对话禾赛李一帆：物理 AI 瓶颈不是模型，而是高质量真实世界数据 | 智车星球

禾赛迄今为止最大的主题就是物理世界的数字化。物理世界的数字化是一个很重要的AI的基础设施，不论是推理还是训练。

作者|王蕊

编辑|西子

“物理 AI 时代的核心机遇，就藏在物理世界的数字化进程里，从空间感知升级为空间智能、从纯硬件迭代为 AI 硬件，是行业不可逆的范式升级。禾赛要做的，始终是物理 AI 时代的核心基础设施提供商。”

禾赛科技宣布了全新的战略和使命——从全球车载激光雷达的领跑者，全面升级为“物理 AI 基础设施公司”。

4 月 17 日，在 2026 技术开放日上，禾赛一次性发布四项核心产品：全球首款 6D 全彩激光雷达芯片 “毕加索”、最高 4320 线 ETX 系列激光雷达、空间智能 AI 硬件 Kosmo、机器人动力模组，完整覆盖从车载感知、空间数字化到机器人执行的全链路，完成了物理 AI 基础设施的全栈布局。

支撑这场战略转身的，是李一帆、向少卿、孙恺三位禾赛科技联合创始人对物理 AI 的底层预判：物理 AI 时代，真正的瓶颈从来都不是模型，而是高质量的真实世界数据。

“没有高质量的物理世界数据，再优秀的模型都是空中楼阁。”李一帆在接受智车星球采访时直言。

△禾赛科技联合创始人兼CEO 李一帆

沿着这一逻辑，禾赛的方向也变得清晰：从“空间感知”到“空间智能”，从单一传感器供应商走向数据基础设施提供商，再进一步延伸到机器人核心执行部件。

它想占据的，已经不只是自动驾驶产业链中的一个环节，而是整个物理世界数字化过程中的关键入口。

核心观点速览：

1. 激光雷达从几百线做到1000线、4000线，当然也是进步，但它的创新幅度，未必比把纯固态激光雷达装到车身各个角落，甚至装到小牛电动上更大。

2. 物理 AI 时代，最大的改变，是大家会终于明白，这个赛道的核心瓶颈从来都不是模型，而是高质量的物理世界数据。

3. 大家过去总觉得软件公司比硬件公司更值钱。但在AI时代，这个判断并没有那么成立了。对物理AI来说，解决物理世界数字化、提供高质量数据，本身就是非常高价值的事情。

4. 禾赛迄今为止最大的主题就是物理世界的数字化。物理世界的数字化是一个很重要的AI的基础设施，不论是推理还是训练。

5. 禾赛是一家强的基于围绕 AI 体系，去为它设计最需要的底层基础设施的公司。核心定位是做机器人时代的基础设施，本质上还是在做 “卖铲子” 的生意。

6D全彩激光雷达，为什么想要做一个这样的新物种新产品出来？

李一帆：如果从行业阶段来看，不同阶段竞争的事情不一样。早期技术路线百花齐放，大家都在做从 0 到 1 的事情，对技术创业者来说当然更有意思，因为你是在不断探索别人没做过的东西。

过去几年，行业越来越多聚焦在“降本”上，这对纯创新型企业来说，确实没那么令人兴奋，但从商业角度看，这是好事。一个产品如果特别贵，就很难普及，我们本质上还是希望做出一个大家都能用得起、用得上的产品。

作为一家商业公司和供应商，禾赛当然会持续做好降本、上量、保质量这些基础工作。但我们也一直在想，除了这些，是不是还有别的事情值得投入精力。

高线数是行业里很常见的一条升级路径，我们每代产品也都有高线数版本，但线数高只是提升安全的一个手段，并不是安全的充分条件。线数高不代表一定能被用好，它背后仍然需要完整的产品闭环。

在我看来，从几百线做到一千线、四千线，当然也是进步，但它的创新幅度，未必比把纯固态激光雷达装到车身各个角落，甚至装到小牛电动上更大。后者其实是在创造一个新的产品品类，是更典型的从 0 到 1。

6D 全彩激光雷达也是在这样的思路下诞生的。

首先，这绝不是换个名字、玩弄概念，而是底层的创新。历史上，激光雷达和摄像头的融合，本质上大多还是两套系统的组合，只不过通过一些方式把它们塞进了同一个空间里。

而禾赛这次做的，是一套真正统一的系统。在测量距离的同时，同步获取光的 RGB 信息，在像素级实现 RGB 和 XYZ 的一一对应。

也就是说，激光雷达有多少像素，摄像头就有多少像素，而且这些信息来自同一次测量，这是过去没有人真正做到过的事情。

这样做有几个显著好处。第一，它一次性解决了多传感器之间长期存在的同步、响应、对齐等问题，从根本上提升了感知的一致性和安全性。

因为它采用的是新的测量原理，所以天然可以做得更小，而且不会额外叠加一套摄像头系统的成本，本质上仍然是一套激光雷达的成本逻辑。对整车来说，这会带来体积、集成和成本上的综合优势

