二、产业分工趋势
过去三年英伟达、谷歌DeepMind等定位"大脑"层，不做硬件，与第三方本体公司合作；国内蚂蚁宁波也定位通用大脑，与乐趣、星华等硬件公司合作。
架构共识：具身智能领域双层架构（快系统+慢系统）已获产业一致认可。Figure去年AX01用三层架构、Hex 02形成双层架构，两个月前谷歌新模型也采用双层架构。
OpenAI新模型 Extra：在谷歌双层架构上更进一步，把原属小脑VOA模型的任务轨迹编排功能放入大脑模型，未完全替代VOA。这让"大小脑分离、产业分工"的可能性进一步增强。Extra任务完成准确度仅约40%，需大量模型训练和升级才能商业化落地，目前只是看到可能性
三、数据采集
提高模型准确度、走向商业化的核心，是采集更多真实物理世界数据来训练模型。
数据金字塔（四类数据，从低到高）：
异构（ego）数据——单摄像头采集轨迹，量最大、最便宜，每小时约100–400元；5米（夹爪）数据——配摄像头，含重力加速度，部分含触觉（当前触觉渗透率很低），单价略贵于ego；真机遥操/真机实采数据——金字塔顶端，单价约1000–2000元/小时，量小稀缺。特斯拉今年将投入4.5万~2万台Optimus做真机实采，明年或成真机数据积累最多的本体厂商。
用途分工：ego、5米用于预训练；真机实采高质量数据用于后训练、提升鲁棒性。
市场空间测算：
截至今年6月30日，全球真机真实世界数据不到100万小时（中国信通院报告）；预计2026年全球新增约300万小时，明年或达千万小时，远期可能到1亿小时，但行业对所需小时数尚无定论。按1亿小时测算理论市场空间：ego约80–90亿；触觉约46亿；真机实采接近300亿（占比最大，因单价高）；重力、力学等模态约200亿。
仅作资料整理，不做个股及行业推荐
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。