花旗研究年度机器人与实体AI领导力峰会本周二落幕，花旗分析师Heath Terry在周三早间向客户发布的总结中，为行业描绘了一幅谨慎乐观的图景：实体AI正从概念验证迈向商业部署，但规模化扩张仍是一场艰难的十年长跑。

Terry指出，劳动力短缺、制造业回流以及有利的监管环境，正在加速企业对自动化解决方案的需求。然而，数据稀缺、人才瓶颈、电池续航限制和高昂的部署成本，构成了横亘在前的核心摩擦点。

峰会上，数据匮乏被反复提及为最大制约。Instawork在会上抛出一个直观对比：即便到2026年，全行业能收集到数千万小时的真实世界数据，这个量级相对于实现高水平机器人性能所需的总数据量，也仅仅是“基点”，而非“百分比”。若将最终所需数据比作一个游泳池，目前积累的数据连一桶水都不到。

这与数字AI形成鲜明反差。大语言模型的基础模型承载了大部分价值，可快速复制部署。但实体AI的价值核心，在于真实环境中采集的、针对特定任务的专有数据，搭配专用硬件和安全认证。这意味着每进入一个新场景、新任务，几乎都要从零开始积累数据，无法简单复用。此外，现有半导体平台多为数据中心工作负载设计，并非为移动平台上的实时边缘推理优化，芯片架构和电池续航也构成关键瓶颈。

在商业化路径上，峰会传递出清晰信号：近期真正驱动投资回报的，是Locus Robotics、Dexterity等公司推出的专用自主移动机器人（AMR）和专业化系统，而非备受关注的通用人形机器人。这些进展最快的公司呈现出相似的成功路径：从一个具体的、高痛点的劳动力问题切入，而非追求通用能力；采用“机器人即服务”（RaaS）模式，将客户的一次性资本支出转变为按使用付费的运营支出；并将安全性和可靠性置于模型复杂度之上。

RaaS模式被视为打开中小企业市场的钥匙。Terry特别提到Symbotic的“仓储即服务”产品（GreenBox/Exol），认为这一模式有助于将仓储自动化解决方案推广至更广泛的客户群体，包括此前因成本问题望而却步的中小型企业。

从需求端看，物流、仓储和汽车制造是当前自动化采用的核心终端市场。这些场景的共同特点是高频次、高重复性任务，适合机器人替代。劳动力市场持续紧张、国内制造业加速回流，是推动自动化需求的两大结构性驱动力。过去两年，实体AI领域累计吸引约200亿美元投资，应用场景覆盖仓储、物流、卡车运输、建筑、航空及国防。上周，宝马披露其位于南卡罗来纳州斯巴达堡工厂已有升级版人形机器人在生产线上行走作业，进一步印证了需求的升温。

Terry的最终判断直接而克制：实体AI是十年级别的长期建设，不会像聊天机器人那样快速爆发。AI和大语言模型的进步，以及真实世界数据与仿真数据的日益丰富，正在推动技术持续迭代——硬件与软件更深度集成，系统随使用积累变得更“聪明”。但这个过程是渐进的，而非跃变式的。花旗认为，长期价值将积累在那些掌握数据飞轮、解决真实部署问题、并达到最高安全标准的公司手中。