中国正在快速扩大人形机器人生产，美国则仍在为数据中心、电力供应、审批和成本争论。把两幅画面放在一起，很容易产生一种焦虑：中国已经进入机器人时代，美国却还在讨论给AI建多少数据中心。
这种担心并非毫无根据，但可能把问题看反了。
今天人工智能最奇怪的地方，是“大脑”和“小脑”的发展严重失衡。
最先进的大模型已经能够写程序、分析文件、解决数学问题、制定计划，在不少认知任务上甚至超过普通工作人员。假如让AI理解一句“把厨房收拾干净”，它大概不会不知道这句话是什么意思，也不会不知道碗应该放在哪里。
真正困难的是下一步。
机器人怎样拿起一个湿漉漉的玻璃杯而不让它滑落？怎样发现插头偏了两毫米，自动调整手腕？踩到软地毯怎样保持平衡？有人突然从旁边撞过来，怎样既不摔倒，也不把人撞伤？
这些事情，人甚至不需要思考。
小脑、脑干、脊髓以及大量感觉运动回路早已替我们完成。一个智力普通的人不会解微积分，却可以一边说话一边下楼梯，手里的杯子快滑落时甚至来不及产生一个完整念头，手指已经自动增加了力量。
机器却恰恰相反。
它已经会解题、写诗、编程，却还不会可靠地使用自己的身体。
因此，从改善人类生活的实用角度看，Physical AI当前最短的木板，可能已经不是“大脑”，而是“小脑”。
这也意味着研发思路值得改变。
当然应该继续有人追求更强的大模型，就像体育界永远应该有人挑战百米九秒。但普通社会并不需要几十亿个百米运动员。一个人跑十五秒、二十秒，丝毫不妨碍他生活和工作。
机器人也是一样。
我们并不需要家庭机器人跑百米九秒，也不需要它后空翻，更不需要它把人类运动员全部击败。
先做到一个普通成年人能够做到的事情就够了。
站得住，走得稳，东西拿得牢，插头插得准，遇到障碍会绕，碰到人会收力，摔倒能够起来，东西滑了知道补救。
而且连续八小时不闯祸。
如果这个目标能够达到，即使高级AI从今天开始几年不再进步，意义都已经非凡。因为今天已有的AI大脑，已经足以理解大量普通人的工作要求。缺少的只是一个能够把这些要求可靠变成物理动作的身体。
那么为什么不能反过来，用已经相当聪明的“大脑”训练“小脑”？
而且不必急着一步造出万能机器人。
先训练插电缆。
在数据中心制造几百万种虚拟情况：位置偏一点，角度歪一点，摩擦力不同，视觉有噪声。让高级AI、强化学习和物理模拟不断试错，最后把成功策略压缩成一个小模型。
做好以后装进机器人。
然后训练抓杯子，再训练平衡，再训练上下楼梯、开门、使用工具、碰撞反射。
一个一个来。
最初也许有一千个低级技能，后来逐渐发现它们共享某些基本原理，于是一千个变成一百个模块，一百个模块又逐渐统一成十几个系统。最后，或许才出现真正意义上的“人工小脑”。
这样看，数据中心的意义也可能与今天的想象不同。
未来当然需要大型数据中心继续训练最先进的AI，但机器人增加一百倍，并不意味着数据中心也必须增加一百倍。
昂贵的算力可以负责训练，训练出来的能力则可以蒸馏、压缩，最终装进机器人的本地芯片。
数据中心负责上学，机器人毕业以后自己工作。
第一套“人工小脑”也许耗费几十亿美元训练，但第1000万套不需要重新训练，只需要复制芯片和软件。
这也改变了美中机器人竞争的观察方法。
中国今天最大的优势非常清楚：机器人身体便宜，供应链完整，生产速度快，真实机器数量多。这些都是真本事。
美国的问题则是身体贵、制造规模暂时较小。
但美国并不是造不出机器人身体。更重要的是，美国目前仍拥有顶尖AI、高端训练芯片、庞大算力和深厚的软件体系。
如果真正的瓶颈是“小脑”，那么美国最重要的事情就未必是今年一定要生产比中国更多的人形机器人，而是把现有优势压向这个瓶颈。
让一部分公司继续挑战更聪明的大脑。
让另一批公司专门干那些看起来一点也不高端的事情：
把抓取做到可靠，把平衡做到可靠，把插接做到可靠，把触觉和力反馈做到可靠。
一样一样来。
身体即使开始贵一点也不要紧。因为机器人还有一个过去工业品少有的特点：机器人最终可以参与制造机器人。
只要第一代真正能够工作，它就可以进入零件厂和装配线。第二代成本下降，再生产第三代。今天美国制造业人工成本高的问题，恰恰可能由机器人自己逐渐解决。
当然，中国也完全可能先突破。
如果中国不仅能够制造廉价身体，还依靠自己的AI、芯片和软件率先造出了成熟“人工小脑”，那就应该承认：中国这一局做得更好。
现在却没有必要提前宣布胜负。
Physical AI真正改变世界的那一天，未必是机器人第一次跑进九秒，也未必是第一次完成漂亮的后空翻。
更可能是一个毫不起眼的早晨：
一个动作并不漂亮的机器人起床工作，走路不摔，东西不掉，插头不坏，碰到人知道躲，连续干八小时，然后第二天继续上班。
AI的大脑已经足够令人惊讶。下一道真正改变普通人生活的门槛，也许只是让它拥有一个普通人的“小脑”。