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在周三发布的总结中直言，实体AI的规模化扩张是一场“十年长跑”，短期内难以复制聊天机器人式的爆发增长。

Terry指出，劳动力短缺、制造业回流和有利的监管环境正在加速企业对自动化的需求，但数据稀缺、人才瓶颈、电池续航限制和高昂的部署成本构成主要摩擦点。其中，数据问题被与会者反复提及，成为制约行业发展的最大瓶颈。

Instawork在峰会上给出一个直观对比：即便到2026年全行业收集了数千万小时的真实世界数据，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”级别，而非“百分比”。这意味着，如果把最终所需数据比作一个游泳池，当前积累连一桶水都不到。

与数字AI不同，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，加上专用硬件和安全认证，每进入一个新场景、新任务，几乎都要从头积累数据。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成为关键制约。

在商业化路径上，峰会传递出清晰信号：进展最快的公司并非追逐通用能力，而是从一个具体的、高痛点的劳动力问题切入，采用“机器人即服务”（RaaS）模式降低客户前期采购门槛，并将安全性和可靠性置于模型复杂度之上。Terry认为，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和专业化系统，而非备受关注的通用人形机器人。

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。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。上周，宝马披露其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，显示出需求端的实际推进。

RaaS模式被视作打开中小企业市场的钥匙。它将一次性资本支出转变为按使用付费的运营支出，大幅降低采用门槛。Terry特别提到Symbotic的“仓储即服务”产品，认为这一模式有助于将自动化解决方案推广至此前因成本问题却步的中小企业。

Terry的最终判断是，实体AI是十年级别的长期建设，AI和大语言模型的进步、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，但过程是渐进而非跃变。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。