花旗研究年度機器人與實體AI領導力峰會本週二落幕，花旗分析師Heath Terry在週三早間向客戶發佈的總結中，為行業描繪了一幅謹慎樂觀的圖景：實體AI正從概念驗證邁向商業部署，但規模化擴張仍是一場艱難的十年長跑。

Terry指出，勞動力短缺、製造業迴流以及有利的監管環境，正在加速企業對自動化解決方案的需求。然而，數據稀缺、人才瓶頸、電池續航限制和高昂的部署成本，構成了橫亙在前的核心摩擦點。

峰會上，數據匱乏被反覆提及為最大制約。Instawork在會上拋出一個直觀對比：即便到2026年，全行業能收集到數千萬小時的真實世界數據，這個量級相對於實現高水平機器人性能所需的總數據量，也僅僅是“基點”，而非“百分比”。若將最終所需數據比作一個游泳池，目前積累的數據連一桶水都不到。

這與數字AI形成鮮明反差。大語言模型的基礎模型承載了大部分價值，可快速複製部署。但實體AI的價值核心，在於真實環境中採集的、針對特定任務的專有數據，搭配專用硬件和安全認證。這意味著每進入一個新場景、新任務，幾乎都要從零開始積累數據，無法簡單複用。此外，現有半導體平臺多為數據中心工作負載設計，並非為移動平臺上的實時邊緣推理優化，芯片架構和電池續航也構成關鍵瓶頸。

在商業化路徑上，峰會傳遞出清晰信號：近期真正驅動投資回報的，是Locus Robotics、Dexterity等公司推出的專用自主移動機器人（AMR）和專業化系統，而非備受關注的通用人形機器人。這些進展最快的公司呈現出相似的成功路徑：從一個具體的、高痛點的勞動力問題切入，而非追求通用能力；採用“機器人即服務”（RaaS）模式，將客戶的一次性資本支出轉變為按使用付費的運營支出；並將安全性和可靠性置於模型複雜度之上。

RaaS模式被視為打開中小企業市場的鑰匙。Terry特別提到Symbotic的“倉儲即服務”產品（GreenBox/Exol），認為這一模式有助於將倉儲自動化解決方案推廣至更廣泛的客戶群體，包括此前因成本問題望而卻步的中小型企業。

從需求端看，物流、倉儲和汽車製造是當前自動化採用的核心終端市場。這些場景的共同特點是高頻次、高重複性任務，適合機器人替代。勞動力市場持續緊張、國內製造業加速回流，是推動自動化需求的兩大結構性驅動力。過去兩年，實體AI領域累計吸引約200億美元投資，應用場景覆蓋倉儲、物流、卡車運輸、建築、航空及國防。上週，寶馬披露其位於南卡羅來納州斯巴達堡工廠已有升級版人形機器人在生產線上行走作業，進一步印證了需求的升溫。

Terry的最終判斷直接而剋制：實體AI是十年級別的長期建設，不會像聊天機器人那樣快速爆發。AI和大語言模型的進步，以及真實世界數據與仿真數據的日益豐富，正在推動技術持續迭代——硬件與軟件更深度集成，系統隨使用積累變得更“聰明”。但這個過程是漸進的，而非躍變式的。花旗認為，長期價值將積累在那些掌握數據飛輪、解決真實部署問題、並達到最高安全標準的公司手中。