禾赛科技进军物理 AI 赛道，迎来了关键节点。

10 月 14 日，在麦克斯韦全球研发智造中心，禾赛发布了「三维世界数据引擎」Kosmo，它包含两个部分，一是 AI 空间相机 Kosmo One，二是 AI 驱动的云平台 Kosmo World。

这是禾赛从激光雷达迈向物理 AI 核心基础设施的重要一步。

今年 4 月，在禾赛科技日上，这家领先的激光雷达厂商宣布了从「空间感知」到「空间智能」的战略升级，彰显了其在物理 AI 时代的战略野心。

那时，禾赛就对外发布了 6D 全彩激光雷达超感光芯片、空间智能 AI 硬件产品 Kosmo，以及新战略方向机器人动力模组。

半年过去，禾赛已经交出了不错的答卷。

在禾赛科技三位创始人的战略布局下，Kosmo 以及机器人动力模组已经率先应用于 Sharpa 的产品上，后者正是李一帆、向少卿、孙恺于 2024 年底创立的机器人公司。

这也让禾赛离「物理 AI 核心基础设施供应商」更进一步。

当天，禾赛 Kosmo 与银河通用机器人、原力灵机签订了战略合作，还展示了与迪士尼旗下皮克斯工作室（Pixar Animation Studios）、高德等合作的多个案例。

把真实世界「数字化」

Kosmo 看上去是一台相机，但它不是一台普通的相机。

按照官方介绍，这是全球首款集成 8K 影像系统的 AI 空间相机。也就是说，它是一台超高分辨率的三维空间采集与呈现的机器。

在硬件上，Kosmo One 单台设备集成了超高空间解析力激光雷达、8K 超高清影像系统、一英寸大底 CMOS 与高精度 IMU，可以对空间几何、色彩、纹理和设备位姿进行微秒级同步采集。

据禾赛科技联合创始人 &CTO 向少卿介绍，Kosmo 的这款激光雷达是禾赛单独为 Kosmo 的需求量身定制的一款「禾赛历史上精度最高、解析力最高」的一款激光雷达，可达到毫米级精度。

并且，Kosmo 的影像系统也是专门设计的。传统摄像机 CMOS 是为单个摄像机、单帧画面的效果优化而设计的，而 Kosmo 的 CMOS 里有 5 个摄像机，并以专门的 ISP 调教系统，结合 3D Gaussian Splatting（3DGS）重建技术，实现对环境的高保真还原。

在使用门槛上，听上去 Kosmo 与普通相机无异。禾赛方面称，Kosmo 具备即开即扫、智能指引与一键续扫等功能，大幅降低了空间采集的专业门槛。

据称，在普通室内场景下，约 15 分钟即可完成 100 平方米空间扫描，配合 Kosmo World 云平台处理，模型生成速度达行业 5 倍。

如果说 Kosmo One 是 Kosmo 的眼睛，那么 Kosmo World 就是 Kosmo 的大脑。

一方面它要完成模型的生成，也就是把相机扫描到的信息，生成一个个三维场景；

另一方面它还可以完成场景数据的再加工，比如在机器人训练中把椅子位置换掉，以此还可以做一些数据资产的增值。

基于这些功能，Kosmo World 还能进一步成为 3D 资产的交互平台，采集来的 3D 数据不仅可以变成 AI 可理解的数据，还能成为可训练、可交互的数据资产。

因此，禾赛称 Kosmo World 为「一站式 3D 内容创作与管理平台」。

具体来说，Kosmo World 可以生成 3DGS、mesh（网格）、depth（深度图）三种形态的三维数据，且原生 AIGC 能力可以让空间更完整——未被扫描的区域也能自动补全，最终生成完整、连贯、可自由漫游的三维场景。

借助 AI 驱动的 3D 语义分割，场景中的每一个物体都能被独立识别与定义，从静态三维模型变成了具备语义信息与操作属性、可被物理 AI 理解的空间对象，真实世界也由此转化为面向具身智能训练的 sim-ready 数据。

数据是具身智能领域的核心痛点之一。

" 当前，物理 AI 缺的不是数据，而是真实世界数据，这已成为行业发展的最大瓶颈。" 向少卿表示，高质量、大规模、低成本，已经为具身智能数据的不可能三角，二维图片和视频缺少深度、位姿与真实空间关系；纯仿真数据难以完整还原材质、摩擦、形变等复杂物理规律；真机遥操作数据足够真实，却成本高、效率低、难以规模化。

