一、问题的提出

2025年我国《政府工作报告》明确提出“建立未来产业投入增长机制，培育生物制造、量子科技、具身智能、6G等未来产业”，明确将“具身智能”等作为发展新质生产力，加快建设现代化产业体系的重要战略内容。[1]随着具身智能战略地位的确立和技术应用的深化，理论与实务界对具身智能的研究迅速展开。其中，具身智能在人机共融中的作用与对劳动者权利的影响，也成为重要的研究课题。

具身智能的概念源于20世纪80年代末90年代初学者对传统符号主义人工智能的反思。[2]学者们指出，具身智能的产生并非依赖中心处理系统和符号推理，而是在与环境持续交互中，通过身体结构和感知一运动机制的自然涌现。[3]1999年“人机共融”概念提出，学者主张将人类特有的直觉、判断、同情心、创造力，与机器所具备的机械效率、规模经济、大数据处理能力结合，以实现优势互补、功能融合。[4]具身智能的应用凸显了“人机共融”特征，是人工智能从“虚拟”走向“物理世界”的关键。其在劳动领域的应用，必将深刻变革产业结构、社会协作方式，并重塑“人机融合”中的劳动形态、用工模式及权利关系。

当前，关于人工智能对劳动者权利影响的研究已形成一定共识：人工智能应用对劳动者权利构成显著挑战，[5]主要体现在技术性失业、算法劳动管理、智能监控与隐私侵害等方面。学者普遍呼吁加强监管：在技术性失业与就业保护方面，主张明确灵活就业的权利边界、完善社会保障机制；[6]在算法劳动管理与劳动者自主性保护方面，强调对数字用工特殊问题进行补充性制度设计；[7]在职场智能监控与隐私权保护方面，主张界定劳动者职场隐私范围，平衡劳动者隐私权与雇主管理权。[8]

既有研究为本文提供了较好的分析框架和逻辑起点，但主要聚焦于弱人工智能对劳动关系与权利保障的影响，对于具身智能等强人工智能形态在劳动用工领域深度介入带来的权利结构变化与现实挑战，尚未系统展开研究。具身智能因具有与人类共同深度参与劳动过程的能力，将催生更加多元化、非标准化的劳动形态，并可能引发大规模劳动替代。尤为关键的是，具身智能依托多模态大模型对物理世界劳动者行为数据进行全方位、高精度收集，导致劳动者被深度算法化、数据化，其劳动信息被“原子化”解析，个体近乎“透明化”，数据隐私权面临危机。同时，“人机共融”环境下，劳动者身体安全与精神健康遭受具身智能直接或间接伤害的风险显著增大。面对这些新型风险，本文将以具身智能在劳动领域应用形成的“人机共融”特征为基点，深入剖析劳动者就业权、人格权、数据隐私权和职业安全权等核心权利具体的实现障碍，进而以社会法权利理论为基础，提出切实可行的权利保障路径。

二、具身智能的运行逻辑与“人机共融”特征

区别于传统算法技术或平台控制，具身智能的核心突破在于使人工智能系统从虚拟空间或软件层面具象化为机器人、自动化设备等物理载体，使其能够直接、深入参与人类劳动过程，这种深度融合催生了“人机共融”的新范式，展现出区别于传统自动化与算法辅助劳动的深层特征。

（一）具身性嵌入：人工智能的物理实体化与空间共享

具身智能的核心在于其“具身性”。智能不再仅是抽象算法或大模型，而是依托物理实体（如协作机器人、人形机器人、移动机器人、外骨骼机器人）直接嵌入人类劳动空间。正如世界机器人大会发布的《人形机器人十大趋势展望》所指出的，具身智能是可以在高变化下做出迅猛、精准反应的高质量、高性能智能系统，它既不是单纯虚拟环境下的计算机仿真，也不是完全偏于物理空间的机电系统，与人形机器人系统紧密相关。[9]这些物理实体具备较高的灵活性和安全性，能与劳动者共享同一物理空间并实时物理交互（如协同搬运、装配）。这种物理存在改变了人机关系。随着劳动环节被精细拆解为数据化链条，劳动者间的有机协作客观上可能被割裂，其工作模式更多转向配合智能体输出与反馈。物理实体的存在与交互，是“人机共融”的基础。

