机器人再次成为美国监管焦点，但讨论已不只围绕功能，而是延伸到控制权、数据采集和供应链透明度。美国联邦通信委员会（FCC）今年7月把外国制造的先进机器人设备列入其认为可能构成国家安全或公共安全风险的技术清单，新设备因此难以取得在美国进口、营销或销售通常所需的FCC授权。
相关限制广泛涉及能够收集环境信息的先进移动机器人，包括人形机器人和四足机器人。监管部门担忧，这类设备可能被用于监视、收集敏感数据，或受到远程干扰。文章指出，硬件来源只是安全问题的一部分；如果机器人持续把厂内信息发送到外部云端处理，企业还必须评估数据流向和访问权限。
运动控制和安全监测等核心功能本就必须在本地完成。随着监管要求提高，环境理解、异常响应和任务级决策等更高层AI负载也可能更多迁移到机器人端或厂内服务器。这样可以减少网络依赖和运营数据外流，但也要求在有限算力下完成推理。
这一变化可能提升小型语言模型（SLM）在工业场景中的吸引力。与面向通用问答的大模型相比，SLM可针对具体工厂数据和任务进行微调，以较低算力在边缘硬件运行，同时支持同一设施内相近任务的调整。
本地化程度提高也会增加系统集成责任。机器人厂商和集成商需要证明控制器、传感器、安全系统与AI硬件经过协同测试，说明关键部件来源，并持续提供安全、治理和维护支持。企业采购机器人时，也将更关注数据是否留在本地及底层组件是否可追溯。
