1、和自动驾驶相比，具身智能的架构系统更为复杂：

1.1. 比如中国头部的人形机器人供应商和海外头部企业Figure在具身智能架构方面类似：大模型+技能外挂+运控；

1.2. 长远目标是把技能外挂逐步融合到大模型中，以充分利用大模型能力来提升技能能力。但有的技能外挂是长期保留的，比如触觉相关的技能，难以融入大模型

2、和自动驾驶相比，具身智能的数据有如下几个不同：

2.1. Aloha和Google RT1是纯的端到端方法，主要假设数据源只有一种规格和来源，需要比自动驾驶更多的数据才能实现落地，但汽车可有人操作、机器人没有，所以这个方式难以实现可控成本的数据积累；

2.2. 大模型+技能外挂+运控，这个范式更加实际，可以对不同技能选择合适的数据来源和学习方法；

2.3. 不同的技能所需要的数据源和scaling law是不一样的。例如：只基于感知技能10亿量级数据可以有很好的效果（如：视觉抓取），特定类别的物品1万量级物体可以有很好效果（如：开门把手）；

2.4. 物理相关技能（如：端子插接）难以通过仿真解决，需要收集真实数据，例如特定的端子插接需要10mins.-10hrs的真实数据；

因此，具身智能的数据有异构数据源、异构方法的特点

3、具身智能的数据建设需要先实现数据闭环、才能实现数据增量

3.1. 自动驾驶因为有人类驾驶员可以轻易实现数据闭环，具身智能需要让机器人先干活；

3.2. 打通具身数据闭环有两大优势：1）仿真数据，可快速地实现新场景的视觉相关技能的泛化；2）真实世界的快速学习，可实现快速实现新场景的物理相关技能的泛化（e.g. 机器人在真实世界快速学习端子插接，并实现100%成功率）。只有当机器人能自动快速地适应新场景、自主完成任务，才能打通数据闭环；

3.3. 打通数据闭环后，具身算法组可以变成具身数据组，结合股东的场景优势来快速构建数据优势