（二）适应性协作：从被动执行到动态协同的智能跃迁

具身智能区别于传统自动化设备的关键在于其强大的动态学习与环境适应能力。它通过内置的进化式学习机制，减少对预设程序的依赖，[10]能够在复杂多变的任务环境中表现出鲁棒性（系统抗干扰能力）和灵活性。这种能力使其不仅能够精准识别环境变化，还能理解岗位技能要求，结合实时劳动数据作出智能调整。具体协作中，具身智能能将人类指令（语言或非语言信号，如手势、表情）高效分解为可执行技能，并通过深度学习完成执行。这种基于数据驱动与深度学习的动态适应能力，推动具身智能突破“被动从属”的旧范式，实现更高层次的“适应性协作”，在“人机共融”中其主体性得到体现。

（三）自主性决策：全景化数据采集与算法主导的管理渗透

具身智能不仅是执行者，还逐渐成为具备自主决策能力的智能主体。它通过传感器网络、生物识别技术与大模型算法，对劳动者的行为轨迹、情绪状态、操作流程乃至注意力情况进行全景化、持续性的数据采集与分析。这使其不仅承担操作性任务，还被赋予了行为监控与管理决策功能。比如实时识别工作偏差和操作异常，基于历史数据建模与行为预测自动作出任务分配与工作节奏调整等管理决策。这种算法主导的智能管理模式，正逐步取代传统管理模式。其核心逻辑在于，将劳动过程高度数据化，并以此作为算法控制的依据，最终形成一种以效率优先为导向的技术支配。在此过程中，劳动者的行为被持续解析，过程趋于透明化，隐私与个人信息保护面临严峻挑战。数据驱动的自主决策与管理渗透，是“人机共融”中权力结构转变的关键。

（四）联通性执行：分布式协作与高危环境风险缓释

在矿井作业、核设施维护、危险化学品处理、消防与救援等高危复杂环境中，劳动者长期面临爆炸、中毒、坍塌、高温等致命威胁。具备高度联通性执行能力的具身智能体系统，能够在这些复杂危险环境中独立作业并高效协同，有效替代人类执行高危操作任务，显著降低人身伤害风险。区别于传统的集中式控制系统，具身智能体系统更倾向于采用“去中心化”或“分布式”模式，[11]每个智能体能够根据相邻智能体状态变化实现联动与协调。这种高度联通性使多个智能体能够构建起智能协作网络，在执行过程中实时共享信息与环境反馈，形成群体智能应对体系。这不仅增强了面对突发风险（如有毒气体泄漏、建筑结构不稳定）时的应急响应能力，而且可以在无需人类介入的前提下，完成风险评估、生命体征探测等关键任务，最大限度降低人员暴露于危险环境的风险。分布式智能体的高效联通与协作，是保障“人机共融”在高危领域安全可行的核心机制。

三、“人机共融”中劳动者权利的实现障碍

具身智能在物理劳动世界中的应用，使得劳动者、劳动工具、劳动方式和劳动关系“在数智化的虚实联动中实现虚实融生”[12]。这种变革对劳动者的就业权、人格权、数据隐私权以及职业安全权等核心权利的实现构成了显著挑战。

（一）具身智能与劳动替代：就业权的结构性侵蚀

在现代法治社会，就业权是一项承载个体生存、社会正义与人的全面发展多重价值的基本权利，其法理基础深厚。在自然法层面，就业权被视为保障生命与尊严的天然权利，是人的本质力量自我实现的途径。在社会契约层面，国家负有保障公民基本生活条件的积极义务，充分就业是维系社会契约正当性的关键。在实证法层面，我国《宪法》第42条规定“公民有劳动的权利和义务”，将就业权上升为宪法性基本权利，《劳动法》《就业促进法》《劳动合同法》等构建了以公平招聘、就业服务为核心的制度性保障体系，其深层法理在于矫正市场经济下的结构性不平等。具身智能的快速发展，导致就业权法理与现实保障之间出现新的紧张关系。

一方面具身智能可能引发大规模技术性失业与岗位消解。具身智能凭借传感器、深度学习算法与“类人”灵巧性，系统性接管大量可量化、标准化的劳动工序，导致装卸工、搬运工等传统岗位快速萎缩，“无人工厂”现象蔓延。其持续性运作、低误差率的优势，使中低技能劳动者面临的劳动替代从临时性转向结构性。原有体力劳动者缺乏再培训支持，陷入技能过时与再就业困境，知识经验价值被削弱，在劳动市场中呈现“非必要化”趋势。