第五代芯片、6D 全彩激光雷达这一代，核心升级是什么？

李一帆：这一代最重要的升级，第一当然是从 3D 到 6D；第二是线数能力的继续提升，目前最高支持 4320 线；第三则是一些更隐性的能力优化，比如噪点控制和各类 Corner Case 的处理。

很多时候，线数、噪点这些显性指标很容易被行业关注，但真正决定产品好不好用的，往往是那些不那么显眼的能力。

比如明明没有障碍物却出现误报，或者该检测到的障碍物没有检测到，这种问题才是激光雷达最不能接受的，也是我们花了很多时间持续优化的重点。

现在最让你兴奋和焦虑的是什么？

李一帆：最核心的兴奋点，还是能在一个大家都在卷线数、卷降本的行业里，继续做出 6D、Kosmo、动力模组这种更接近从 0 到 1 的东西，看到一些真正新的、有趣的产品方向。

焦虑的部分也存在。因为一家真正的创新型企业，如果最后只是停留在降本、上量、保质量这些事情上，当然也要做，但只做这些会很遗憾。我们还是会持续逼着自己去做一些底层原理上真正不同的新东西。

Kosmo：开辟空间数字化全新赛道

Kosmo 是什么？它的定位和核心价值是什么？

李一帆：Kosmo 是一款和汽车行业无关的全新产品，它解决的核心问题，是“空间记录”。

今天绝大多数空间记录技术，本质上都在录制现场替用户做完了很多不该做的决策，而且信息压缩严重，最终用户拿到的内容，往往并不能真正理解一个空间。

这件事的根本矛盾在于，过去一直没有一套成熟技术，能够把一个三维环境中的光线、空间感、结构、颜色完整记录下来。

这里面有几个原因：一是过去激光雷达不够成熟、不够便宜，做空间记录门槛太高；二是空间渲染能力不够好，导致最终呈现出来的效果很假；三是没有人把整条链路真正跑通，空间智能的数据生成因此受到了很大限制。

Kosmo 就是在这个背景下做出来的。

禾赛本身拥有很强的激光雷达能力，在测绘、三维测量、空间智能、数据生成等领域已经有很多应用；同时我们对光学也很熟悉，又具备很强的产品化能力，所以最终把这些能力整合成了一台小型设备。

你拿着它在一个空间里走一圈，房间模型就有了；之后如果你想生成任意角度、任意视角的画面，它都可以非常真实地还原出来。

它的应用潜力很大。无论是数字孪生工厂、建筑设计、家装家居，还是机器人训练数据采集，都有很强的需求。我们现在看到的应用场景，其实还不到它未来可能性的五分之一。各个行业里最领先的一批玩家，都已经在和我们一起探索它能做什么。

第一代 Kosmo 面向专业用户，不是消费级产品，是 to professional、to B 的产品，价格是大几万元量级，今年下半年会发布。

第一代不会是 to C。至于未来消费者这一端会不会有一个手机版本、一个对应的形态，是有可能的，但现在还很难下结论。因为对一个全新品类来说，市场规模和最终形态往往是做出来之后才逐渐看清楚的。我们现在更重要的，还是把产品和体验做到极致。

Kosmo 所代表的“空间智能”，和简单的空间扫描有什么区别？

李一帆：如果只是空间感知，那更多是空间扫描。而空间智能不只是把空间扫下来，还包括多传感器融合、模型搭建，以及后续一系列 AIGC 能力。

空间扫完以后，不一定能把这个世界所有地方都扫得非常完整，一定会有没看到的地方，它会去补。补出来的内容不一定百分之百真实，但如果拍摄本身已经足够接近真实，补出来的东西基本也能用了。

所以这不是一个很“笨”的硬件逻辑，不是说扫一次不够再扫一次、没扫全再补扫一遍，而是要让整个产品在真实使用中变得更高效、更自然。从这个角度看，我们做的其实是一个 AIGC 的硬件。

