屏幕里的 AI 可以把错误藏在下一次回答里。进入现实世界以后，错误会占据空间、消耗时间，甚至让某个东西真的撞上桌角。模型从“会说”走向“会做”，工程问题也随之换了一套尺度。

现实世界首先是一只钟

在纯软件系统里，几百毫秒常常只是一次不够顺滑的交互。对机器人来说，它可能意味着相机看到的画面已经过期，目标已经移动，上一条控制指令却还在路上。

因此 Physical AI 的第一层基础设施不是模型，而是时间：时钟是否一致、消息是否按预期到达、延迟的上界是否能被观察。只有这些条件稳定下来，感知、规划和控制才是在讨论同一个世界。

仿真不是现实的替身

仿真最宝贵的地方，不是把现实复制得一模一样，而是让失败变得便宜。我们可以加速时间、重复极端情况、保存某一刻的状态，再精确地从那里重来。它把偶然事故变成可重复实验。

但仿真也会慷慨地提供现实里没有的确定性：干净的传感器、稳定的摩擦系数、永远准时的数据。真正的迁移工作，不只是缩小 sim-to-real gap，更是主动把不确定性请进系统，让策略学会承认自己不知道。

智能不是始终给出动作，而是知道什么时候应该慢下来、再看一眼。

接口决定智能如何落地

一个“聪明”的模型，如果只能通过脆弱的脚本连接设备，就仍然是一段演示。让能力变成系统，需要清晰的接口：消息格式、超时、重试、安全停止，以及人在必要时如何接管。

这也是为什么我越来越关心 AI 周围那些看起来不够“AI”的部分——网络、ROS 2、设备身份、可观测性和交互设计。模型决定上限，接口决定它是否能在现实中活过第一天。

从一个房间开始

“通用机器人”是一个很远的词。一个房间则足够具体：光线会变，网络会抖，人会突然走进路径，物体不会永远待在标注的位置。把一个系统放进这样的空间，认真处理每一个边缘情况，本身就是通往更大问题的路径。

AI 走出屏幕，并不是多了一副机械身体，而是终于开始为自己的动作承担后果。