Citrini Research 在週三釋出的報告中指出，人形機器人正展現出超越受控演示的實質進步，在自主性、靈巧度和執行重複性現實任務方面均有提升，但大規模商業化部署仍處於推進過程中。
該報告基於研究團隊在舊金山灣區用一週時間走訪主要機器人實驗室、工程師和投資者後得出。報告稱，多數人形機器人目前仍停留在開發、訓練和遙操作演示階段；即便存在真實場景部署，其性質也更接近試點專案，而非能帶來明確投資回報的機會。
報告的核心議題是：機器人技術是否正在接近屬於自己的「ChatGPT 時刻」——即技術被廣泛認可為有用且具顛覆性的臨界點。報告列舉了 GeneralistAI 與 Skild AI 的近期進展，以及 Figure AI 涉及 25 萬個包裹的演示，作為學習能力、靈巧操作、運動控制和現實自動化等方面進步的例證。
不過，報告並不認為會出現某一個決定性的突破。它提出，機器人技術可能通過「多重訊號的拼圖」式路徑演進，由硬體、訓練和自主性方面的漸進改善，逐步把技術推向更廣泛的商業應用。報告判斷，人形機器人的基礎運動能力實際上已是「已解決的問題」，而複雜的靈巧操作仍然更難攻克。簡單的重複性任務目前已可訓練，隨著機器人模型持續改進，這為近期自動化創造了機會。
與技術進步同步的是圍繞機器人基礎設施的投資。特斯拉一直在為 Optimus 準備生產線，小鵬汽車已為其 IRON 人形機器人啟動自動化產線。在算力一側，輝達為物理 AI 提供支援；Figure AI 則鎖定了最多 10 萬塊 Vera Rubin GPU 的使用權，用於訓練驅動其人形機器人的模型。
報告結論認為，機器人自主性正沿一條曲線發展，而非依靠一次決定性突破到來，「廣泛的通用性」仍是更長期的目標。
從更廣的背景看，人形機器人賽道近兩年吸引了大量資本與人才，特斯拉、小鵬等車企把汽車製造中的產線經驗遷移到機器人量產準備上，輝達則試圖把其在 AI 訓練晶片上的優勢延伸到「物理 AI」這一新敘事。但 Citrini 的調研提示，演示影片中的能力與可穩定創造經濟價值的部署之間仍有明顯距離，投資者需要區分「技術里程碑」與「可複製的商業回報」。這一判斷對關注特斯拉 Optimus 進展的讀者尤其具有參考意義：產線準備與模型訓練屬於必要投入，但距離規模化落地仍有待觀察。