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在週三發佈的總結中直言，實體AI的規模化擴張是一場“十年長跑”，短期內難以複製聊天機器人式的爆發增長。

Terry指出，勞動力短缺、製造業迴流和有利的監管環境正在加速企業對自動化的需求，但數據稀缺、人才瓶頸、電池續航限制和高昂的部署成本構成主要摩擦點。其中，數據問題被與會者反覆提及，成為制約行業發展的最大瓶頸。

Instawork在峰會上給出一個直觀對比：即便到2026年全行業收集了數千萬小時的真實世界數據，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”級別，而非“百分比”。這意味著，如果把最終所需數據比作一個游泳池，當前積累連一桶水都不到。

與數字AI不同，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，加上專用硬件和安全認證，每進入一個新場景、新任務，幾乎都要從頭積累數據。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成為關鍵制約。

在商業化路徑上，峰會傳遞出清晰信號：進展最快的公司並非追逐通用能力，而是從一個具體的、高痛點的勞動力問題切入，採用“機器人即服務”（RaaS）模式降低客戶前期採購門檻，並將安全性和可靠性置於模型複雜度之上。Terry認為，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和專業化系統，而非備受關注的通用人形機器人。

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。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。上週，寶馬披露其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，顯示出需求端的實際推進。

RaaS模式被視作打開中小企業市場的鑰匙。它將一次性資本支出轉變為按使用付費的運營支出，大幅降低採用門檻。Terry特別提到Symbotic的“倉儲即服務”產品，認為這一模式有助於將自動化解決方案推廣至此前因成本問題卻步的中小企業。

Terry的最終判斷是，實體AI是十年級別的長期建設，AI和大語言模型的進步、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，但過程是漸進而非躍變。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。