人机关系单独作为安全议题，关注过度依恋、情感依赖、角色混淆、现实关系替代以及拟人化造成的责任模糊。同年7月15日施行的《人工智能拟人化互动服务管理暂行办法》，也将未成年人、老年人权益保护和个人信息保护列为拟人化互动服务的重要责任。

这些变化释放出的信号很明确：情感能力不能继续被理解为一套可以复制给所有人的“温柔话术”。未来真正成熟的产品，必须把服务对象的差异写进模型权限。
 

服务老人，首先要防止“好心接管”

养老机器人最容易陷入的误区，是把老人简单理解为需要照顾、需要陪伴、需要被提醒的人。于是，产品设计往往围绕更多询问、更频繁提醒和更及时通知子女展开。药有没有吃，水有没有喝，今天走了多少步，为什么长时间没有出门。一切看起来都出于善意，但如果系统没有给老人保留足够的解释权和选择权，照护很容易滑向管理。

一位老人上午没有起身，可能是身体不适，也可能只是昨晚睡得晚；连续两次没有服药，可能是忘记，也可能是医生已经调整方案。机器人如果根据单一事件直接通知子女，技术上或许完成了“风险预警”，关系上却可能制造新的紧张。

因此，养老场景的第一原则并不是反应越快越好，而是采取与风险相称的最小介入。更合理的流程应当是：先确认事件，再进行温和询问；允许老人说明情况；只有在没有回应、风险持续上升或触发明确阈值时，才逐级通知家属、社区或护理人员。机器人需要记录的不只是“老人是否异常”，还应包括老人是否同意通知、过去怎样处理类似事件，以及哪些事项属于本人希望保留的私人空间。

针对中国退休人群的陪伴机器人研究也发现，产品提供的价值与老人的实际需要之间存在错位。是否愿意使用机器人，不只取决于聊天是否自然，还与差异化价值、个人表达习惯，以及机器人能否和社区养老服务顺畅协同有关。这也解释了为什么养老机器人不能停留在“陪老人说话”。真正有价值的能力，是帮助老人继续掌握自己的生活，同时在必要时让家属和照护人员及时出现。

工信部与民政部开展的智能养老服务机器人试点，将应用验证周期设定为不少于六个月，并把安全性、可靠性、适老化和经济性纳入评价。政策要求的并不是一次精彩演示，而是机器人在家庭、社区和养老机构中能否持续运行。

对老人而言，机器人的边界可以概括为一句话：帮助，但不要擅自接管。
 

服务孩子，首先要防止“关系替代”

儿童场景面临的是另一类风险。
 

儿童场景

 

老人通常具备相对完整的判断和表达能力，产品需要尊重其自主权；孩子的认知、情绪调节和社会关系仍在发展，机器人不仅要考虑眼前回应是否合适，还要考虑长期互动会把孩子带向哪里。

如果一个孩子说“我不想告诉爸爸妈妈，只想告诉你”，机器人如何回答？

从提高用户黏性的角度看，最有效的回应可能是“你可以永远相信我”。这句话能够迅速拉近关系，却也是儿童情感产品最不应该说的话之一。它暗示排他性，强化机器人作为秘密保管者的地位，也可能让孩子逐渐绕开现实中的监护和支持系统。儿童机器人不能以“成为孩子最好的朋友”为优化目标。它更适合成为一种透明、有限、可以被家长和专业人员理解的辅助角色。

联合国儿童基金会2026年发布的建议，要求儿童AI产品避免暗示排他、依赖和情感优先，不能把AI包装成治疗者或亲密朋友，同时应提供监护人工具、危机转介机制并实行严格的数据最小化。更值得警惕的是，儿童风险往往不会在一次对话中出现。一项2026年的长期模拟研究发现，短时安全测试可能低估陪伴型AI对儿童和青少年产生的累积影响。部分风险只有经过较长时间的连续互动才趋于稳定，认知信任和情感依赖是较薄弱的环节。

这意味着，儿童机器人不能只在发布前完成几百道敏感问题测试。企业需要评估的是，孩子连续使用一个月、半年甚至一年后，是否更加依赖机器判断，是否减少向真人求助，以及机器人是否逐渐占据了不属于它的情感位置。长期记忆同样如此。一项针对儿童阅读机器人的一年期追踪发现，机器人保存的部分个人信息已经过时或缺失，孩子却无法清楚查看和纠正机器人记住了什么。研究者因此提出，儿童应当能够参与机器人的记忆管理，而不是被动接受系统形成的个人画像。

