世界人形機械人運動會上，一個頗有諷刺意味的場面出現了：機械人已經可以跑得比人類百米紀錄更快，卻可能為插一根電纜折騰半天。
這件小事，也許比百米紀錄更值得注意。
過去人們容易低估感覺和運動的難度。機械人要理解語言、分析問題、規划行動，當然屬於「高級智能」；至於拿東西、插插頭、繫鞋帶，似乎只是低級勞動。大模型的發展卻揭示出另一幅圖景：今天的AI可以編程序、解數學題，也能清楚說明怎樣把插頭插進插座；真正讓它控制一隻機械手，面對位置和角度從未預設的插孔，卻可能屢次失敗。
需要說明的是，固定位置、固定軌跡的插接並不困難，傳統工業機械人早已能夠完成。真正困難的是：不給機械人預先建立物體模型，不規定抓握姿態和運動軌跡，只告訴它最終目標，讓它根據視覺、觸覺和接觸變化臨場處理，並在失敗後自行恢復。
人插電纜雖然不需要有意識思考，卻不是沒有「軟件」。視覺、本體感覺、觸覺、小腦、脊髓、肌肉和關節組成了一套複雜的閉環系統。插頭碰到邊緣，手會自動減力、調整角度、重新尋找位置。高級意識只發出一句「把插頭插進去」，下面大量工作已經由身體的後台系統完成。
所謂「低級神經」，其實一點也不低級。
AI為什麼反而首先突破語言、程序和數學？一個重要原因，是人類幾千年來已經把大量高級思考記錄下來。書籍、論文、數學證明、法律判決和程序代碼，都是可以直接用於訓練的數據。可是幾十億人每天怎樣走路、拿杯子、使用五根手指，受到某種力量以後怎樣在極短時間內調整，人類幾乎沒有留下系統記錄。
Physical AI缺少的，某種意義上正是這樣一個「身體互聯網」。
現在出現了新的可能。高級AI雖然還不能直接充當完美的機械人頭腦，卻已經可以明顯加快機械人研究：分析大量實驗，尋找失敗規律，生成控制策略，在仿真環境中反覆試驗，再由真實機械人驗證；機械人遇到的新異常，又可以成為下一代模型的訓練數據。
其中一部分能力還可能下沉到機械手內部的實時控制器和專用晶片。未來購買一隻機械手，也許類似今天購買一個成熟電子模塊：它已經自帶抓握、力控、防滑、碰撞恢復和細微位置修正。高級AI只需要發出「把杯子拿過來」的目標，機械手內部的「人工小腦和脊髓」自行完成大部分動作。
這並不要求機械人首先達到人手的完美通用性。
更現實的商業模式是人機分工：機器完成絕大多數重複動作，遇到低置信度或異常情況時請求人類介入。一名操作員不必全程遙控一台機器，而可以同時照看多台，只在破損包裹、纏繞物、異常插接等少數情況下提供判斷。人類處理異常的過程，又會成為最有價值的失敗恢復數據。
在這種模式下，真正重要的指標不是展會上某次動作的成功率，而是每小時需要人工介入多少次、每次介入多長時間、一名操作員能夠照看多少台機器，以及計算維護和停機以後，單位任務成本究竟是多少。
如果這一方向成立，美國面前確實出現了一次難得的產業糾錯機會。
美國仍然擁有前沿AI、先進晶片、資本市場和高價值應用場景。更重要的是，美國人工昂貴。倉儲、製造、夜班和危險作業的綜合人工成本遠高於中國，因此機械人即使價格較高，也更容易在美國證明投資回報。
這同時構成了一種危險。
中國擁有完整的製造供應鏈，機械人硬件價格下降很快，但中國普通製造業和倉儲人工同樣便宜。售價三四十萬元人民幣的人形機械人，未必打得過當地工人。相反，中國機械人如果進入美國，就可以用中國的低製造成本替代美國的高價人工，迅速獲得訂單、利潤、真實運行數據和規模優勢。
