全球首款，中国造！8K AI空间相机来了，皮克斯抢先上手

新智元报道

皮克斯园区那盏经典大台灯，被一台中国相机扫进了3D世界。

旁边的彩球、树木，连地面的光影，也一起被记录下来。

操刀的人，是皮克斯RenderMan创意负责人Dylan Sisson。相机来自禾赛，名叫Kosmo。

把电影公司的园区扫描进电脑，乍看像一次技术炫技。可顺着这条线往下看，会发现它与最近AI圈最热的方向，撞到了一起。

就在昨天，刚开放的Gemini 4 Argon，已经被谷歌用于探索机器人任务。

官方演示中，波士顿动力的Spot先在仿真环境里练习踩垃圾桶踏板，再去现实中把易拉罐丢进去。

AI要走出屏幕，得先有一个靠谱的地方练手。

电影人也有类似的烦恼：眼前这条街很漂亮，怎样把它完整带进电脑，让导演随时换机位，让艺术家接着改？

10月14日，禾赛正式发布三维世界数据引擎Kosmo，与云平台Kosmo World。

与此同时，全球首款集成8K影像系统的AI空间相机——Kosmo One诞生了！

这家以激光雷达闻名的公司，开始把真实世界转成可反复使用的三维数据。

影视创作与具身智能，看似隔着十万八千里，却在这里找到了交集。

连皮克斯都坐不住了

那盏大台灯搬进「赛博世界」

要搞懂Kosmo的杀伤力，就得先看看它在皮克斯手里，到底掀起了多大的风浪。

了解影视业的朋友们都知道，皮克斯旗下的RenderMan，是好莱坞绝对的「御用神级渲染器」。

从《玩具总动员》开启电脑动画时代，到后来的《阿凡达》《星球大战》《曼达洛人》，几十年里拿下无数座奥斯卡最佳视觉效果奖。

在计算机图形学这片丛林里，皮克斯就是规则的制定者。

而RenderMan的灵魂人物之一Dylan Sisson，前不久干了一件极其浪漫又硬核的事。

他提着一台禾赛的Kosmo空间相机，走到了皮克斯加州总部的标志性广场上。

那盏全宇宙影迷都无比熟悉的巨型台灯（Luxo Lamp），以及那颗经典的皮克斯红黄蓝三色球，就立在广场中央。

Dylan打开相机，在园区里溜达着扫了一圈。

用Kosmo扫描的皮克斯广场，再用RenderMan渲染的效果

传统好莱坞团队要是想把这样的实景搬进电脑做特效，得怎么干？

一支几十人的专业扫描和测绘团队，架着重型设备在现场待上好几天，拍成千上万张不同曝光的照片，再由几个高薪的模型师花上两三个星期一点点手工拓扑、贴图、抠细节。

但Dylan拿着Kosmo，在短时间内就完成了微秒级的数据采集。

紧接着，这些数据被导入Houdini，再接入RenderMan 28测试版的渲染工作流。

凭借3DGS技术与激光雷达的毫米级精度融合，皮克斯广场的每一寸地砖、跳跳灯金属外壳上的斑驳反光，被完完整整地还原在数字空间里。

更震撼的是，他还用RenderMan的风格化渲染工具，在这些真实三维高斯数据上进行艺术二次创作。

短短几步操作，真实世界里的皮克斯总部大楼，瞬间化身成了带有细腻手绘笔触、浓郁油画质感的动画梦境。

Dylan甚至专门为这个项目制作了一套官方教学案例，发布了这套工作流的教程。

好莱坞找上门，其实在禾赛的计划之外。

禾赛CEO李一帆坦言，Kosmo本来是为机器人训练做的，影视圈的热情，是品质做得太好带来的「意外惊喜」。

皮克斯负责渲染的老大给他的评价是：这类技术一直存在，但从没见过完成度这么高的产品。

真实空间，就这样变成了艺术家手里的数字积木。

几百万搭的景，它一周搞定

对剧组来说，这条路径还有个很实在的吸引力：省工夫，也省预算。

过去拍电影，剧组最怕两件事：勘景和搭景。

主创团队满世界飞，勘景动辄吃掉前期筹备预算的30%；搭一个上万平米的欧洲街景，施工队要紧锣密鼓干上两个月，烧掉几百上千万，拍完一拆全成建筑垃圾。

中途导演想改个光照、换个机位，全组都得跟着加班脱层皮。

现在用Kosmo，一个人、一天就能搞定现场数字化采集，勘景成本有望从前期预算的30%直降到5%；万平米的街道实景，扫描加上重建编辑只需要一周，综合成本能省下高达80%。

