从激光雷达到数据引擎 禾赛想要在物理AI中 寻找第二增长曲线

车载激光雷达仍在快速上量。随着高阶智能驾驶向更多车型下沉，L3逐步落地，市场还有继续扩大的空间。但对禾赛这样的头部企业来说，只讲车载已经不够了。

物理AI正在打开一个新的市场。当机器人从实验室走向工厂、商场和家庭，它们不仅需要看见障碍物，还要理解空间结构、物体位置和真实尺度，并在进入现场前完成训练与验证。这让激光雷达积累的三维感知能力，有机会从汽车延伸到机器人训练、世界模型和空间数字化。

10月14日，禾赛正式发布三维世界数据引擎Kosmo，并同步推出AI空间相机Kosmo One和云平台Kosmo World。禾赛想讲述的新故事由此变得清晰：过去十年，它解决的是如何让汽车和机器人看见世界；下一个阶段，它希望进一步成为物理AI理解真实世界的数据基础设施。

这既是激光雷达能力边界的一次外扩，也是禾赛寻找第二增长曲线的一次下注。

AI怎么理解世界？

大语言模型可以从互联网获得海量文字、图片和视频，机器人却没有同等规模的数据来源。它不仅需要知道一个物体“是什么”，还要理解物体在哪里、有多远、能否抓取，以及采取行动后，真实世界会作出怎样的反馈。

在禾赛CTO向少卿看来，二维图像和视频能够记录颜色与纹理，却缺少准确的深度、尺度和位姿；仿真数据可以批量生成，却难以完整还原材质、摩擦和形变；真机遥操作数据足够真实，但采集成本高、效率低。高质量、大规模和低成本由此构成了具身智能数据生产的“不可能三角”。

Kosmo试图从三维采集环节切入这一卡点。

其中，Kosmo One集成了定制激光雷达、8K影像系统、一英寸CMOS和高精度IMU，通过同步采集获得空间的几何、色彩、纹理和设备位姿。Kosmo World则把这些信息转化为AI可理解、可交互、可训练的智能空间，其底层为禾赛AI原生3D空间重建与理解系统Kosmo Spatial Core（KSC）。KSC一次重建即可同步生成3DGS、mesh、depth三种形态的三维数据。原生AIGC能力还能使未被扫描的区域自动补全，材质与纹理智能识别重建，多视角信息无缝融合，最终生成完整、连贯、可自由漫游的三维场景。

记者在前述发布会现场获悉，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机器人的失败率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。

这种数据的价值首先体现在“Real to Sim to Real”链路：把真实工厂、门店或家庭空间转换为数字环境，让机器人在正式进入现场前完成训练、调试和测试，再回到真实环境执行任务。

银河通用机器人联合创始人姚腾洲表示，工业场景数据通常与具体工艺相关，是制造企业的核心数字资产。提前进行三维重建，可以减少现场调试，加快机器人交付。他同时提醒，视觉和几何只是机器人理解世界的一个维度，真正完成任务还需要考虑力、触觉、摩擦、形变，以及高频、低延时的运动控制。“机器人不但要知道这个活怎么干，同时也要知道自己能不能干。”

此外，Kosmo还面对另一条潜在替代路线：利用少量图片和生成模型直接构造三维环境。向少卿的判断是，生成模型擅长“想象”一个大致合理的世界，但难以保证真实空间的结构、位置和材质完全准确。现阶段，禾赛选择“最重的硬件加上最重的软件”，先生产高保真数据，再为不同模型提供现实约束。

这一判断也界定了Kosmo的机会窗口：只要轻量视觉方案尚不能低成本、实时、准确地重建现实空间，高质量三维采集设备就有其价值。

剑指物理AI基建

禾赛CEO李一帆把自动驾驶和专用机器人称为物理AI的1.0阶段。在这个阶段，禾赛主要处于基础设施层，为汽车和机器人提供感知硬件。走向通用机器人之后，禾赛瞄准了两处尚未解决的底层短板：一是让AI理解真实世界的三维世界数据引擎，二是让机器人作用于真实世界的运动引擎。

在这套“看见、理解、行动”的叙事中，禾赛的第二增长曲线不只是一个空间相机，而是一组围绕物理AI基础设施展开的业务。

李一帆认为，其可以迁移的能力并非激光雷达本身，而是自研芯片、光机电一体化设计、精密制造、产品验证和规模降本能力。

同时，Kosmo也意味着禾赛身份的变化。李一帆称，过去作为大客户供应商，禾赛更多是响应与满足客户需求；Kosmo则让公司第一次成为需求定义者。按照禾赛目前的设计，其商业模式包括两部分：一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；二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。

不过，具身智能仍处于早期，三维数据需求能否持续增长，最终取决于机器人能否规模化进入工厂、商场和家庭。另外，不同机器人和应用场景对精度、视场、物理属性及数据格式的要求并不一致。影溯科技创始人章国锋在前述发布会的圆桌论坛上也坦言，空间智能和具身智能的数据标准尚未真正建立。

值得一提的是，上述发布会现场，禾赛Kosmo与银河通用机器人、原力灵机签订了战略合作协议，还同步展示了与迪士尼旗下皮克斯工作室（Pixar Animation Studios）、高德等合作的多个行业案例。

此外，在机器人硬件侧，禾赛以真实机器人需求反向定义底层硬件——AI-Defined Hardware，由AI的真实需求定义硬件，而不是让AI迁就硬件。

比如，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。

据悉，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。

过去十年，禾赛证明了自己能够把一台昂贵且不稳定的激光雷达，变成规模化生产的车规产品。现在，它需要证明的是，能否把分散、复杂的真实世界，也变成一种可以标准化生产、持续交易的数据产品。

从“让机器看见世界”到“让AI理解世界”，叙事已经完成；从一台空间相机到第二增长曲线，商业验证才刚刚开始。