禾赛发布Kosmo空间相机，切入物理AI训练数据基础设施赛道

禾赛科技近日正式发布Kosmo三维世界数据引擎，包含硬件端的Kosmo One空间相机与云端的Kosmo World平台。这一产品组合并非激光雷达业务的简单延伸，而是公司面向物理AI（Physical AI）时代布局的核心基础设施尝试。

在发布会现场，禾赛联合创始人兼CEO李一帆明确表示：“我们不是为了卖激光雷达又造了一个Kosmo。”这句话点明了Kosmo的战略定位——它不只是一台采集设备，而是一套将真实物理世界转化为AI可理解、可交互、可训练数据资产的系统性方案。

Kosmo One作为数据入口，集成了高空间分辨率激光雷达、8K超高清影像系统、一英寸大底CMOS传感器及高精度IMU惯性测量单元，实现空间几何、色彩纹理与设备位姿信息的同步采集。设备支持即开即扫、智能指引与一键续扫功能，在普通室内场景下，100平方米空间扫描仅需约15分钟，显著降低专业级空间建模的使用门槛。

但采集只是起点。对于具身智能而言，三维场景不仅需“看起来真实”，更需“能被机器人理解”。这正是Kosmo World平台的价值所在。其底层为禾赛自研的AI原生三维空间重建与理解系统Kosmo Spatial Core（KSC），可从同一组原始数据中同步生成三种形态的三维输出：

3DGS（3D Gaussian Splatting）：还原高保真视觉外观，提升机器人训练时的视觉感知真实性；
Mesh（网格模型）：支持物体拆分、建模与物理交互仿真；
Depth（深度图）：提供精确的空间距离信息，用于定位与避障决策。

三者协同构成“sim-ready”数据——即开箱即用、可直接导入仿真环境进行训练与验证的三维资产。这意味着真实世界不再仅是静态可视化模型，而成为动态参与AI学习闭环的“数据燃料”。

李一帆指出，当前物理AI规模化面临两大瓶颈：一是机器人在真实环境中执行动作的能力不足，二是高质量真实世界训练数据稀缺且昂贵。Kosmo试图通过“真实采集+AI重建+资产沉淀”的路径，同时缓解Sim-to-Real Gap（仿真到现实的鸿沟）与数据采集成本问题。

他强调，纯AIGC生成的虚拟数据虽可扩充边界场景，但若缺乏新真实信息输入，模型对现实的理解仍受限。“如果你完全用AIGC去生成完全虚拟的训练数据，真正获得的新鲜信息就很有限。”因此，Kosmo的策略是：以高保真真实数据为基底，辅以AI补全与泛化，构建可持续复用的数据资产库。

商业化路径分为三个阶段：第一阶段为Kosmo One硬件销售；第二阶段提供MaaS（Model as a Service）式服务——客户提出场景需求，禾赛完成采集、重建并交付可用三维模型；第三阶段则聚焦长期资产沉淀，目标是建成行业级三维空间模型库，使用户无需重复扫描即可调用标准化场景资产。李一帆预计该阶段需3至5年建设周期。

目前，Kosmo已与银河通用机器人、原力灵机达成战略合作，并落地多个跨行业案例：与迪士尼皮克斯合作探索影视级数字孪生制作流程，与高德地图探讨城市级空间数据更新机制，还涉足文旅文博领域，用于历史建筑高精度数字化存档。

这一布局折射出禾赛战略重心的实质性转移。过去十年，公司以车规级激光雷达为核心，服务自动驾驶与机器人感知层；如今，随着具身智能进入工程化落地前夜，数据层基础设施的价值日益凸显。物理AI的训练范式正从“算法驱动”转向“数据+算法”双轮驱动，而高质量、高保真、结构化的真实世界数据，已成为下一阶段竞争的关键壁垒。

值得注意的是，Kosmo并非孤例。国际上，NVIDIA Omniverse、Apple Vision Pro空间扫描生态、以及Meta的Reality Labs均在构建类似能力栈；国内如商汤、百度、阿里云也在推进三维重建与数字孪生平台。但禾赛的独特优势在于其激光雷达技术积累带来的毫米级几何精度，以及从硬件到算法的垂直整合能力。

在具身智能尚未大规模商用的当下，提前卡位数据基础设施赛道，既是风险也是机遇。若Kosmo能持续降低采集-重建-使用的全链路成本，并建立行业认可的数据标准与资产接口，其角色或将从“传感器供应商”升级为“物理世界操作系统”的共建者。