工联网消息(IItime)  中国工程院院士、华中科技大学李培根在公开场合发表观点时指出：“越是高风险、高复杂度、高外部影响的场景，越需要重新界定人机分工、责任边界与可追溯机制。”这一判断针对人工智能与机器人加速进入工业与公共服务场景的现实，强调高风险场景中的人机分工应更精细，而非更激进，避免在责任边界不清的情况下推进自动化与智能化。

从产业落地看，这一观点把讨论重点从单点技术能力转向系统治理能力。技术能力提升并不自动带来治理能力同步，场景风险越高，人机分工、责任边界与追溯机制越需要前置设计。这为智能制造和机器人应用中的安全治理提供了审慎思路。

人机分工应更精细而非更激进人工智能与机器人进入工业与公共服务场景，应用边界不断扩展。李培根提出，高风险场景中的人机分工应更精细，而非更激进，避免在责任边界不清的情况下推进自动化与智能化。

这一表述指向一个关键问题：在高风险、高复杂度、高外部影响的场景中，自动化与智能化的推进速度不能脱离责任边界的清晰度。从产业落地角度看，精细分工涉及任务颗粒度、异常处置流程、人工接管条件等环节，但这些环节的设定需以场景风险评估为前提。分工越精细，越需要明确哪些任务由机器执行、哪些环节需要人工判断、异常情况下如何处置。对于智能制造和机器人应用而言，这要求企业在方案设计阶段就考虑治理问题，而不是在部署后再作修补。

责任边界与可追溯机制不能后置李培根所提的“责任边界与可追溯机制”，是高风险场景智能化应用无法回避的制度前提。责任边界不清，自动化与智能化的推进就缺乏明确约束；可追溯机制不健全，过程记录、问题定位与责任认定就缺少基础。

工业与公共服务场景中，智能系统往往不是孤立运行，而涉及设备、系统、网络、平台、运营与使用等多环节协同。应用越深入，治理问题越需要前置。对通信与智能系统协同而言，连接、数据、平台能力进入生产与公共服务流程后，安全、责任与追溯需要纳入系统设计。可追溯机制不仅服务于事后追责，也为运行过程中的审计、优化和风险控制提供依据。责任边界与可追溯机制同步设计，才能避免在边界模糊的情况下推进自动化与智能化。

对智能制造与机器人应用的审慎启示李培根的观点为智能制造和机器人应用中的安全治理提供了审慎思路。对行业从业者而言，高风险场景的智能化推进，应把治理设计纳入方案，而不是作为事后补丁；应在责任边界清晰、可追溯机制可用的前提下推进自动化与智能化。

人工智能与机器人加速进入工业与公共服务场景，技术演进与治理完善需要同步。高风险、高复杂度、高外部影响场景的落地，不能只看技术可行性，还要看人机分工是否合理、责任边界是否清晰、可追溯机制是否可用。这一判断对智能制造、机器人应用以及相关智能系统的部署，具有现实参考意义。