Kosmo 和 6D 全彩激光雷达是什么关系？禾赛会做可穿戴或自我中心采集设备吗？

李一帆：Kosmo 和 6D 是完全不同的两类产品。6D 是面向汽车的新一代激光雷达技术，本质上是让激光雷达在一套系统里同时具备摄像头能力。

而 Kosmo 是一款与汽车无关的独立产品，面向的是空间记录和空间数字化。虽然它同样会整合多种传感器，但它和 6D 并不是绑定关系。

至于现在很热的可穿戴、自我中心采集范式，禾赛目前没有计划做。原因是这个方向虽然最近很热，但行业对它究竟需要怎样的数据、壁垒到底在哪里、性能要求是否真的足够高，其实都还没有定论。禾赛更倾向于做那些对性能要求更高、技术壁垒更深的事情。

物理 AI 时代，做核心数据基础设施提供商

禾赛如何定义“空间智能”？从空间感知到空间智能，公司的核心逻辑是什么？

李一帆：过去两年，禾赛一直在更认真地思考公司到底是一家什么样的公司。

第一阶段，我们最强的能力当然还是硬件能力：从光学、电子、芯片，到大规模高质量的车规级制造，再到点云数据和信号处理，这是我们的基本盘。

但禾赛和纯制造企业不一样。我们更底层的定位，是一家围绕 AI 体系去设计和提供底层基础设施的公司，而这套基础设施里，最核心的一部分其实是数据基础设施。

我们不是数据的拥有方，而是数据的产生方。无论是车上的感知数据，机器人使用的数据，还是空间智能训练模型所需要的空间数据，本质上都指向同一个大主题：物理世界的数字化。

所以，从空间感知到空间智能，禾赛看到的核心机会，始终在于高质量的物理世界数字化数据。这是我们布局空间智能的主线。

除此之外，我们也会沿着机器人底层基础设施继续往下走，比如动力模组。因为如果禾赛是一家基础设施公司，我们就会去找机器人领域里最通用、最关键、又最值得做的那部分能力。

很多人会觉得空间智能最终是模型公司的机会，但从物理 AI 的角度看，模型只是其中一环，数据反而是更短的短板。没有足够高质量的数据，后面的模型就是空中楼阁。

而且物理 AI 的数据和任务、场景、机器人本体是高度耦合的，不存在一套数据普遍适配所有机器人这件事。所以空间智能绝不是只有模型公司才能参与，提供高质量数据和底层硬件的公司，同样有很大的机会。

AI 对禾赛这样的硬件公司，究竟会带来哪些影响？

李一帆：首先，一个常见的误区是，大家过去总觉得软件公司比硬件公司更值钱。但在 AI 时代，这个判断并没有那么成立了。

真正重要的问题是：AI 时代最核心的价值到底在哪里。

对物理 AI 来说，解决物理世界数字化、提供高质量数据，本身就是非常高价值的事情，而硬件对数据质量的影响，其实远高于软件。

如果把 AI 粗略分成几类：语言模型天然拥有海量数据，它的核心瓶颈主要在训练范式和算力；车载自动驾驶的数据获取有一定周期，但数据结构已经相对标准化，行业也更成熟。

而机器人、物理 AI 这一类则完全不同。它真正难的地方在于，如何通过传感器获得最高质量的信号。

这个行业今天还没有被真正定义清楚，也远远没有成熟。未来三年，优质硬件体系所带来的高质量数据，如何进一步驱动模型能力，会变得越来越清晰。

另外，AI 对组织管理的影响也会很大。很多管理问题之所以复杂，不是因为它真的需要那么多“洞察人性”，而是因为信息不透明、信息不标准化、信息太多又无法消化。

AI 的价值就在于，它可以帮助组织大量处理复杂信息，降低很多传统管理动作的必要性。未来组织形态很可能会更围绕产品线展开，而不是依赖庞大的职能部门和跨部门协作。

物理 AI 时代，禾赛的叙事逻辑会发生什么变化？

李一帆：最大的变化，是行业会越来越清楚地看到：物理 AI 的核心瓶颈不是模型，而是高质量的物理世界数据。

数字 AI 时代，语言模型天然拥有海量互联网数据，所以大家会卷模型、卷算力；但物理 AI 时代，连第一步的数据都还远远不够。

而且物理 AI 的数据，和任务、本体是高度耦合的，不是随便拿一套数据就能通用。这也意味着，未来行业的核心价值不只在模型公司、软件公司，做硬件、做数据基础设施的公司，同样会拥有非常重要、甚至更核心的位置。