另一方面具身智能可能导致技能结构极化与就业形态去边界化。具体表现为：一是职业技能门槛显著提升与分化加剧。具身智能加速渗透依赖人类判断和创造的领域。据麦肯锡全球研究院测算，近四成知识型岗位的核心任务已可由AI部分完成或自动生成。[13]这迫使高技能劳动者从“任务执行者”转向“任务规划者”与“智能合作者”。同时这对劳动者的多学科复合能力与人机协作能力提出更高要求，加剧了技能结构的分化与极化。二是传统劳动关系范式失效。“人机共融”催生去边界化的就业形态（如高度灵活、人机混合协作），使传统以标准雇佣关系为核心的就业权保护制度（强调机会提供）难以有效覆盖。就业权的实现亟须从制度平等向能力建设（如再培训）和职业转换支持（如保障过渡期）延伸，从形式平等向实质保障跃迁。三是职业认同弱化与不安全感加剧。人类在知识领域的传统垄断被具身智能的认知能力打破，“知识劳动不可替代”的观念被颠覆。岗位流动性加速，职业认同感弱化，加剧了劳动市场的不平等与普遍的职业不安全感。

马克思关于“自动的机器体系”使劳动者沦为“有意识的肢体”的预判，[14]在当前具身智能驱动的“人机共融”中得到了深刻印证：它既表现为劳动职能的深度重构，也表现为人类劳动者主体性在劳动过程中的相对弱化。具身智能带来的效率红利，若缺乏有效的社会政策干预，将不可避免地转化为对就业权的结构性侵蚀。

（二）智能协作与技术规训：人格权在算法管理和技术从属中的消解风险

人格权作为现代民法体系的基石，其法理内核在于捍卫“人之尊严”这一终极价值。从自然法视角看，人格权是人之为人的自然禀赋，其正当性来源于个体的不可替代性与独立性。卢梭、康德等启蒙思想家已明确指出，人应被视为目的而非工具，法律的首要功能是维护人的尊严与自由。我国《民法典》将人格权独立成编，标志着法律体系从“财产中心主义”向“人格本位主义”的深刻转型，其保护由隐性走向显性，并根植于私法体系之中。然而，在“人机共融”中，传统人格权的边界正面临前所未有的扩张压力与重构挑战。具身智能不仅具备模拟、再现甚至操控个体信息的能力，而且通过算法模型、数据分析与深度学习，将个体的人格特征数据化、标签化并嵌入算法管理逻辑之中。这使得以“自然人身份为基准”的传统人格权保护，难以应对数字环境下的新型人格侵害。

具身智能在劳动过程中的深度介入，催生了新型支配关系——“技术从属”。这种技术从属首先表现为管理权的算法化转移，具身智能对工序节奏和行为规范实施实时管控，劳动者实质上从属于算法指令而非传统意义上的雇主，经典劳动法框架中基于企业秩序、所有权或劳动合同所界定的雇主管理权边界被悄然重构。[15]其次表现为雇主主体的隐化与阶层化。“雇主”的指挥控制因具身智能而高度隐形化，劳动者对算法的从属加深，此时“雇主”概念演变为一个行使全部或者部分管理职能的主体阶层。[16]具身智能虽非法律主体，却通过算法模型驱动行使了指挥命令权。再次，重构了人格权形态。传统人格权（如肖像权、声音权、名誉权）被重组重构为“数字人格权”，其核心从自然人的“身体不可替代性”，转向能否实现个体对数据表达与人格象征的自主控制权。

在韦伯“工具理性”的支配下，具身智能的算法管理呈现系统性的人格消解风险。全方位监控与数据化规训，使劳动者的行走轨迹、肢体姿态乃至生理状态（如呼吸节奏）均被纳入算法计算，成为优化效率的输入变量，劳动者被降格为效率链条上的执行节点。算法黑箱与决策不可挑战性，使算法决策过程高度不透明且瞬时完成，[17]劳动者无从验证其逻辑与结果。当劳动过程和结果被包装为“科学高效”，即便面临极限施压或过度劳动，劳动者也难以提出质疑，从而导致“系统合理性优先于人格尊严”的治理悖论。而无所不在的工具化风险，使我们看到这种“技术从属”不是偶发，而是工具理性制度化的必然产物。在此情形下，劳动者的身体与意志面临被“技术工具化”的风险。总之，“技术从属”关系下的算法管理，正在系统性地消解劳动者作为独立人格主体的尊严与自主性。

