花旗峰會：機器人規模化是十年長跑
Miles Bennett
花旗年度機器人峰會判斷，實體AI正從概念驗證邁向商業部署，但數據稀缺、電池續航和高部署成本三重瓶頸意味著規模化是十年長跑，不會像聊天機器人般快速爆發。
為甚麼數據才是最大的樽頸？
與會者反覆提到：即使全行業到2026年收集了數千萬小時真實世界數據，相對於實現高水平機器人性能所需的總量，也僅相當於「基點」而非「百分比」。這意味著→ 數據缺口不是差一點，而是差幾個數量級。
簡單來說＝ 大語言模型可以靠互聯網上已有的海量文本訓練，但機器人必須在真實環境裡逐個場景採集數據，每換一個任務幾乎從零開始。
這反映出實體AI與數字AI的根本差異：價值不在模型本身，而在專有數據＋專用硬件＋安全認證的組合。
為甚麼專用機器比人形機器人更快賺錢？
花旗分析師特里指出，近期真正驅動投資回報的是Locus Robotics、Dexterity等公司的專用自主移動機器人，而非通用人形機器人。
商業化最快的公司路徑相似：從高痛點勞動力問題切入，不追求通用能力；採用「機器人即服務」（RaaS）模式降低客戶門檻；把安全和可靠性放在模型複雜度之上。
簡單來說＝ 人形機器人吸引眼球和投資熱情，但短期利潤來自那些只做一件事、做得很穩的專用機器。
200億美元投向了哪些場景？
過去兩年，實體AI領域累計吸引約200億美元投資，覆蓋倉儲、物流、貨車運輸、建築、航空及國防。
核心終端市場是物流、倉儲和汽車製造，共同特點是高頻次、高重複性任務。上周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產線上作業。
這意味著→ 資金正沿著「確定性最高的場景」往下灌——越是重複性強、用工缺口大的環節，自動化越先落地。
RaaS模式怎樣打開中小企業市場？
高昂的前期資本支出一直是中小企業部署機器人的最大障礙。RaaS（機器人即服務）模式把一次性採購變成按使用付費的營運支出，大幅降低門檻。
特里特別提到Symbotic的「倉儲即服務」產品（GreenBox/Exol），認為該模式可將倉儲自動化推廣至此前因成本望而卻步的中小型企業。
簡單來說＝ 以前買機器人像買樓，現在RaaS讓它變成租樓——不用交首期，按月付租金。
花旗的終局判斷是甚麼？
特里的結論：實體AI是十年級別的長期建設，不會出現聊天機器人式的快速爆發。
驅動需求的三股力量——勞動力短缺、製造業回流、有利的監管環境——正在加速企業採購意願，但數據稀缺、人才瓶頸、電池續航和部署成本仍是主要摩擦點。
這意味著→ 花旗認為長期價值將集中在掌握數據飛輪、解決真實部署問題並達到最高安全標準的公司手中——數據積累速度是這場長跑中最關鍵的分化變量。
Content is for reference only, not financial advice.