更重要的是，场景里的每棵树、每扇窗都变成了可交互、可编辑的三维资产。

白天随时能调成黑夜，灯光能重新布置，如果后期需要补拍，直接调出已有资产在虚拟棚里就能拍。

全球首款8K AI空间相机

Kosmo One登场

这台设备，某种程度上是被客户「逼」出来的。

李一帆回忆，测绘、建筑这些行业不断来要更高精度的激光雷达，从几厘米一路做到毫米级，而且东西够好就愿意多付钱。

但一颗高精度激光雷达，只是开始。客户还得配齐摄像头、惯导和计算平台，再把这些部件整合成一套系统。

禾赛于是决定，把这套集成工作也接过来，直接做成一台完整的设备。连里面那颗激光雷达，都是为毫米级精度和小体积重新开发的。

那么问题来了，普通相机也能拍照片、录视频，Kosmo One多做了哪一步？

看一张桌子的照片，你能认出桌子。可要准确知道桌沿离机器人多远、台面有多高，或恢复拍摄时相机的位置，还需要额外的空间信息。

Kosmo One把激光雷达、8K影像系统、一英寸大底CMOS和高精度IMU装进了同一台设备。

雷达负责测距离，影像系统记录颜色和纹理，IMU跟踪设备运动。它能对空间几何、影像与设备位姿进行微秒级同步采集。

然后，重建系统把它们拼成三维场景。

其中的关键技术，便叫3D Gaussian Splatting，简称3DGS（3D高斯泼溅）。

很多人以为3DGS就是给点云上个色，或者把照片贴到墙上，李一帆专门纠正过这个误解。

墙上挂的时钟，正面和侧面反射的光完全不一样。全景照片只能站在固定点看，点云贴图也只有一个亮度，换个角度就假。

3DGS的做法说起来「很土」：扫描时把各个角度的光都采一遍，拼成一个信息量高得多的模型，从哪儿看都是真实的那一面。

镜头可以在重建的空间里移动，看看同一个地方从另一个角度是什么样。

这种能力对电影人很有用：导演试机位、做镜头预演，终于有了可以绕着看的实景素材。

它的几何精度达到了毫米级，而且最高能录8K画面。不过这里要说明一下，8K是指镜头本身的最高采集分辨率，最终导出的成片其实最高是6K。

此外，使用流程也被压缩了。普通室内100平米大概15分钟就能扫完，当然具体多久还得看户型复不复杂、要求高不高。

设备开机就能直接扫，中间有智能引导，断了也能一键续扫，后续直接把数据扔给Kosmo World云平台去跑就行。

扫描一间屋子的门槛降下来，3D采集才有机会从专业团队的项目，变成更多创作者日常能用的工具。

机器人上课，还得把距离算准

电影里，一处场景首先得让观众相信。

机器人走进去，还得知道哪里能走、哪里会撞，伸手能不能碰到目标。

假设它要拿起柜台上的杯子，训练场景里杯子的位置偏了一截，再漂亮的画面也救不了抓空的手。

禾赛联合创始人、CTO向少卿把这个难题概括为数据的「不可能三角」：高质量、大规模、低成本，很难同时拿到。

照片、视频记录了画面，距离、相机位姿和真实空间关系，还要额外获取。纯仿真能批量生成，材质、摩擦和形变却容易偏离现场。真机遥操足够真实，又得投入设备、人力和时间。

李一帆举过一个例子：同一个场景让纯视觉模型重建，桌子歪了、椅子歪了，因为全靠概率猜。200个特征猜对150个就没法用，激光雷达能把200个全做准。

因此，高质量的真实世界数据，已经成为物理AI发展的最大瓶颈。

Kosmo World底层的Kosmo Spatial Core，简称KSC，会在一次重建中生成三种空间对齐的数据：3DGS、mesh和depth。

3DGS尽量还原场景外观，让机器人看到的画面更接近现场。

mesh就是三维网格，用来表达物体表面与结构，为拆分物体、设置碰撞和交互提供基础。

depth是深度数据，记录空间距离，帮助把物体落到准确的坐标上。

三种数据来自同一个场景。机器人眼里的柜台，与仿真系统中用于碰撞计算的柜台，需要待在同一个位置。

KSC还能识别场景中每个物体的语义属性，把静态模型变成可以交互的智能对象；未扫到的盲区，原生AIGC会自动推断补全。

它甚至能根据具体机器人自带相机的特性做视觉适配，让机器人在「自己眼中」的世界里训练，进一步缩小仿真与现实的差距。

DQ打冰淇淋，全靠它了

在发布会现场，禾赛晒出了一个已经跑通的真实商业闭环——Sharpa机器人在DQ冰淇淋门店打冰淇淋。

别小看「在DQ打一杯暴风雪冰淇淋」，这对机器人来说简直是地狱级考题：

门店灯光复杂、不锈钢机器表面全在反光、取杯子力道大了会捏扁、接冰淇淋位置偏两毫米就会洒一地。

过去，专业团队人工建模还原一家门店，约需投入300个小时。

现在拎着Kosmo进店，15分钟扫完直接生成高保真三维训练场。

Sharpa机器人在这个数字孪生的DQ店里疯狂特训之后，真机上岗时的失败案例直接暴跌到原来的十分之一，任务成功率飙到了惊人的99%，稳稳当当地在真实门店里系上围裙上岗打工了。

