數據缺、成本高是死穴！花旗：機器人規模化是十年長跑 RaaS是關鍵 這2家實體AI公司是贏家

花旗研究年度機器人與實體AI領導力峰會週二（7日）落幕，會上匯集機器人領域創辦人、投資者、營運商與產業高層，共同檢視「實體AI」（Physical AI）發展現況。

花旗分析師Heath Terry在會後報告中指出，產業正從概念驗證階段走向商業部署，但規模化擴張仍面臨重重挑戰，其中數據稀缺被與會者一致視為最核心的制約因素。

Terry寫道：「勞動力短缺、製造業回流與有利監管環境正加速企業需求，但數據不足、人才瓶頸、電池續航限制與高昂部署成本，仍是主要摩擦點。」

Instawork在會中強調，即便今年整個產業收集數千萬小時的真實世界數據，相對於實現高水準機器人效能所需的總數據量，僅是「基點（basis points）」而非「百分點」。

不同於數位AI的大語言模型（LLM）可快速複製部署，實體AI的價值核心在於真實環境採集的專有數據、專用硬體與安全認證，意味每一個新場景幾乎都得從頭累積數據。

此外，現有半導體平台多為資料中心工作負載設計，並未針對移動平台的即時邊緣推理最佳化，電力供應與晶片架構亦成關鍵瓶頸。

峰會顯示，商業化進展最快的企業，無論是人形機器人、倉儲自主移動機器人（AMR）、自駕卡車或建築機器人，皆遵循從具體高痛點切入、採用「機器人即服務」（RaaS）模式降低客戶門檻，並將安全性置於模型複雜度之上的相似路徑。

Terry認為，近期真正驅動投資回報的是Locus Robotics、Dexterity等專用AMR與專業化系統，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，物流、倉儲與汽車製造因高頻重複性任務特性，成為自動化採用核心戰場。

近期，BMW亦披露其人形機器人已在自家位於南卡羅來納州工廠上線作業。

RaaS模式將一次性資本支出轉為按使用付費的營運支出，被視為打開中小企業市場的關鍵。

Terry特別提到Symbotic的「倉儲即服務」產品，認為此模式有助將自動化解決方案推廣至更廣泛客群。

Terry最終判斷實體AI是「十年級別的馬拉松」，不會像聊天機器人快速爆發，長期價值將累積在掌握數據飛輪、解決真實部署問題並達到最高安全標準的企業手中。