这篇文章的起因，是前不久我采访了一家机器人公司，对方提到，创业的起点是父亲住院时的一次照护经历。

他发现，即使是最亲近的人，也很难在照护一个病人时做到面面俱到，于是开始琢磨，有没有一种机器，可以让我们老去的时候，更有尊严？

这个念头很朴素，也跟大众对机器人的期待不谋而合。

过去两年，人形机器人在展会和舞台上又唱又跳，但如果随机选取一个现场的普通观众，问他最希望机器人做什么。答案一定有，老了能照顾我。

这种渴望，同时也被文艺创作者所捕获和表达。一部最新的海外轻喜剧《Ann Droid》，中文译名《护工不是人》，故事就围绕一个独居老人Sue苏展开。她唯一的儿子准备搬走，临行前给母亲买了一台人形养老机器人。

机器人刚开机就状况百出：朝人脸射激光，在人泡澡的时候突然破门而入，系统太旧，甚至记不住老人刚刚告诉它的事情。

但度过磨合期之后，这台笨拙的机器人却逐渐成了苏最可靠的陪伴者。这是比多年前《黑客帝国》积极得多的未来。

从来没有一个科技产品，能像照护机器人这样，同时引发创业者、消费者、文艺作品如此强烈的共鸣与共识。

所有人似乎都准备好了，只等那台机器人界的iPhone4到位，掀起下一个智能终端的消费狂潮。那么，这一天究竟还有多远？

把一个老人，摆渡到一个更安宁的晚年，机器人自己首先要渡过三条河。

一渡·迷津：我们究竟想让机器人做什么?

机器人养老，我们到底希望机器人替我们做什么？这个问题看起来似乎简单到不需要讨论，就是照顾老人需要做的那些工作呀。“那些工作”，是什么工作？为什么希望机器人来做“那些工作”？

照护，一个简单的词组，至少包含三种完全不同的劳动：

第一种，是身体劳动。擦洗、翻身、喂食、搬运、起身、移位、清洁……直接发生在人的身体上。

第二种，是情感劳动。看见老人害怕、孤独、羞耻或者生气，并做出回应。更重要的是，照护者自己也要管理情绪：同一个问题回答二十遍，还要保持耐心；被老人责骂，还要继续照顾；面对冲突，不能把自己的情绪发泄回去，这也是一种劳动。

第三种，是认知劳动。什么时候吃药？什么时候复诊？今天有没有摔倒？身体指标有没有异常？需不需要叫医生？家里的药什么时候该补？这些事情看起来琐碎，却构成了老年生活中大量的健康管理。

所以，照护其实是一组难度完全不同的任务，不能被简单地看作是一个场景。唯有如此，我们才能认识到人力的有限，和由人照护的不可持续。

再亲近的人，也无法在漫长的照护时间里做到面面俱到并永远耐心。日本甚至有一个专门的词：介護殺人（照护杀人）。

厚生劳动省依据《高龄者虐待防止法》实施的年度调查，结论是：2006到2024这19年间，养护者（包括照护老人的亲属）所导致的、65岁以上被养护者因虐待等死亡的，至少486人。而日本媒体评论，这只是老龄化社会照护困境的冰山一角。

说得残酷一点，机器人不会虐待老人，也不会谋杀老人。因为机器人的照护行为依赖代码，有设定好的伦理约束，机器人也不会累到失控，不会有情绪积累到爆发的那一刻。

好消息是，机器人可能比真人更适合做一个稳定的照护者。

坏消息是，机器人还比较有限。

人最希望机器人替代的，恰恰是机器人目前最不擅长的：身体劳动。

机器人今天已经可以做得不错的，主要是监测、提醒、信息整理、对话和陪伴。这两类劳动主要发生在信息世界，输入是数据，输出也是数据。机器人可以通过传感器知道老人什么时候起床，可以通过模型分析健康数据，可以通过大模型进行对话。

但身体劳动不一样。它必须把信息转化成物理世界中的行动。

比如：一台几十公斤的机器人，究竟应该用多大的力量，把一位骨质疏松的老人从床上抱起来？老人突然害怕、挣扎、不配合怎么办？床的位置和昨天不一样怎么办？

这些问题，需要人体、力、接触、环境和失败后果之间的大量真实数据。而这恰恰是行业当前最大的瓶颈，最难获得的数据，因为企业不可能让机器人在人身上试错一万次。

所以，如果你期待的是一个会听、会说、会提醒你的养老机器人，已经有不少技术可以满足。但它们的本质，似乎也跟人形智能音箱，没太大区别。

如果你期待的是一个能够抱你起床、替你洗澡、给你翻身的机器人，它仍然处在具身智能技术栈的最远端。

二渡·天堑：照护机器人与商业成功之间 隔着一个物理世界

人形智能音箱，显然不符合我们对机器人的养老期待。可以发现，从信息世界走向物理世界，从认知劳动到身体劳动，机器人在现实中交互得越多，就越接近大家真正想要的照护，但技术上也越难。