（三）算法感知与信息支配：全方位监控下的数据隐私危机

在智能社会中，数据隐私权作为一种新型基本权利，其法理基础根植于对个体人格尊严的保护与对信息自主权的确立。传统隐私权强调“私人生活不受干预”，而在大数据、人工智能、算法高度渗透的背景下，个体的生活轨迹、偏好信息、社交网络、消费习惯等全面数据化，“空间性隐私”让位于“信息性隐私”。数据隐私权的核心在于赋予个体对其信息的“知情—控制—决定”的自主性，即所谓“信息自决权”，旨在防止人格在数据系统中被操控与异化。

具身智能的深度介入，正将劳动者的数据隐私置于前所未有的危机之中。在全方位监控与强制感知下，具身智能凭借眼动追踪、表情识别、语音分析乃至脑机接口等多模态传感系统，能够在劳动者不知情或未有效同意的情况下，持续、全方位地捕捉其行为轨迹、情绪状态、生理指标等数据，劳动者被置于一种无处遁形的监控之中，企业通过自设评分体系与隐蔽奖惩机制，完成对劳动者的行为规制与信息支配。[18]

同时，在算法决策与信息支配中，具身智能基于历史行为数据自动生成劳动者的标签，对其进行评分与绩效预测，直接影响其岗位安排、考核结果等实际利益。数据采集的强制性使劳动者处于“被持续感知”的状态中，难以选择退出或限制其使用范围。对行为数据过度的采集、存储和使用，将原本属于个体隐私范畴的信息转化为管理工具。此类判断过程常由不可解释的“黑箱算法”主导，劳动者面临算法性偏见却缺乏知情权与纠偏、更正机制，由此隐含对数据主体评价权与异议权的剥夺。在这种数据的无穷获取和分析下，大数据、机器学习等技术发展对用户隐私形成挑战。[19]劳动者数据隐私的边界越来越模糊，这不仅侵害劳动者个体隐私权，还使劳动者逐步失去以真实能力参与公平竞争的机会。在具身智能的劳动场景中，现行劳动法与隐私保护法存在严重空白，数据保护法与人工智能法亦未充分覆盖。隐私、个人信息和劳工权利等因个人遭受的数据信息损害不被侵权法所承认而无法获得充分的保护。[20]大量劳动数据被平台视为算法训练资源，不为劳动者所有或共享。“劳动数据资产化”趋势，实质上构成对劳动者劳动过程贡献与数据生成能力的隐形掠夺。

总之，具身智能驱动的“算法感知”与“信息支配”，正通过强制性的全方位数据采集、黑箱化的算法决策、法律保护的缺失以及数据的资本化占有，系统性侵害劳动者的数据隐私权，并深刻威胁其人格尊严与公平发展机会。

（四）安全风险与责任承担：人机交互中的职业安全权挑战

职业安全权是劳动者基本权利的重要组成部分。现代劳动法已超越传统民法，基于劳动关系固有的组织化、制度化与不对等性，确立了以“保护为本位”的规范导向。从自然法与人权理论角度观察，职业安全权源自个体享有的生命权与健康权，属于“人之为人”的基本权利之一。在我国，职业安全权具有宪法性保障基础，《宪法》第42条、第45条分别规定了“保障劳动者安全与健康”的国家义务。以此为基础，《劳动法》《安全生产法》等部门法构建了从宪法价值到具体法益的保护体系。

该权利内涵要求国家积极干预、雇主履行义务与劳动者共同参与，其保护范围已从传统物理伤害，扩展至算法管理引发的过度劳动、精神压力等新型职业危害。具身智能的深度嵌入，在带来显著风险缓释价值（如替代人类执行矿井作业、危化品处理等高危任务，降低特定事故率）的同时，也引入了前所未有的新型交互风险。一方面，人机共享劳动空间使模型运行故障或算法程序失控构成直接人身威胁（如德国大众汽车工人在调试中被“静止”机器人抓起并致重伤[21]）；另一方面，算法固有缺陷或环境数据误读可能导致具身智能发出危及劳动者的错误行动指令。这些风险暴露了严峻的归责困境与法律滞后：事故归责因涉及智能系统错误、操作失误、算法设计缺陷或数据误读等多重因素而高度复杂化；责任主体超越传统“雇主一雇员”框架，延伸至开发者、设计者、数据提供者及部署者；现行《工伤保险条例》认定规则及《安全生产法》等缺乏应对算法黑箱、多主体协作故障等特有风险的责任细则与补偿机制，形成制度真空。这迫切要求职业安全权从以“身体完整”为中心的传统逻辑，转向“身体安全—心理照顾—人格尊严完整性”的三维综合保护体系，明确将算法压力、人机交互焦虑及监控引发的精神损害纳入保护范围，并以“预防原则”与“最小风险原则”为法理基础，推动职业安全权从个体权利上升为风险社会的基本性保障制度。

