具身智能产业正经历从概念验证向规模化落地的花旗或成关键跨越，但其落地路径的数据身智复杂程度远超数字人工智能。

花旗研究院在年度机器人与物理AI领导力峰会后发布最新报告指出，仍具劳动力短缺、业化制造业回流趋势及监管政策放宽正在强劲驱动企业端需求；然而，瓶颈破局数据稀缺、模式高端人才瓶颈、关键电池续航限制以及高昂的花旗或成部署成本，依然是数据身智阻碍行业大规模扩张的核心摩擦点。

分析师Heath Terry强调，仍具最终能在竞争中胜出的业化企业，将是瓶颈破局那些掌握专有真实世界数据、能精准解决特定劳动力痛点，模式并通过“机器人即服务”（RaaS）模式有效降低客户前期投入成本的关键公司。

从概念到部署：行业拐点已至

本次花旗峰会汇聚了机器人领域的花旗或成创始人、投资人、运营商及行业高管。会议达成的核心共识是：物理AI正处于从概念验证转向商业化部署的关键节点，但其规模化路径比数字AI面临更多的操作挑战。

与通用大语言模型不同，物理AI的核心竞争力并非依赖通用基础模型，而是建立在以下三大支柱之上：
1. 在真实环境中采集的专有任务级数据；
2. 定制化硬件系统；
3. 严格的安全认证体系。

Instawork在会议上指出，即便到2026年行业累计采集数据量达到数千万小时，相较于实现高水平机器人性能所需的总量，目前的差距仅处于“基点级别”，而非“百分比级别”。这意味着数据积累仍是巨大的短板。

此外，算力架构同样面临严峻瓶颈。与会专家指出，现有半导体平台主要面向数据中心工作负载设计，难以适配移动平台上的实时边缘推理需求。功耗管理与芯片架构的适配问题正成为新的技术卡点。

RaaS模式：撬动中小企业市场的关键杠杆

在商业模式层面，RaaS（Robotics as a Service，机器人即服务）被视为推动行业加速渗透的核心机制。通过将高昂的前期资本支出（CapEx）转化为灵活的订阅制或按使用付费模式，RaaS显著降低了中小企业的采购门槛。

报告特别提及Symbotic推出的“仓储即服务”产品（GreenBox/Exol），认为该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。

会议多位嘉宾强调，目前商业化进展最快的企业——无论是人形机器人、仓储自主移动机器人（AMR）、自动驾驶卡车还是建筑机器人——均呈现出以下共同特征：
* 切入点精准：从单一高痛点劳动力问题切入；
* 降低壁垒：采用RaaS模式降低客户采购阻力；
* 安全优先：将安全性与可靠性置于模型复杂度之上。

值得注意的是，尽管人形机器人吸引了大量投资热度，但近期可见的投资回报主要来源于Locus Robotics、Dexterity等公司的专用AMR及垂直场景系统，而非通用人形机器人。

200亿美元资本涌入，工业标的受益可期

资本市场对物理AI的押注力度持续加大。过去两年间，全球物理AI领域累计获得约200亿美元投资，应用场景广泛覆盖仓储、物流、卡车运输、建筑、航空及国防等多个领域。

在具体落地案例方面，宝马近期披露，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进行作业，标志着人形机器人正式进入主流制造业场景。

花旗工业团队分析认为，自动化、机器人与物理AI的持续推进，将为自动化敞口较高的工业企业提供长期且持续的增长动力。驱动这一趋势的核心因素包括：
1. 劳动力市场持续偏紧；
2. 制造业活动加速与产能扩张。

自动化在提升产能利用率、增加设备正常运行时间及改善运营效率方面的价值已获验证，从而支撑起健康的投资回报率。

随着AI与大语言模型的进步，叠加真实世界及仿真数据的日益丰富，机器人技术正朝着更高集成度演进。硬件与软件的深度融合，以及系统在使用中持续“变聪明”的正向飞轮效应，有望进一步加速自动化渗透。对于拥有大规模装机基础的企业而言，数据积累本身即构成了显著的竞争护城河。

十年长跑：耐心资本的赛道

报告结尾给出了明确定性：物理AI是一场十年级别的长期建设。持久价值将向那些掌握数据飞轮、能够解决真实部署问题、并达到最高安全标准的企业集中。

Terry在报告中写道：“物理AI最终或将受益于规模化定律，但这条路将远比聊天机器人热潮更慢、更具操作挑战性。”

这一判断意味着，投资者在布局物理AI时需要具备更长的时间维度与更强的基本面甄别能力——虽然短期催化剂有限，但结构性机会正在逐步清晰。