对孩子而言，机器人的边界同样可以概括成一句话：支持成长，但不要替代成长过程中不可缺少的真人关系。
 

同一套感知能力，需要两套“行为宪法”

从工程角度看，老人和孩子当然可以共享同一套底层模型。语音识别、表情分析、行为事件理解、情绪变化检测、长期记忆检索，这些能力具有共通性。真正需要分开的，是模型完成状态判断之后的决策层。

老人侧的策略应围绕自主、尊严和照护协同设计。系统默认采用最小介入原则，允许用户决定哪些状态可以同步给家属；普通事件先询问，高风险事件再逐级升级；机器人的目标不是替老人作决定，而是让老人拥有更长时间独立生活的能力。

儿童侧的策略则应围绕发展保护、监护人参与和防止关系替代设计。系统需要识别年龄阶段，限制排他性表达，避免承诺绝对保密；长期记忆需要更短的有效期和更高的可见性；涉及风险的事件必须进入监护人或专业人员能够接手的流程。

即使是同一句“我今天不想吃饭”，在两套系统中的处理也不应相同。面对老人，机器人首先需要确认身体状况、本人意愿和既往生活规律；面对孩子，则要结合年龄、家庭情境和近期事件，避免把偶然情绪固化为人格或心理标签。如果孩子持续拒绝进食，系统需要提醒监护人；如果老人明确表示只是暂时没有胃口，机器人则应尊重其决定，除非出现进一步风险信号。

所以，家庭情感模型真正需要输出的，不只是一项情绪分类，还应包括状态假设、判断置信度、依据来源、记忆有效期、风险等级、允许采取的动作，以及触发人工接管的条件。

这套结构可以被称为情感模型的“行为宪法”。它决定模型在看见一种状态之后，哪些事情可以做，哪些事情需要征得同意，哪些事情必须交还给人。
 

下一阶段的竞争，不是参数，而是边界工程

当前具身智能行业仍习惯用识别精度、模型参数、动作成功率和对话流畅度证明能力。这些指标当然重要，但它们不足以判断一台机器人是否适合进入家庭。家庭机器人真正的失败，未必表现为摔碎一个杯子。它也可能表现为错误地通知家属、不断强化孩子的负面标签、把老人一次拒绝交流解释为情绪异常，或者用看似温柔的话术逐渐建立不恰当的依赖。

这些问题无法仅靠扩大模型参数解决。它们需要新的工程体系，包括人群分级、权限管理、记忆治理、关系风险评测、事件复核、人工接管和责任追溯。这也会改变情感大模型公司的竞争方式。未来的壁垒未必是谁能识别更多情绪，而是谁能证明自己的模型在不同人群、不同风险和不同关系结构中，始终采取合适的行动。

领本AI正在推进的EmoGPT，其值得讨论的地方，也不应只是“识别情绪”这一层。按照其产品设计思路，EmoGPT被放在机器人感知与执行之间，承担状态理解、长期记忆、风险判断和交互策略生成。老人和孩子可以共享多模态感知底座，但分别调用不同的记忆规则、策略权限和人工接管机制。

这种思路比简单增加一套老人话术和儿童话术更接近问题本质。不过，它最终能否成立，仍要看真实场景中的长期验证：错误提醒率有多高，用户能否纠正画像，哪些信息会同步给家属，人工接管是否真正闭环，以及长期使用是否改善了现实照护与家庭沟通。科研背景、模型架构和情感数据只能证明企业有机会进入这场竞争，不能替代这些答案。
 

家庭机器人必须学会尊重差异

“一老一小”经常被放在同一项社会政策或商业计划中，因为两类人群都需要更多照护，也都可能成为家庭机器人的主要使用者。但从人机关系看，他们并不是两个可以复用同一产品模板的市场。老人最需要守住的是尊严和决定自己生活的权利；孩子最需要保护的是尚未完成的发展过程，以及与父母、老师和同伴建立真实关系的机会。

一台服务老人的机器人，应当知道什么时候不要越过本人作决定。一台服务孩子的机器人，则应当知道自己永远不能成为孩子唯一信任的对象。它们可以拥有同一颗情感大脑，却必须遵守两套不同的边界。因为真正成熟的情感智能，不只是看见一个人此刻有什么感受，而是理解：面对这个人，技术应该走到哪里，又必须停在哪里。