从激光雷达供应商，走向物理AI的基建者。

10月14日，禾赛科技发布三维世界数据引擎Kosmo。如果只看产品形态，这是一台8K空间相机加一个云平台；但如果看禾赛为它选择的对手和搭档，答案会更清楚：它要做的，是物理AI时代真实世界数据的“水电网”。

过去十年，禾赛解决的是“机器怎么看见世界”。激光雷达让汽车和机器人获得了高精度的三维感知。但看见不等于理解，更不等于能训练出一个能在真实门店里打冰淇淋、在复杂货架前完成抓取的具身智能体。

禾赛联合创始人兼CEO李一帆的判断是，物理AI的瓶颈不在数据总量，而在真实世界数据的获取，模型缺的是能让它“见过世面”的真实三维数据。

禾赛科技CTO向少卿从Sharpa机器人手中接过Kosmo One

Kosmo就是禾赛对这一缺口的回应。而它的发布，也标志着禾赛对自己下一个十年的定位，从传感器供应商，转向物理AI的核心基础设施提供者。

01

Kosmo是什么？

“我们不是为了卖激光雷达又造了一个Kosmo。”李一帆如是说，

Kosmo是一套软硬件一体的三维世界数据引擎，由负责采集的硬件Kosmo One和负责重建、理解与管理的云平台Kosmo World组成。它的任务很纯粹：把一间真实的房间、一家门店、一片园区，快速、高保真地变成AI能理解、能交互、能用来训练的三维数据。

Kosmo One被禾赛称为全球首款8K超高清AI空间相机。它的核心逻辑是高度集成。

过去，一个机器人公司或测绘团队想采集三维空间数据，需要自己拼凑激光雷达、全景相机、惯导和计算平台，各部件之间的时间同步和空间标定全靠手工调试。李一帆在接受采访时形容，很多方案都带着浓重的“草台感”。Kosmo One把这件事一次性做完了。

单台设备集成了激光雷达、8K超高清影像系统（含一英寸大底CMOS）和高精度IMU。激光雷达负责获取几何结构与距离，精度达到毫米级，现场演示中能清晰扫出网球拍上间距约5毫米的网孔；影像系统负责记录色彩、纹理与光影；IMU追踪设备位姿。所有传感器进行微秒级同步采集，确保几何、影像与位姿数据在时间轴上严格对齐。

需要说明的是，8K指的是镜头本身的最高采集分辨率，最终导出的成片最高为6K。操作上，设备开机即可扫描，过程中有智能引导，中断后可一键续扫，门槛被刻意压低了。据禾赛披露，普通室内场景下约15分钟可完成100平方米空间的扫描，实际用时取决于场景复杂度和采集要求。这意味着采集三维数据不再是一件必须由专业测绘团队才能干的事。

“今年我们发布Kosmo One，明年可能发布Kosmo two”。禾赛科技CTO向少卿表示，整个故事逻辑是不变的，眼睛越来越好、脑子越来越好；做越来越好的生态、越来越简单的软件工具链赋能客户，最后让真实世界的数字化触手可得。

Kosmo World则是把“好看的模型”变成“能用的训练场”。

采集回来的原始数据本身没有意义。Kosmo World云平台的底层是禾赛自研的Kosmo Spatial Core（KSC），它做一件关键的事：一次重建，同步生成三种相互空间对齐的数据形态。

第一种是3DGS，它保留的是场景在各个方向上的光影，机器人在训练时绕着看，画面不会因为换了视角就失真。第二种是Mesh，它把物体表面拆成网格，机器人要做碰撞检测、要判断从哪里下爪，靠的是它。第三种是Depth，它记录的是距离，杯子离手多远、台面多高，由它给出数值。

三种数据各管一段，缺一段，训练场景就用不起来。这三份数据出自同一次扫描，位置彼此对得上。机器人在仿真里看到的柜台，和它用来做碰撞检测的柜台，不会错位。

在此之上，KSC还具备语义分割能力，能识别场景中的每一个物体并赋予其操作属性；原生AIGC能力可以补全未扫描区域、智能重建材质纹理。最终输出的，是禾赛口中的sim-ready数据，直接可以丢进仿真环境里训练机器人的三维资产。

02

谁需要Kosmo？

Kosmo最直接、也最迫切的需求方，是具身智能行业。

Kosmo产品图

机器人训练数据卡在一个绕不开的矛盾上：质量要高、规模要大、成本还得低，三者很难同时成立，向少卿用“不可能三角”来概括具身智能数据长期面临的这一困局。

二维图片和视频缺深度、缺位姿；纯仿真数据还原不了真实的材质摩擦与形变；真机遥操作数据虽然真实，但采集成本高、效率低，无法规模化。向少卿在发布会上说得很直白：“物理AI缺的不是数据，而是真实世界数据。”

一个已经跑通的案例说明了Kosmo的潜在价值。以Sharpa机器人在DQ冰淇淋门店的部署为例，过去人工建模还原一家门店，专业团队约需投入300个小时；而用Kosmo，约15分钟即可完成扫描并生成三维训练环境。