而 Kosmo 要做的，正是让高质量、可规模化的真实世界三维数据，成为物理 AI 与内容创作的基础设施。

3DGS、mesh、depth 三种形态的三维数据，可以分别击中机器人训练的三大痛点：3DGS 细腻还原场景外观，解决 " 画面假 "；mesh 加速可交互物体的拆分与建模，解决 " 交互假 "；depth 提供真实的空间距离信息，解决 " 空间不精准 "。

不仅如此，Kosmo 生成的数据还能针对目标机器人的相机特性做视觉适配，让机器人在 " 自己眼中 " 的世界里训练，进一步缩小仿真与真实的差距。从预训练、后训练到测评部署，这套能力覆盖具身智能训练全流程。

向少卿介绍，这条路径已在真实部署中跑通。

以 Sharpa 机器人在 DQ 冰淇淋门店的应用为例：过去人工建模还原一家门店，专业团队需投入约 300 个小时；Kosmo 约 15 分钟即可完成扫描并生成高度还原的三维训练环境，Sharpa 机器人的失败案例降至原来的十分之一，任务成功率提升至 99%，最终在真实门店正式上岗。

从真实出发的场景应用

在世界模型领域，真实数据是绕不开的前提：无论图生三维场景还是视频生成，生成的世界越逼真，越需要真实的世界做参照。

Kosmo 提供 1:1 还原、几何精准的真实世界三维数据，连同精确的相机位姿、深度信息与多视角对应关系，成为世界模型理解物理规律的 " 真实坐标 "；基于同一个三维空间，还能自动生成上万条训练轨迹，让高质量真实世界数据的获取效率提升 100 倍以上。

禾赛希望将 Kosmo 打造为开放的空间智能生态：数据层面，开放采集图像、点云、IMU 及 3DGS、mesh 等三维资产；生态层面，连接英伟达 Isaac Sim、Isaac Lab、UE、RenderMan、Houdini 等机器人仿真与主流创作平台。

由此构成 Kosmo 的两类商业模式：一是面向世界模型与物理 AI 企业，提供规模化的高质量真实世界空间数据生产服务；二是以软硬件一体化产品，服务具身智能、影视娱乐、文旅文博等行业客户。

除了具身智能，Kosmo 的应用已经延伸至影视媒体、文旅文博、空间商业化等更多领域。

在影视媒体领域，Kosmo 已经带来了效率革命。

传统影视创作记录的只是一个固定视角：拍摄一旦完成，换视角、改场景就意味着重拍；勘景动辄数十人数周，场景搭建以月计。

但 Kosmo 则可以把这条沉重的流程变轻：

前期预演阶段，一个人、一天即可完成场景数字化采集，勘景成本有望从前期预算的约 30% 降至 5%，场景可快速进入 UE 等主流制作管线；

拍摄阶段，可直接服务于 LED 虚拟制作与绿幕流程——万平米的欧洲街景，实景搭建需要 2 个月，扫描、重建加编辑只需 1 周，成本节省最高达 80%；

后期阶段，场景中一草一木都是可互动、可编辑的 production-ready 三维资产，白天可以变成夜晚，光照可以重新布置，补拍直接调用已有资产。

据称，Kosmo 已获得全球顶尖影视公司的采用，其中包括皮克斯旗下工业级渲染器 RenderMan ——《玩具总动员》《曼达洛人》《侏罗纪公园》等一系列全球顶级作品的幕后渲染工具，多次助力奥斯卡最佳视觉效果奖。通过将 Kosmo 生成的高质量 3D Gaussian Splatting（3DGS）数据接入 RenderMan 渲染管线，艺术家首次得以在专业渲染软件中对真实世界数据实现影视级的风格化控制，并能从真实空间中自由提取几乎一切元素作为创作素材。

在 AI 影视工业化方向，Kosmo 与获得腾讯等头部影视平台认可的跃墨工作室达成合作：以真实空间替代 AI 生成的虚拟空间，在大幅节省 Token 消耗的同时提升运镜效果与画面表现力，创作团队从真实世界提取可考据的三维素材作为高光镜头的基底，再结合 AI 完成人物导入与渲染。

