- 花旗第四届机器人与物理AI大会核心结论：物理AI正从概念验证走向商业部署，但规模化路径远比数字AI艰难。劳动力短缺、制造业回流和监管支持推动企业需求加速，但

• 序号：078
• 星球链接：打开网页
• 附件：图片 0，音频 0，文档 0
• 音频文件：无音频

图片

无图片

正文

• 花旗第四届机器人与物理AI大会核心结论：物理AI正从概念验证走向商业部署，但规模化路径远比数字AI艰难。劳动力短缺、制造业回流和监管支持推动企业需求加速，但数据稀缺、人才不足、电池限制和部署成本高仍是关键阻力。人形机器人投资热情高涨，但近期ROI由Locus Robotics、Dexterity等专业AMR和专用系统驱动。看好自动化导向的工业股（ROK、EMR、HON、SYM、RAL、BDC），认为物理AI是十年级建设周期，数据飞轮和RaaS模式将成为核心护城河。

花旗银行于2026年7月8日发布关于第四届机器人与物理AI大会的研报，核心结论是：。报告强调，数据稀缺是物理AI发展的核心瓶颈，而非算力。劳动力短缺、制造业回流（reshoring）和有利的监管环境正在加速企业端需求，但电力/电池续航、芯片架构适配性、部署成本高企仍是关键摩擦点。 花旗维持对自动化导向工业公司的长期增长看好态度，推荐买入评级标的包括 。

一、物理AI vs 数字AI：核心差异 维度数字AI（LLM）物理AI（机器人） 价值核心 基础大模型 专有、特定任务数据 硬件耦合度 低（可在云端运行） 高（需专用硬件+安全认证） 边际分发成本 接近零 非常高（布线、集成、调试） 商业成熟度类比 ChatGPT 3 ChatGPT 2.5 失败代价 低 物理安全风险 物理AI的价值不在于模型本身，而在于。这是其与LLM最大的区别。 二、四大核心瓶颈 ：2026年顶级实验室已能采集数千万小时数据，但Instawork认为这仍只是"基点（basis points）"而非"百分点"——距离实现高水平机器人性能所需数据量差距巨大。LLM能从全人类互联网知识中自举，而物理AI无法做到这一点。 ：现有半导体平台为数据中心工作负载设计，并非为移动平台的实时边缘推理而优化。 ：Velaura AI指出机器人技术栈经历了纯CPU算法→CNN视觉模型→Transformer三代演进，但。 ：Vention数据显示系统集成成本占项目价值的40%，目标压缩至10-15%。 三、商业化亮点：谁在真正赚钱？ ：连续三年收入翻三倍，ARR接近，客户包括FedEx。 ：美国最大RaaS（机器人即服务）业务，全球约，每秒处理200个订单单元，安装基础累计接近。 ：唯一在29个州公共道路上进行真正无人驾驶运营的公司，，客户包括Pepsi、Coke、Walmart、Kroger、Tyson。 ：商业订单积压达，是唯一获得FAA认证方法合规签章的公司，正执行空军1700万美元合同（关岛），目标2027年底实现全面自动化交付。 ：部署16,000台机器人于5,000个活跃站点，90%以上问题远程解决。 ：客户，企业流失率近零。 四、人形机器人现状 价格点已接近（中国硬件制造优势明显） 投资热情高涨但近端ROI仍由专用AMR（自主移动机器人）驱动 Built Robotics CEO认为人形机器人在建筑领域，专业化设备更实用 在国防领域，将一次性无人机精度从50-55%提升至80-90%构成国家级安全优势 五、数据飞轮：终极护城河 成功企业的共同特征： 从切入 采用降低客户采用门槛 优先于模型复杂度 拥有——安装基础越大，模型越智能 Dexterity将"专家令牌（expert tokens）"——即对生产环境中未预测事件的最佳响应——视为最高质量数据和真正规模化来源。 六、监管动态 美国对自动驾驶货运监管框架，预计当前政府将很快推出全国性框架 航空自动化需要"先证明安全再运营"的监管路径，是更难的赛道但（认证发动机可防御20-40年） 主流商业部署预计在实现自动驾驶货运规模化

花旗以下自动化导向工业股，作为投资物理AI主题的首选途径： 代码公司评级定位

Rockwell Automation 买入 纯自动化供应商

Emerson Electric 买入 纯自动化供应商

Honeywell 买入 纯自动化供应商

Symbotic 买入 仓库自动化

Ralliant 买入 传感器与测试测量

Belden 买入 工业网络 报告发布日（2026年7月7日收盘）参考价： BDC: $107.41 EMR: $137.91 HON: $225.05 RAL: $67.75 ROK: $468.90 SYM: $41.32 花旗特别看好，认为其有望推动仓库自动化在更广泛客户群中的普及。

：过去24个月约200亿美元已投入物理AI领域，。Symbiotic建议企业在获得真正商业验证点之前暂缓融资。 ：Transformer架构及预训练/后训练共识在LLM领域已形成，但控制机器人的模型——视觉-语言-动作（VLA）模型、世界模型等组合——仍处于活跃争论中，行业尚未就"需要何种数据"达成共识。 ：AII3需雇佣约50名机器人专家（涵盖10-15种语言）应对全球性问题；Reliable Robotics当前最大瓶颈是安全关键工程师的人才短缺。 ：物理AI一切都需要布线、系统集成、调试和工程工作，分发边际成本远高于LLM。数据采集成本可达数千万美元。 ：航空航天、汽车等安全关键领域的认证负担是制造业规模化部署的主要挑战。 ：自动化需求增长依赖制造业回流趋势的延续，若移民政策、关税政策或制造业激励措施发生变化，可能影响需求节奏。 ：芯片、电池、传感器等关键使能技术的突破时间表不确定，可能延迟人形机器人等前沿应用的商业化进程。

总体总结

主题正文

1. • 花旗第四届机器人与物理AI大会核心结论：物理AI正从概念验证走向商业部署，但规模化路径远比数字AI艰难。
2. 看好自动化导向的工业股（ROK、EMR、HON、SYM、RAL、BDC），认为物理AI是十年级建设周期，数据飞轮和RaaS模式将成为核心护城河。
3. 花旗银行于2026年7月8日发布关于第四届机器人与物理AI大会的研报，核心结论是：。
4. ：2026年顶级实验室已能采集数千万小时数据，但Instawork认为这仍只是"基点（basis points）"而非"百分点"——距离实现高水平机器人性能所需数据量差距巨大。
5. ：美国最大RaaS（机器人即服务）业务，全球约，每秒处理200个订单单元，安装基础累计接近。
6. ：商业订单积压达，是唯一获得FAA认证方法合规签章的公司，正执行空军1700万美元合同（关岛），目标2027年底实现全面自动化交付。
7. ：Transformer架构及预训练/后训练共识在LLM领域已形成，但控制机器人的模型——视觉-语言-动作（VLA）模型、世界模型等组合——仍处于活跃争论中，行业尚未就"需要何种数据"达成共识。
8. ：自动化需求增长依赖制造业回流趋势的延续，若移民政策、关税政策或制造业激励措施发生变化，可能影响需求节奏。