据禾赛披露，在该环境中训练后，机器人在真实门店上岗的失败案例降至原来的十分之一，任务成功率提升至99%。需要说明的是，这一结果来自禾赛展示的具体项目，并不代表机器人在所有场景下均能达到同等水平。

Sharpa在DQ做冰淇淋

禾赛的算盘不止于机器人。影视制作是另一个被验证的场景。据极客公园报道，皮克斯RenderMan创意负责人Dylan Sisson曾用Kosmo扫描皮克斯园区广场，作为个人创作实验，将数据导入Houdini和RenderMan进行风格化渲染，并制作了官方教程。

禾赛给出的测算是：过去勘景能吃掉前期预算的三成，用Kosmo之后有望压到5%；上万平米的实景搭建原本要两个月，扫描、重建加编辑可以缩到一周。采集环节，一个人一天就能完成。

空间商业化方面，禾赛与高德合作，已将重美术馆、偏锋画廊等三维重建场景上线高德扫街榜“飞行街景”，让位置服务从二维地图升维到三维空间。

禾赛做Kosmo的底层逻辑，藏在它过去十年的能力积累里。

激光雷达的研发让禾赛沉淀了三样东西：复杂光机电系统的设计与集成能力、自研芯片与半导体设计能力、以及大规模精密制造与成本控制能力。

这三样能力并不绑定汽车行业。当禾赛决定做一台空间相机时，它不需要从零搭建供应链，也不需要外购核心传感器。那颗为Kosmo One专门开发的激光雷达，精度和空间解析力是禾赛现有产品中最高的。

可以理解为，Kosmo是禾赛把打磨了十年的底层能力，迁移到一个刚刚开始定义标准的市场。

03

如何重新定义禾赛？

为什么在此时发布Kosmo？这个问题的答案，需要放在禾赛对自身定位中去回答。

过去十余年，禾赛围绕激光雷达建立起从光机电软硬一体设计、自研芯片到超大规模精密制造的全栈能力，激光雷达交付量已连续9年实现翻倍式增长，在ADAS乘用车与Robotaxi两大市场的市占率均位居全球第一。

在“让机器看见世界”这件事上，禾赛已经把一个细分市场做到了全球头部，供应链、成本与量产体系都趋于成熟。

但一个做到第一的市场，也意味着增长的天花板开始显现。激光雷达终究是感知层的一个部件，市场规模受限于汽车与机器人的出货节奏，价值处于在产业链中相对固定的一段。

与此同时，物理AI正在打开一个更大的产业空间。机器人要在真实世界里理解、行动、创造价值，需要的远不止一颗雷达。

李一帆的判断是，物理AI的底座层（硬件、计算、数据）目前“乏善可陈”，而这恰恰是禾赛十年能力积累可以迁移过去的地方。与其守着一个已经做到极致但边界清晰的品类，不如把底层能力外延到定义权尚未确定的新市场。

在李一帆看来，企业大致有两条路径：一类把能力沉淀在用户、数据和渠道上，另一类把核心沉淀在技术本身。他认为禾赛属于后者。

禾赛的布局围绕物理AI的两个核心瓶颈展开。

数据方向是Kosmo，解决机器人训练所需的真实世界三维数据从哪里来、怎么规模化的问题。执行方向是机器人关节驱动器，解决人形机器人身上近百个自由度、占整机成本一半以上的核心部件没有成熟供应链的问题。

Sharpa作为全栈机器人公司，站在应用端提出真实需求，禾赛从硬件和制造端落地验证，两家公司共享创始人，形成了一种特殊的协同闭环。

李一帆将Kosmo的商业化分为三个阶段：最直接的是卖硬件Kosmo One；其次是提供数据与模型服务，客户给场景，禾赛交付可用的三维模型；更长期的目标，是让采集和重建形成的三维数据沉淀为可反复调用的数字资产，用户不必亲自扫描每一个场景，就能找到符合需求的训练环境。他预计这个资产库的成型需要至少3到5年。

这解释了Kosmo为什么被禾赛称为“战略级产品”。它不是一个孤立的硬件生意，而是一个数据飞轮的起点。每一台卖出去的Kosmo One、每一个被扫描的场景、每一次重建生成的三维资产，都在为禾赛积累物理AI时代最稀缺的东西：真实世界的结构化数据。

发布会现场，Kosmo与银河通用机器人、原力灵机签订了战略合作，生态触角同时伸向英伟达Isaac Sim、Unreal Engine、RenderMan、Houdini等仿真与创作工具链。禾赛想要的，是让Kosmo成为连接真实世界与物理AI训练管线之间的默认入口。

正如李一帆在发布会上说言，“过去十年，禾赛做的是让机器看见世界；下一个十年，我们要做的是让机器人理解并改变世界。”

从激光雷达到Kosmo，从“看见”到“理解”，禾赛正在把自己嵌入物理AI产业链中一个更难被替代的位置。这条路能否走通需要时间解答，但至少，禾赛已经不再只是一家激光雷达公司了。