在文旅文博领域，Kosmo 能让历史文化遗产以数字化形式永久留存，把文物与空间从静态档案变为可远程访问、可沉浸体验、可自由再创作的数字素材。

目前，Kosmo 已与联合国合作伙伴 TRIC 展开合作，以成都杜甫草堂为蓝本创作沉浸式数字艺术作品，让千年诗圣的故居以一种全新的方式被看见、被走进。

在空间商业化领域，禾赛则与高德达成战略合作，首批三维重建的重美术馆、偏锋画廊已上线高德扫街榜 " 飞行街景 " ——位置服务由此从二维地图升维至三维空间，" 导航到一家店 " 开始走向 " 导航到一件商品 "。

对商家而言，门店空间成为可持续更新的数字资产，货架陈列怎么摆、商品放哪里，第一次有了可分析的数据依据。

对消费者而言，他们能在出门前沉浸式体验一家店值不值得去。

禾赛表示，未来，更多真实场景将经由 Kosmo 接入高德这个近 10 亿月活的国民级应用，三维世界数据也将更多地服务于出行与消费决策。

禾赛的物理 AI 蓝图

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、超大规模精密制造的全栈能力，成长为全球汽车与机器人产业的重要基础设施提供者。

禾赛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以断层优势稳居全球第一。

当数字 AI 加速走向物理世界，禾赛正将这套能力延伸至更广阔的物理 AI 市场——从全球领先的激光雷达公司，成长为全球领先的物理 AI 基础设施公司。

物理 AI 要真正规模化落地，需要解决两个关键问题：机器如何作用于真实世界，以及 AI 如何获得足够高质量的真实世界数据。

围绕这两个问题，禾赛正在布局物理 AI 的两大核心引擎——机器人运动引擎与三维世界数据引擎。Kosmo，就是三维世界数据引擎的首次系统性产品化落地。

" 数字 AI 已经起飞，而物理 AI 的基础设施仍亟待建设，这意味着新的产业机会正在打开。" 禾赛联合创始人及 CEO 李一帆表示，"AI 要从数字世界走进真实世界，离不开两样基础设施：一是能看懂真实世界的三维数据，二是能驱动机器人行动的运动能力。三维世界数据引擎和机器人运动引擎，正是当前最好的行业机遇。"

目前，禾赛的机器人运动引擎也取得了显著进展。

Sharpa 灵巧手以 22 个主动自由度做到与人手 1:1 同构，已进入英伟达 Isaac GR00T 人形机器人参考方案，并被伯克利、斯坦福、南洋理工等全球顶尖高校和研究机构采用；其首款旗舰触觉灵巧手 Wave（W01）——业内首个实现量产的高自由度可反驱灵巧手——正是基于禾赛动力模组打造。

相比同类产品，禾赛动力模组体积缩小 37%、功率密度提升至 3 倍；截至 2026 年第二季度末，已累计交付超过 1 万套，产品范围正由灵巧手模组向全身关节模组拓展，预计 2027 年动力模组出货量将达到六位数水平。

禾赛为什么要做机器人动力模组？李一帆表示，这是机器人产品最重要的一个组成部分，" 每个机器人身上，差不多有一百多个这样的驱动关节。最重要的是，它占机器人整机 BOM 成本比例超过 50%。"

而禾赛能够切入这个市场，主要有三个方面的优势：

一是底层能力的迁移，做激光雷达和做动力模组，有很多底层技术相通 ——无论是精密机械传动，还是做芯片、伺服电机、电磁材料，再往下是集成、制造工艺、验证量产，它与禾赛的底层能力基因、专业产品打造经验高度匹配；

二是和 Sharpa 的紧密联动，Sharpa 在操作端有很多洞察、有很多希望被验证的东西，这些可以比较顺畅地转达给禾赛团队，做完以后，又能很快形成回环；

三是机器人行业数据匮乏的解决，" 如果能把各式各样的激光雷达、摄像头、惯导这样的传感器，集成进一个非常好的体系里，它能够提供的数据质量，是远远高于历史上各种东拼西凑出来的产品的。"

李一帆强调，禾赛的使命并不是服务 Sharpa，而是服务全行业。" 我们希望做的产品，最早是通过 Sharpa 提出来的，而最终，肯定是希望能够服务全行业。"

禾赛科技多年的发展，让其做到了激光雷达市场的第一名，但发展途中所积累的能力，也构成了物理 AI 的能力底座。李一帆表示，禾赛既有这样的使命，也希望最终做的就是赋能机器人——把物理 AI 的基础设施做好。

在物理 AI 的漫长征程中，禾赛已经迈出了坚实的步伐。