机器人布局，坚守底层基础设施定位

您如何看待具身智能行业的发展？它的市场潜力有多大？

李一帆：我不认为“具身”本身是一个单一行业，它更像一个统称，里面包含很多不同的细分方向。通用人形机器人未来可能会成为一个标准化单一品类，但它不会替代所有现有机器人，比如工厂里的机械臂就很难被人形机器人全面替代。

但从市场规模看，具身智能这个方向的潜力很大。在我心里，汽车市场本质上对应的是人每天花在车上的那一个小时，而如果有一个行业能让人每天愿意投入 3 到 5 个小时，甚至 10 个小时，用它作为生产力工具，那么这个行业天然就比汽车市场大得多。具身智能就是这样一种可能性。

另外，AI 产品的定价逻辑和传统硬件也不一样。传统产品更多看供需，供给过剩就会卷价格；AI 产品除了供需，还有一个重要锚点，就是它替代的人力成本。只要它的价格低于被替代的人力成本，客户就会优先使用它。这会给真正技术领先、可靠性更高的产品留下更大的毛利空间。

对禾赛来说，这个行业里的核心机会，仍然是基础设施。物理 AI、具身智能今天最大的瓶颈之一，就是高质量的物理世界数据，而这恰恰是禾赛最擅长的地方。我们不会去做机器人整机，也不会去做通用大模型，而是继续提供最核心的传感硬件、动力模组和高质量数据能力。

现在具身智能的仿真复刻做到了什么程度？禾赛的产品能起什么作用？

李一帆：现在具身智能的仿真，其实还远没有发展到大家宣传里说的那个程度。判断一套仿真系统到底成熟不成熟，不能只看它能不能“复刻一个大厦”或者“复刻一个场景”，而要看它最后到底能不能支撑真实的任务执行和生产力。

比如如果真把一栋大厦完整仿真了，机器人是不是已经能在里面自由行动？如果真做到了海量家庭环境仿真，它又能在生产力层面完成哪些任务？目前来看，还远没有到那一步。

这也是禾赛这类产品存在的价值。因为即便今天想认真做仿真，要把一个家庭、一栋楼的高质量空间数据真正采下来，本身就很难，而我们的设备恰好可以帮助它做到这件事。我们不是去取代仿真工具，而是给主流仿真工具提供最关键的语料和数据。

今年机器人业务上的新增投入，主要投向哪些方向？

李一帆：主要有三个大块。第一，已有激光雷达产品的升级和核心自研芯片的持续迭代；第二，像 Kosmo 这样的空间智能产品线；第三，机器人动力模组业务。

非车业务迎来爆发式增长

您认为车载激光雷达会成为标配吗？

李一帆：从趋势上看，它正在走向标配。去年车载激光雷达的上车量大约是 160 万台，今年参考公开信息，整体仍然是翻番的趋势。对于一个每年都在快速增长的品类来说，这个方向已经很清楚了。

我今年特别开心的一点是，行业关注点已经不再只有降本。降本当然重要，但它不该是唯一目标。一个理性的行业，最终一定是在成本和价值之间寻找平衡，而不是只盯着怎么再省一块钱。

现在已经有车企和供应商开始更认真地去讨论：高性能、高线数的激光雷达，到底能不能创造更多用户价值。这是一个很好的信号。

今年非车业务增长如何？看到了哪些新的应用机会？

李一帆：从增速来看，非车业务的增长明显快于车载业务。

最直观的感受是，今年使用激光雷达的非汽车应用比去年明显多了很多，而且很多不是我们长期深耕出来的，而是随着汽车产业把成本打下来之后，自发涌现出来的。

比如小牛电动。很多年前我们刚认识小牛时，激光雷达还是几十万元一台，当时很难想象这样一类产品会装到两轮车上。

但今天因为整个汽车产业链把成本打下来了，原本完全不成立的场景，现在开始成立了。这意味着激光雷达的应用边界正在被迅速打开。

禾赛在海外市场的进展如何？和英伟达的合作意味着什么？

李一帆：英伟达在海外车载市场已经逐渐成了一个很强的“最大公约数”。它不仅提供车载芯片，也提供全栈软件，而禾赛的激光雷达和它的整套体系是全线适配的，某种程度上可以理解为我们已经成为它参考设计的一部分。

这意味着，和英伟达合作的车企，在数据采集、模型训练、验证等环节，很多工作都是基于我们的产品完成的。

未来当英伟达签下新的客户时，我们获取这些客户的难度也会显著降低。

从法律和商业上讲，客户当然可以不选我们，但如果不选，它就要承担更高的交付成本、更长的验证周期和更大的不确定性。除非有非常强的理由，否则用一套已经成熟适配的方案，通常会更高效。

最真诚的智能汽车报道