美國市場可能成為中國機械人完成商業閉環的最佳訓練場。
這一次，美國已經沒有完全袖手旁觀。2026年7月，FCC把外國生產的先進機械人設備加入Covered List，原則上阻止新的外國人形和四足機械人取得設備許可並進入美國市場，同時保留經安全審查後有條件批准的通道。
這一步是對的。美國沒有等中國機械人建立客戶、維修網絡和軟件生態以後再處理，而是在市場格局尚未固化時先關上了門。
但關門不是勝利，只是爭取時間。
美國過去已經交過不少學費。美國擅長基礎研究和從0到1，產品出現以後，卻常常嫌製造利潤薄、資本回報慢，於是把成本工程和規模生產交給別人。別人從1做到100，供應鏈逐漸完整，工人越來越熟練，產量越來越大，成本越來越低，最後反過來向技術高端推進。
光伏、電池、消費電子和無人機，都多少留下過這樣的影子。
機械人如果再走一次，後果尤其嚴重。機械人不是普通消費品，而是生產其他商品的工具。依賴中國消費品已經是供應鏈問題；如果再依賴中國製造的「機器工人」，美國即使拉回一些廠房，決定生產效率、軟件升級、維修保障和成本結構的底層能力仍可能掌握在中國手中。
因此，美國限制中國機械人，只完成了前半步。後半步必須由美國政府和企業共同完成。
政府可以提供早期採購、測試場景、訓練設施、投資抵免和關鍵零部件支持，但不能永久保護任何一家公司的利潤。特斯拉做不好，就讓Figure、波士頓動力或其他新公司來；美國公司之間仍要競爭，也應允許日本、韓國、歐洲等可信體系的企業參與。
美國公司則必須把樣機變成產品，把產品變成產量，把第一代的高成本當作必須消滅的技術缺陷，而不是值得永久維持的利潤來源。
假設美國首先造出了10萬美元、真正能夠工作的機械人，中國則有2萬美元但能力較弱的機械人。美國企業最危險的想法，就是認為自己技術先進，所以理所當然應該維持10萬美元高價，把領先全部兌現成高毛利。
真正應該做的，恰恰是主動把10萬美元打到5萬，再打到3萬。
機械人越便宜，部署越多；部署越多，供應鏈規模越大；規模越大，成本越低；真實運行的機械人越多，Physical AI獲得的數據也越多。軟件進步又提高可靠性，進一步擴大部署。
這是一個可能決定未來製造業歸屬的正反饋循環。
第一代貴不是問題。新技術本來就貴。真正的問題是，企業究竟把「貴」看作利潤來源，還是看作必須儘快解決的缺陷。判斷產業是否成功，也不應只看第一代產品的毛利率，而應看五年以後，美國及可信盟國體系究竟部署了多少機械人，控制了多少關鍵零部件、軟件平台和真實運行數據。
美國政府目前至少已經避免了最愚蠢的一步：一面呼喊製造業回流，一面讓中國製造的機器勞動力進入美國，用美國客戶的利潤和數據訓練中國機械人產業。
接下來，如果政府只禁不建，審批拖延、採購不足、能源和工廠繼續受到阻礙，那是政策失敗。
如果政府已經留下市場、提供基本條件，而美國公司仍然沉迷估值、發佈會和高毛利，不肯量產、降價和建立供應鏈，那就是企業自己的失敗。
過去幾十年的產業轉移已經告訴美國：發明並不等於擁有產業，技術領先也不會自動保存製造能力。
這一次，風險已經看見，市場窗口也已經留下。
美國公司若能藉此努力，無論最後勝負如何，至少已經盡力。若仍把從1到100交給別人，以後再埋怨中國、全球化或者資本市場，就沒有多少意義了。
第一次可以說沒有看清。
這一次若仍然錯過，只能說是自己的選擇。