四、“人机共融”中劳动者权利的实现路径

“人机共融”中劳动者权利保护不能止于对现有规范的被动套用，而应主动对接新型用工形态与协同模式，从劳动替代的治理、劳动管理的规范、数据隐私的保护以及职业伤害的归责等多方面进行强化，建立多元共治的综合保障体系。

（一）以人为本：构建适应具身智能的就业权保障体系

国际劳工组织（ILO）在《健康与安全的变革》报告中强调“以人为中心”是人工智能劳动保护的核心原则。[22]尽管具身智能因其类人的物理形态与自主决策能力在劳动场景中表现出高度智能化，但其本质仍是服务于生产目的的技术性工具。面对具身智能对就业结构的深度冲击，需突破传统被动保障模式，构建分层协同的就业权保障体系。

1.设立“具身智能失业保险”，实现再就业兜底

具身智能引发的劳动替代具有不可逆性、持续性及区域不均衡性，低技能与重复性岗位首当其冲，这加剧了分工两极化和收入差距。传统以“经济周期波动”为基点的失业保险制度对此存在结构性失灵。为此，有必要建立专项保障机制，以“保障—补偿—预警”分层构建专属失业保险与再就业扶持体系。

一是实行专项保险兜底缓冲，在制造、物流等高替代风险行业试点“具身智能失业保障专项保险”，为受冲击岗位劳动者提供6—12个月缓冲期的社会保险缴费支持，并将再就业培训、语言与智能技能强化等所需费用纳入保障范围，构筑第一道安全网。二是实行市场化补偿机制，采取“政府主导投保+商业机构运作”模式。政府设立引导基金并提供保费补贴；保险机构开发商业化“具身智能失业险”产品，按收入损失比例对被替代劳动者发放差额补偿；企业与技术供应方依据替代程度共担保费，为被迫转岗、降薪或待岗人员提供差异化补贴与转岗服务。三是风险预警与责任共担，在制造业集聚区建立“失业风险预警系统”，要求部署具身智能的企业提前申报替代岗位规模、转岗计划及再就业方案，并定期发布“技术替代一就业影响”责任报告，推动企业与社会协同治理。上述措施形成“缓冲保障—市场补偿—风险预防”三位一体的政策闭环，专项保险解决生存焦虑，市场化机制拓展资金与服务可持续性，预警系统通过事前责任绑定降低系统性风险，最终构建技术变革与人机共融中更具韧性的就业保障体系。

2.构建“终身职业培训”体系，破解人岗错配困境

针对具身智能对中低技能劳动者的结构性替代，需突破传统失业补偿模式，发展以在岗提升为核心的终身职业培训制度。该制度旨在解决“失业不离岗、在岗低效能”的人岗错配难题，进而提升中低技能劳动者的智能素养。通过技能升级，使劳动者向具身智能维护、人机协作等高阶岗位转型。国际劳工组织在其报告中强调，要以公共就业服务与职业咨询制度应对数字化转型，强化职业能力开发。[23]我国可从以下几个方面推进终身职业培训升级：一是建立动态能力认证体系，在制度上形成全国统一的培训与评估标准，由政府主导将具身智能相关新职业（如机器人协调师、智能系统维护员）纳入“职业分类标准”目录，开发“原技能一新岗位”智能比对系统，实现个性化转型路径规划。[24]同时，建立岗位能力动态评价系统，认证结果与企业薪酬体系挂钩。二是打造多元协同培训网络，扩充培训供给、降低准入门槛，由高职院校与企业共建智能劳动适应课程，实行低收入群体免费培训，龙头企业开放数字技术实训基地，推行“线上理论+线下实操”混合教学模式。三是确保员工与岗位同步转型，要求引入具身智能设备的企业同步提交《员工技能转型方案》，
······