先在数字门店练习，再回实体门店验证，也能少花一些现场试错的钱。

禾赛的三位联合创始人——李一帆、向少卿、孙恺，也共同创立了Sharpa。

同一支创始团队，恰好连接起了空间数据采集与机器人使用数据的两端。

现场，Kosmo还与银河通用、原力灵机签订战略合作。下一步能否适应更多机器人、更复杂的任务，要靠这些具体场景来检验。

世界模型再会「做梦」，也得见过真世面

对世界模型来说，这样的门店还有另一种用法：让AI在脑子里「逛店」。

往柜台左边挪两步，会看到什么？走近冰淇淋机，画面又该怎么变？

这些空间关系，得对得上。总不能镜头一转，柜台就挪了窝。

Kosmo提供的1:1精准数据与真实位姿，恰恰成了世界模型理解物理世界规律的「真实度量衡」。

更夸张的是效率提升，基于同一个精准三维空间，KSC在云端能自动衍生上万条机器人训练轨迹。

按禾赛的测算，相比用真机采集高质量轨迹数据，花同样的钱，Kosmo的数据获取效率能提升100倍以上。

具体提升幅度，会随场景规模、轨迹数量和参数设置变化。

李一帆把Kosmo称为「顺AI」的产品：AI越强，能解决的问题越多，反而越需要真实世界的原材料。纯AIGC只是拿已有信息反复「编」，不会带来新信息，就像AI短剧里的人脸，看来看去都长一个样。

当全行业都在追逐世界模型，真实三维数据就成了最硬的硬通货，Kosmo正是背后那个无可替代的数据底座。

如今，同一份真实空间数据，正在流向更多工作流。

禾赛也在围绕这件事连接工具生态，面向RenderMan、Houdini、UE等创作平台，以及英伟达Isaac Sim、Isaac Lab等机器人仿真平台开放数据与三维资产。

甚至，在咱们普通人的日常生活里，Kosmo的数字触角都已经悄悄铺开了：

9月云栖大会上，Kosmo与近10亿月活的高德达成战略合作，首批重建的「重美术馆」「偏锋画廊」已上线扫街榜「飞行街景」，出门前就能在手机里先逛一圈。

文旅这边，Kosmo与联合国合作伙伴TRIC合作，以成都杜甫草堂为蓝本打造沉浸式数字艺术作品，让故居空间成为可远程体验、继续创作的三维素材。

下一站，物理AI

「数字AI已经起飞，而物理AI的基础设施仍亟待建设。」

禾赛联合创始人、CEO李一帆的这句话，道出了Kosmo背后的另一层野心。

AI要从屏幕里走出来，光有聪明的大脑还不够。它得有真实世界的数据可学，也得有能把动作做出来的手脚。

过去十余年，禾赛死磕激光雷达一件事，硬生生把芯片级全栈自研、光电系统和车规级智造做到了极致。

据介绍，激光雷达交付量已连续9年实现翻倍式增长。

李一帆说，这并不能叫做「转型」。转型是造飞机的去卖大米；而禾赛攒下的光机电设计、定制芯片和成本质量体系，本来就不只属于汽车，往机器人走，是能力的外延。

顺着这条路，禾赛给自己划出了两条路线。

三维世界数据引擎，负责把现实变成训练与创作素材。Kosmo，就是这条路线的首次系统性产品化落地。

机器人运动引擎，负责让机器真正动手。它的核心是动力模组，驱动手指和关节，决定机器人能否把动作做得有力、精细。

这一块的重要性，常被只盯着大脑和世界模型的人低估。

汽车只有前后、左右两个自由度，人形机器人轻轻松松近100个。李一帆算过，驱动和关节占掉一台机器人一半以上的成本，相当于电车时代的电池。

更尴尬的是，此前根本没有成熟供应链。第一批做灵巧手的团队，小马达从哪儿来？答案是电动牙刷。

采用禾赛动力模组的Sharpa Wave（W01）触觉灵巧手，具备22个主动自由度，并已进入英伟达Isaac GR00T人形机器人参考方案。

按禾赛公布的数据，其动力模组体积比同类产品缩小37%，功率密度提升至3倍；截至2026年第二季度末已交付超过1万套，正从灵巧手向全身关节拓展。

在李一帆的规划中，三维世界数据引擎与机器人运动引擎，将成为禾赛的第二增长引擎。

他甚至提前立了个flag：禾赛的空间智能产品，最终会是一件比激光雷达更大的事。

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。

如今，皮克斯拿它的相机搞创作，机器人用它的数据练干活，世界模型也有了真实参照。

虚拟世界的狂欢已经够热闹了。

下一场考验，就在真实的柜台前。AI要走出来干活，得先把这个世界学明白。

编辑：桃子 所罗门