花旗实体AI峰会：数据匮乏、成本居高，机器人规模化“需十年长跑”

来源：华尔街见闻

花旗研究年度机器人(16.660, 0.74, 4.65%)与实体AI领导力峰会于本周二落幕。会议聚集了机器人行业的创始人、投资人、运营方及高管，共同审视“实体AI”的发展现状。

花旗分析师Heath Terry在周三上午梳理了核心观点：行业正从概念验证迈向商业落地，但同时警示，机器人的规模化推进仍面临诸多障碍。

Terry向客户指出：“劳动力短缺、制造业回流以及良好的监管环境正在加速企业需求，而数据匮乏、人才短缺、电池续航瓶颈和高昂的部署成本，依旧是核心阻力。”

会上，与会者频繁讨论同一关键制约：数据匮乏。

Instawork在会上强调，即便2026年全行业收集了数千万小时的真实场景数据，这一规模相对于实现高水平机器人性能所需的总体数据量而言，也只是“基点”（basis points），远未达到“百分比”（percentage points）级别。

这一比喻十分形象：倘若将最终所需数据量比作一个泳池，目前已收集的数据甚至不足一桶。

与数字AI不同，大语言模型的基础模型本身承载了绝大部分价值，能够迅速复制和部署。然而实体AI的价值核心在于：在真实环境中采集的、针对特定任务的专有数据，加上专用硬件和安全认证。这意味着每一个新场景、新任务，几乎都要从零积累数据。

另外，电力供应、电池续航和芯片架构同样构成关键瓶颈。与会者表示，现有半导体平台针对的是数据中心工作负载，并未针对移动平台上的实时边缘推理进行优化。

峰会上，商业化进展最快的公司——涵盖人形机器人、仓储自主移动机器人（AMR）、自动驾驶卡车及建筑机器人——均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，降低客户的前期采购门槛；

将安全性与可靠性置于模型复杂度之上。

Terry认为，近期真正带来投资回报的，是Locus Robotics、Dexterity等公司推出的专用AMR和专业化系统，而非备受瞩目的通用人形机器人。

人形机器人虽吸引了大量投资热情，但短期内的商业回报仍主要源自这些“专用机器”。

过去两年，实体AI领域累计吸引约200亿美元投资，应用场景涵盖仓储、物流、卡车运输、建筑、航空及国防。

上周，宝马（BMW）透露，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。

从需求端来看，多位与会嘉宾表示，物流、仓储和汽车制造是当前自动化采用的核心终端市场——这些场景的共同特征是：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(6.640, -0.06, -0.90%)。自动化能够提升产能、增加设备运行时间、改善运营效率和精度，从而支撑健康的投资回报率。

高昂的前期成本，一直是中小企业采用机器人的最大障碍。

“机器人即服务”（RaaS）模式的出现，将一次性资本支出转化为按使用付费的运营支出，大幅降低了采用门槛。

Terry特别提及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。

Terry的最终判断清晰而直接：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”。但这一过程是渐进的，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。