禾赛一颗芯片，让机器人第一次“看见”了彩色世界

禾赛一颗芯片，让机器人第一次“看见”了彩色世界

沧粟砺言

晚上十点，你家的机器人管家走进客厅，低下头看了看地面那杯还冒着热气的水，又抬头瞥见沙发旁那盆绿植，然后转身避开地上散落的两本书——这一系列动作，它只用了0.1秒。过去，这台机器人“看”到的世界是灰白色的、点云稀疏的，像一张没调色的素描；而现在，它看到的是一张高清彩色3D照片。让机器人长出“眼睛”的，不是某家所谓AI巨头的大模型，而是禾赛一颗指甲盖大小的芯片。

01 十年难题，被一颗芯片终结

过去十年，激光雷达行业一直被一个问题卡住脖子：怎么让机器同时知道&;这是什么&;和&;它离我多远&;？

传统做法是&;拼&;——RGB摄像头负责颜色，激光雷达负责距离，两套传感器各干各的，后期靠算法硬拼出一个&;彩色点云&;。问题在于：两套数据的视角、光照、时间戳永远存在细微偏差，拼出来的世界总是&;差一点意思&;。

禾赛&;毕加索&;芯片平台直接改写了游戏规则。它在同一颗芯片上，把彩色感光像素和ToF测距单元做进了同一个像素——每个SPAD像素上方覆盖一层红绿蓝微型滤光片阵列，激光回波用来测距，自然光穿过滤光片用来辨色，两项任务在同一个物理位置、同一纳秒级时间窗口内由同一套硬件完成。

这意味着什么？激光雷达输出的每一个点，从诞生那一刻起就自带精确坐标和真实颜色，无需拼接、无需标定、无需&;脑补&;。

这不是简单的参数升级，而是感知范式的代际跃迁——行业从此前的&;线数内卷&;走向&;体验升维&;。

02 ETX：600米外认出塑料袋的&;鹰眼&;

搭在&;毕加索&;上的ETX激光雷达，参数相当激进：最远测距600米，最高4320线全彩4K超高清感知，光子探测效率（PDE）突破40%，达国际顶尖水平。

4320线是什么概念？目前市面主流车载激光雷达线数普遍在128到256之间，少数高端产品能摸到512线。ETX直接把数字拉到了4320线，一帧扫描收集的数据点多了十几倍。

高密度点云带来的好处是质变级的：它能识别150米外仅15厘米的小木块。开车的人都懂这个场景——前方远处有个塑料袋飘到车道上，精度不够的雷达可能误判为石头来一脚急刹；精度够高的，能识别出是轻质漂浮物，选择减速通过。ETX在更远距离上认出更小的物体，给自动驾驶系统留出了更充裕的决策时间。

ETX预计2026年下半年量产交付，已获长城汽车全新定点，计划2027-2028年广泛搭载于多款旗舰车型。

03 Kosmo：给机器人训练修一座&;数据自来水厂&;

比起硬件，更值得关注的是禾赛同期推进的Kosmo空间智能平台——集AI空间相机、AI算法、3D资产及云服务于一体，能把真实场景转化成高质量、可编辑、可交互的三维数字资产。

它解决的是具身智能行业最痛的痛点：训练数据严重不足。

现在做机器人训练，主流方法还是靠真机到真实环境里采集，成本高、耗时长、场景覆盖有限。宇树、银河通用这些头部企业手里捏着不少真实场景，但想把数据规模从&;百级&;扩展到&;万级&;，纯人工采集根本撑不住。

Kosmo的玩法是：真实场景 → 高质量三维重建 → 合成数据 → 规模化训练。更关键的是，它产出的三维空间是可编辑的——&;你可以把空间里的电视和杯子给删掉、挪开、换成别的东西&;。

Kosmo已于2026年7月完成首批样机交付，获得银河通用在内的多家领先人形机器人企业订单，预计第三季度开始贡献收入。目前禾赛已与超200家跨行业潜在合作伙伴接洽，覆盖机器人、影视制作、游戏开发等领域。

04 机器人感知：一个被严重低估的战场

人形机器人赛道现在是真热。但真正卡脖子的地方，不在机械结构和电机模组，而在感知层。

一台人形机器人要走进千家万户，首先得理解它所处的三维空间：门有多宽、地板是什么材质、前方障碍物是静态还是动态。这些判断，靠2D摄像头很难做到，靠传统点云又缺颜色、缺语义。

数据印证了这条赛道的爆发力：

• 2026年上半年，禾赛以68万台ADAS激光雷达出货位居行业第一，速腾聚创43.66万台、图达通40.25万台紧随其后
• 机器人激光雷达出货排行：速腾聚创28.26万台第一，禾赛19万台第二
• 2026年Q2，禾赛机器人激光雷达出货14.2万台，同比增长193.4%
• 速腾聚创2026年Q1机器人激光雷达出货18.55万台，同比暴增1458.8%

禾赛的定位很清醒——不做通用具身大模型，不做机器人本体，只做基础设施。激光雷达是&;感知铲子&;，Kosmo是&;理解铲子&;，动力模组是&;执行铲子&;，三条线一起铺下去。

这个定位换来了资本的重新定价：禾赛2026年Q2营收8.6亿元，GAAP净利润7055万元，连续五个季度盈利；战略增长业务（SGI）首度创收，全年指引上调至2-3亿元，2027年目标7亿元并实现盈亏平衡。

05 热潮之下，三个绕不开的问题

第一，成本关。ETX定价至今未公开，但考虑到4320线超高密度和芯片级RGB-D融合，成本大概率不低。这套方案能不能从展示柜走向大规模量产车和通用人形机器人，价格是关键变量。

第二，Kosmo的工业级稳定性。3DGS重建技术在学术圈已是主流，但在规模化工业应用中，效果稳定性和数据通用性还有待验证。200家潜在合作伙伴最终能转化多少付费客户，需要持续观察。

第三，竞争白热化。速腾聚创已发布2160线&;凤凰&;芯片，在机器人激光雷达出货上甚至领先禾赛；华为持续迭代自研激光雷达SoC；图达通凭借灵雀低成本系列加速追赶。禾赛的技术领先能维持多久，是一道绕不开的考题。

砺言结语

回到文章开头的那个场景：机器人走进陌生房间，能准确描述出房间里的一切。这个场景也许比很多人以为的实现得更快。

&;毕加索&;芯片一旦大规模量产落地，机器人的&;眼睛&;就不再是灰度感知，而是真正的彩色三维世界。感知层的问题解决了，上层的理解、决策、交互都会跟上——这正是物理AI时代的底层逻辑：先让机器&;看见&;真实世界，它才能&;理解&;并&;改造&;真实世界。

禾赛选择站在产业链中游做基础设施，是一门&;卖铲子&;的好生意——产品标准化、客户分散化、收入稳定可预期。但物理AI的基础设施战争，才刚刚打响。未来3-5年，真正的赢家不会是参数最漂亮的那个，而是能把芯片、数据、执行三层能力商业化闭环的那个。

你认为，机器人真正&;看见&;彩色世界后，最先被颠覆的会是我们生活的哪个场景？是家里的管家机器人，是街头穿梭的Robotaxi，还是工厂里的人形工人？留言区聊聊你的判断。