根據彭博（Bloomberg）的一篇特稿，北京與深圳日益像單一整合的「機器人谷」般運作，這是一種把兩大都會區當作單一連續測試場的協調做法，將人形機器人部署到商店、餐廳、住宅大樓與交通樞紐，以產生具身人工智慧模型所需的多元訓練資料。這個目的較少是近期營收，更多是餵養一個實驗室模擬本身無法複製的資料飛輪。這種跨城市協作的規模，本身就已經超出多數國家目前對機器人公共測試的想像範圍。
彭博的第一線報導描述機器人在真實環境中學習日常任務：分類外送包裹、引導顧客、應付短暫且無腳本的互動。這是一種刻意設計的策略——這些部署經過安排，用來在同一時間內累積多模態經驗，其規模是任何封閉實驗室環境無法在相同時間內產生的，因為具身模型透過接觸雜亂的真實世界變化來進步，遠比透過額外模擬來進步更有效。這種大規模、貼近真實生活的部署方式，正是中國近年在人工智慧競賽中反覆採用的核心打法。
這正是亞太地區意義具體化之處：資料如今本身就是一項政策變數，不只是企業各自累積的資產。願意讓人形機器人進入共享真實空間的城市，即使為了安全而降速運行，也能累積純硬體出口商在較嚴格市場中無法複製的訓練優勢，無論機器人設計本身多麼精密都無法彌補。這也讓資料治理與資料主權的討論，開始從單純的企業合規議題，延伸到城市治理層面。
這改變了日本、南韓與新加坡的競爭盤算，這三地在公共空間機器人法規上目前都比北京或深圳保守得多。對這些市場而言，模擬品質與資料共享夥伴關係，可能比任何單一機器人的硬體規格更重要，因為具身模型在真實世界部署最容易獲批的地方進步最快，而審批速度本身如今就是政府可以掌控的競爭變數——這一點《財新》對更廣泛機器人谷募資生態系的報導講得很清楚。這種落差如果持續擴大，可能會讓部分市場被迫在監管彈性與訓練資料品質之間做出艱難取捨。
我們的解讀 ——把這稱為「機器人谷」的品牌行銷，其實忽略了重點；這是中國把養老與接待服務業當成自家人工智慧實驗室的無償資料標記勞動力，而多數居民根本沒意識到這才是實際發生的交易。指示牌與規劃路線不只是安全劇場——它們是同意劇場，設計目的是讓一項涉及公眾的實驗性資料收集計畫，感覺起來像是市政基礎設施，而不是活體研究試驗。這種以城市作為單位進行資料治理的模式，也讓地方政府在中央產業政策中扮演的角色比過去更加吃重。
到2027年，預期至少會有幾個中國二線城市正式採用北京與深圳的寬鬆框架，也預期這套做法最先明顯輸出的對象會是某個外國政府——可能是海灣地區或東南亞——授權整套營運手冊，連指示牌標準都一併採用，而不只是購買機器人本身，因為這套手冊本身可以說是比硬體更有價值、也更容易輸出的資產。率先在這個框架上行動的城市，實質上是在向全世界販售一套監管範本，其分量不亞於一套技術堆疊，而這門範本生意最終可能比底層硬體優勢更持久。這種輸出模式一旦成功，也可能讓中國在全球機器人治理標準的討論中，取得比單純技術輸出更持久的話語權。對外國政府而言，取得這套操作手冊的吸引力，可能遠高於單純採購硬體本身帶來的效益。
接下來要觀察的是，北京與深圳以外的其他中國城市是否會在未來一年內正式採用同一套寬鬆框架，這將顯示這正在成為全國政策，而不只是兩個城市的實驗，以及這些城市是否會公布自己與當地人工智慧實驗室之間的資料共享協議版本。任何跨城市資料互通協議的細節公開，都會是觀察這項政策是否真正落地的重要指標。整體而言，這項策略能否持續奏效，取決於中國能否在維持資料收集規模的同時，妥善控管隨之而來的公眾信任風險。
尚未解除的風險是單一高關注度事件——一起傷害事故或一段瘋傳的故障影片——可能在訓練資料優勢變得足夠持久、能挺過一輪負面新聞週期之前，就觸發公眾或監管上的反彈，尤其在這樣的媒體環境下，這類畫面很容易傳出中國自家平台，觸及中國原本不想引起警覺的市場監管機構。監管機構在面對這類事件時的反應速度，往往比事件本身更能決定這項策略能否延續下去。