从空间感知到空间智能，禾赛切入具身智能最稀缺的一环

机器人前瞻（公众号：robot_pro）
作者 Janson
编辑 志豪

机器人前瞻4月21日报道，在今年禾赛技术开放日上，禾赛一口气抛出了四张新牌：6D全彩激光雷达超感光芯片“毕加索”SPAD-SoC、最高支持4320线全彩4K超高清感知的ETX平台、空间智能AI硬件Kosmo，以及机器人动力模组。

相比新品发布，更值得关注的是，禾赛正式宣布战略从“空间感知”升级为“空间智能”。

▲禾赛宣布战略升级

如果把这次发布放到具身智能的视角下去看，逻辑会更清楚，6D全彩雷达解决的是“看见世界”，Kosmo解决的是“记录世界”，机器人动力模组解决的是“改变世界”。

这三者不是分散的新业务，而是同一个战略下的三块关键拼图。

从机器人的眼睛，到机器人的数据入口，再到机器人的执行系统，禾赛想切入的已经不只是辅助驾驶和机器人上的感知硬件，而是进一步切入物理AI时代最稀缺的一层基础设施——真实世界空间数据的采集、重建、训练与执行能力。

更重要的是，这并不是一家还停留在概念阶段的公司在讲新故事。

就在去年，禾赛已经证明了激光雷达商业模式能够跑通，成为全球首家在这一赛道实现全年盈利的公司。

年报显示，禾赛全年车载+机器人激光雷达总出货达到160万颗，车载主激光雷达市场份额连续13个月保持第一。

▲禾赛激光雷达成绩单

也正因为在车载主业上已经建立起规模、盈利、芯片和量产体系，禾赛这次向空间智能和具身智能延展，才更像是在成熟底盘上的战略升维，而不是另起炉灶。

一、“看见世界”到“理解世界” 空间感知推向空间智能

如果说过去激光雷达解决的是“看见”问题，那么禾赛这次想推进的，是让机器开始真正“理解”世界。

在技术开放日上，禾赛发布了全球首款6D全彩激光雷达超感光芯片“毕加索”SPAD-SoC。

不同于传统激光雷达只输出空间坐标信息，“毕加索”首次将RGB与TOF测距能力集成进同一颗芯片，让激光雷达可以同时输出XYZ+RGB六维信息。

▲禾赛“毕加索”SPAD-SoC

换句话说，激光雷达第一次不只知道物体“在哪里”，也开始知道物体是什么颜色了。

过去行业常见的做法，是把激光雷达点云与摄像头画面进行后融合，这种方案天然存在时间不同步、空间不对齐的问题。

而“毕加索”把颜色感知和距离感知直接做到芯片级原生融合，让每一个点天生自带颜色和空间属性，结构信息与语义信息可以在源头完成统一。

▲生成图像示意图

这种变化，会直接提升机器对真实世界的理解能力。

对于机器人和物理AI系统来说，仅仅“看见障碍物”远远不够，它还需要知道那是什么、边界在哪里、能不能交互、是否存在风险。

6D全彩激光雷达的意义，就在于把原本分散的空间感知和语义理解进一步打通，为机器提供一双同时理解空间结构和环境语义的“眼睛”。

与此同时，禾赛也没有让这项技术停留在概念阶段。

搭载“毕加索”平台的ETX系列激光雷达已经同步升级，最高支持4320线，最远测距可达600米，并将在今年下半年量产交付。

这意味着，6D全彩已经开始从芯片能力走向产品落地。

放到更大的产业背景里看，禾赛这次也不仅仅是在激光雷达参数上再进一步，而是在汽车主业积累的基础上，重新定义物理AI时代的空间传感器。

它既保留了激光雷达对三维空间的精准理解，又补上了机器理解真实世界所需的语义信息，进一步把“空间感知”推向了“空间智能”。

二、真实世界空间数据成型 不只是机器人有“眼睛”

如果说6D全彩雷达解决的是“看见世界”，那么这次发布会中发布的第二个王炸Kosmo要解决的，就是“记录世界”。

在禾赛科技CTO向少卿看来，如今世界真正稀缺的，并不是3D显示设备，而是高质量3D内容，以及可规模化获取的真实世界空间数据。

过去记录三维世界，往往依赖多机位拍摄、复杂重建和高算力处理，成本高、流程重，也很难大规模复制。

结果显而易见，3D内容长期稀缺，真实世界空间数据始终停留在“小规模、高手工、高成本”的阶段。

Kosmo瞄准的正是这一痛点。它试图把激光雷达的结构感知能力、摄像头的纹理信息，以及空间重建算法整合到一起，把真实世界直接还原成一个可浏览、可编辑、可训练的三维空间。