日本是全球最早系统性推动护理机器人发展的国家之一。从2010年开始，日本政府持续把移乘、移动、排泄、监护等机器人护理应用纳入重点支持方向，并通过补贴、试点和护理服务体系推动产品进入养老机构。

但二十年下来，大致可以得出一个趋势：能活下来的护理机器人，往往是小的、专的、垂直的。

比如说Cyberdyne的HAL外骨骼，进入了医疗和康复场景，主要用于老年患者的辅助康复训练。还有各种“见守り”监护传感器，监测老人是否在床上，室内有没有活体生命，或者是否跌倒、排泄等情况。

这些产物都进入了物理世界，它们的共同特点是容易部署，不需要复杂操作。

而那些试图直接复制真人护工的通用智能机器人，大多还停留在试验阶段。

比如理化学研究所的RIBA、Robear，目标就是把老人抱起来，目前依旧只有原型，无法规模量产与部署。

Pepper曾经大规模进入养老院，但主要承担的是聊天、带操、互动等辅助功能，后来商业化路径发生变化。丰田HSR也曾经瞄准家庭服务和护理场景，最终成为研发平台。

越接近替代人力的照护机器人，越难量产和商业化；越是单一功能、辅助性质的产品，越容易活下来。

中国今天也面临类似的结构。市场上已经出现大量“养老”“康养”“家庭照护”概念的人形机器人，但真正已经形成大规模商业交付的，又有多少？

量产之后，机器人照护能否具备商业收益，则是另一个问题。毕竟，养老不是机器人最容易展示能力的场景，却又是最不能犯错的场景。

家庭养老对于机器人的支付意愿和消费能力，受限于居民收入的天花板。而机器人犯错之后索赔的风险，又会加重企业的财务负担。二者共同决定了机器人公司的收入负债表。如果居民消费能力不足，而市场风险又巨大，机器人公司有什么动力持续投入养老机器人的研发呢？

从风险收益比的角度，机器人企业从康复、医疗设备出发，再走向人形机器人，或许是更合理的商业化之路。

三渡·险滩：出了问题谁负责?

沿着这条路径，我们还可以推导出机器人养老的落地路径，会先在养老机构落地，而非家庭消费。

原因是，家庭环境远比工厂和养老机构要复杂得多。

每一个家的家具、床、地面、光线都不一样。打造一套能够在居家复杂场景下完成泛化任务的通用机器人，技术难度太大，即使技术做到了，居家场景也会把责任边界问题进一步放大。

与之相比，机构里的环境更加结构化。床位尺寸相对统一，流程更加明确，这极大地降低了技术出错的风险。而且，有专业人员在场和明确的采购方，追责链路也比居家机器人更为清晰。而如果机器人是在家里失手，出了事故，会面临机器人硬件厂商、软件算法公司、家属消费者等各方的责任划分。

虽然《民法典》的产品责任制度，可以覆盖相当一部分机器人事故，可以追诉生产者、销售者的相关责任，但养老机器人的事故源可能并不是单一的、直接的，比如说一台机器出错，可能是硬件缺陷、算法问题、模型判断出错、训练数据有毒、软件更新、人机协作不当、真人操作失误、用户错误设置、机器人自主决策……极大地增加了责任划分的难度。

所以，面对如此高的维权门槛，我们不难推测，先机构，后居家；先商业服务，后家庭消费，让机器人先成为护理员工作流中的一环，或许更为现实。

老年的摆渡人，可以不是人

至此，我们已经不需要再问：机器人能不能给我养老？答案是，在人口老龄化、护理人手持续紧张的未来，机器可能是我们绝大多数人被照护的真正指望。

真正应该问的是，机器人会以什么顺序进入我们的养老生活。

这条路，不会是一场通用人形机器人的闪电战，更像是一场漫长的渡河。

先是监测、提醒等专用岗位，像是一双不知疲倦的眼睛，一只永远在线的耳朵，一套不会忘记吃药时间的系统。

然后是陪伴、康复等，一些标准化的复杂场景，可能是一台跟随我们步伐的陪伴滑轮机器人，一套搀扶我们起床的助力机械臂。

有一天，我们真的老了，希望那台机器已经在过去十几年里，把每一道河都渡过了。那时，机器人真正来到我们身边，成为老年生命的摆渡人。