▲禾赛Kosmo

相比传统二维图像，这种空间表达方式保留了更多真实结构信息；相比高成本三维采集方案，它又更轻量、更可移动，也更有机会走向规模化。

过去，真实世界数据之所以难以成为具身智能和世界模型的通用底座，一个核心原因就在于获取成本太高、处理链路太长、可复用性太低。

而Kosmo想做的，是把这些原本稀缺的数据，从“奢侈品”变成“标准资源”，让真实世界第一次有机会被高质量、低成本、可规模化地采进数字世界。

也因此，禾赛切入的已经不只是机器人的“眼睛”，而是机器人训练、世界模型迭代和空间智能演进的数据入口。

对于具身智能来说，感知只是起点，真正决定系统上限的，往往是它能否持续获得足够真实、足够丰富、足够低成本的训练数据。

谁能更高效地把物理世界转化为可训练的数据资产，谁就更有机会占据下一阶段的主动权。

从这个角度看，Kosmo的价值不只是一个新硬件，而是禾赛对具身智能底层基础设施的一次前瞻性卡位。

未来机器人竞争，拼的不只是模型，也不只是本体，而是谁能更低成本地获得真实世界训练数据。

Kosmo卡位的，正是这一层。

三、从眼睛到肌肉 “改变世界”的能力显现

如果说6D全彩雷达解决的是“看见世界”，Kosmo解决的是“记录世界”，那么机器人动力模组所对应的，就是“改变世界”。

在技术开放日上，禾赛首次公开的机器人动力模组也体现了它在具身智能上的布局。

对于机器人而言，只有“看见”和“理解”还不够，最终还必须通过稳定、可靠的执行系统，把决策转化为真实动作。

这一步，也让禾赛的路径与多数机器人公司明显区分开来。

当前行业里，一部分公司押注整机形态，一部分公司押注通用大模型，还有一部分在不断试探具体应用场景。

▲禾赛机器人动力模组

而禾赛的选择更为克制——它不做机器人整机，也不做通用大模型，而是聚焦机器人的三层底座能力：眼睛（感知）、数据入口（记录世界）、以及肌肉（执行系统）。

这三层能力的共同特点是足够通用、足够底层，也足够难以被快速替代。

不同形态的机器人、不同路线的模型、不同细分场景，最终都需要可靠地感知真实世界、持续获得真实数据，并稳定地执行动作。

相比押注某一种机器人形态，这种布局更像是在为整个具身智能生态提供基础设施。

从这个角度看，禾赛更像是在做具身智能时代的“卖铲人”。

它不需要判断哪一种机器人会最终胜出，也不需要预测哪条模型路线会成为主流，而是选择卡位所有机器人都绕不开的核心能力层。

这种方式，短期看并不张扬，但一旦行业进入规模化阶段，反而更容易沉淀为平台级壁垒。

毕竟，机器人整机形态、模型架构和应用场景，很可能还会在相当长一段时间内持续变化。

但感知、数据和执行这三层能力，却会随着具身智能的发展变得越来越重要，也越来越难被替代。

禾赛现在做的，正是把这些能力提前补齐。

四、车载基本盘跑通后 先发优势外溢到机器人与物理AI

禾赛这次之所以能把“空间智能”和“具身智能”讲得更有分量，也有一个重要前提。

禾赛并不是在旧业务尚未站稳时仓促切换赛道，而是在车载主业已经跑通之后，开始向更大的物理AI市场外溢能力。

过去几年，禾赛已经完成七大关键部件全栈自研，累计有21款芯片获得AEC-Q车规认证，ATX焕新版订单超过600万台。

▲禾赛产品交付成绩单

这意味着，它今天谈新的空间智能硬件、机器人感知和动力模组，是一整套经过量产、车规和大客户验证的芯片与制造体系。

这套能力的价值，在机器人和物理AI场景中同样开始兑现。

按照禾赛科技机器人感知业务负责人刘兴伟的说法，禾赛已经在割草机器人、物流车、无人机、商用清洁机器人、人形机器人等多个赛道建立起领先地位，并预计今年机器人行业累计交付量将超过100万台。

更关键的是，这些客户并不集中在单一形态，而是横跨了户外、低空、工业、商用服务和通用机器人等多个场景。

从割草机器人到物流车，从美团无人机到宇树等头部人形机器人客户，这说明禾赛的能力已经不再局限于辅助驾驶，而是完成了在多个物理AI细分场景中的验证。

不同场景对感知能力、可靠性、抗干扰能力、轻量化和成本结构的要求并不相同，而禾赛能够同时进入这些赛道，本身就说明其技术与制造体系具备较强的通用性。

也因此，机器人不单纯是禾赛的第二增长曲线。

更准确的是，禾赛正在把在车载时代建立起的芯片、量产和平台能力，进一步外溢到机器人与物理AI市场，从一家车载激光雷达龙头，走向一个面向更广泛物理世界的基础设施玩家。

对于现在的禾赛而言，车载业务跑通的是商业闭环，而空间智能和具身智能则打开了它的长期天花板。

结语：禾赛进入物理AI时代

机器人已经不单纯是禾赛的第二增长曲线，与此同时，禾赛也正外溢成物理AI时代的基础设施玩家。

如果只看产品层面，禾赛这次发布的是一颗全彩芯片、一套高线数雷达、一款空间智能硬件和一个机器人动力模组方向；但如果拉高一个维度来看，禾赛正从一家激光雷达公司，走向一家面向物理AI时代的空间智能基础设施公司。

辅助驾驶仍然是禾赛最稳固的基本盘，但这次发布最有想象力的部分，已经不只是“车上多装几颗雷达”，而是禾赛试图围绕“真实世界如何被高质量记录、理解、重建并用于训练”建立新的卡位。

从空间感知到空间智能，从机器人的“眼睛”到训练数据，再到未来可能延伸的“肌肉”，禾赛押注的已经不是单一硬件升级，而是具身智能时代的一整套底层基础设施。