禾赛进军三维空间数据市场：发布8K AI空间相机，15分钟扫描100平米

来源：市场资讯

（来源：车东西）

作者 ｜ Janson

编辑 ｜ 志豪

一、15分钟扫描100平方米空间 支持毫米级三维重建

二、机器人训练任务成功率达99% 皮克斯、高德已有应用案例

三、激光雷达之外 禾赛布局两大物理AI业务

结语：禾赛寻找激光雷达之外的新增长空间

激光雷达版Pocket相机来了？禾赛开始拓展新业务。

车东西10月15日消息，日前禾赛科技正式发布三维世界数据引擎Kosmo，同步推出8K超高清AI空间相机Kosmo One，以及AI驱动的三维内容创作与管理平台Kosmo World。

这套产品可以将现实世界中的房间、建筑、商店等场景扫描并重建为三维数字空间，生成可编辑、可交互的三维数据，用于机器人训练、世界模型开发、影视制作等领域。

根据禾赛披露的数据，在普通室内环境下，Kosmo One约15分钟即可完成100平方米空间的扫描，几何精度达到毫米级。结合云平台处理，其三维模型生成速度最高可达到同类方案的5倍。

发布会现场，禾赛还展示了Kosmo在机器人训练、影视制作、数字文旅和地图服务等领域的应用案例，并宣布与银河通用机器人、原力灵机达成战略合作。

▲禾赛科技联合创始人及CEO李一帆

禾赛科技联合创始人及CEO李一帆表示，禾赛正在围绕物理AI布局三维世界数据引擎与机器人运动引擎两项新业务，希望将过去在激光雷达领域积累的技术能力延伸至机器人等行业。

当下，禾赛正在尝试从激光雷达供应商，向更广泛的物理AI基础设施提供商拓展。

此次发布的Kosmo主要由两部分组成，分别是负责采集现实世界信息的Kosmo One，以及负责处理三维数据的Kosmo World。

禾赛科技联合创始人及CTO向少卿在发布会上，将二者分别比喻为Kosmo的“眼睛”和“大脑”。

▲Kosmo One主要特点

首先是硬件部分，Kosmo One是一款专门用于三维空间数据采集的AI相机，集成了禾赛定制开发的高精度激光雷达、8K超高清影像系统、1英寸CMOS图像传感器和高精度惯性测量单元（IMU）。

其中，激光雷达负责获取物体的空间位置、距离和几何结构，影像系统则负责记录物体的颜色、纹理、材质及光影信息。

多种传感器采集的信息经过同步处理后，可以同时保留真实场景的空间结构和视觉细节。

向少卿透露，Kosmo One搭载的是禾赛专门为三维空间扫描开发的激光雷达，其精度和空间解析力均达到禾赛现有产品中的最高水平。

在现场演示中，这款激光雷达能够清晰扫描出网球拍上间距约5毫米的网孔。

影像方面，Kosmo One采用360度全景采集方案，并针对三维重建需求开发了专用图像信号处理系统（ISP）。

与普通相机主要优化单张照片画质的思路不同，Kosmo One需要保证不同镜头、不同时间采集的图像在色彩和亮度上保持一致，从而减少三维重建时的画面差异。

按照禾赛披露的数据，Kosmo One最高支持8K影像采集，不过最终导出的文件最高分辨率为6K。

在操作方面，Kosmo One支持一键扫描、智能指引和一键续扫。普通室内场景下，完成100平方米空间扫描约需15分钟，实际时间取决于空间结构和采集要求。

完成数据采集后，用户可以将数据上传至Kosmo World云平台，由平台进行三维重建、编辑和管理。

Kosmo World的底层是一套名为Kosmo Spatial Core（KSC）的AI三维空间重建与理解系统。

▲一次采集三种数据同源生成

该系统可以在一次重建过程中，同时生成三种不同形式的三维数据：

第一种是3DGS（3D Gaussian Splatting，高斯泼溅），主要用于还原真实场景的外观、颜色和光影效果。

第二种是Mesh（三维网格），用于描述物体的几何结构，支持物体拆分、编辑及后续交互建模。

第三种是Depth（深度数据），用于记录空间距离信息，帮助机器人理解物体的位置和远近关系。

三种数据均来自同一个真实场景，能够保持空间位置的一致性。

此外，Kosmo World还具备AI语义识别、物体分割和场景补全能力。

例如，系统扫描一间房间后，可以识别其中的沙发、桌子、椅子等物体，并将其分别提取为可以独立编辑的三维资产。

用户可以移动家具、调整房间布局，生成不同的场景，用于后续机器人训练。

对于扫描过程中未覆盖的区域，系统还能够利用AI进行推测和补全。不过，这部分内容属于AI生成结果，并非传感器直接测得的真实信息。

按照禾赛方面的介绍，这套系统可以将现实场景转换成可供机器人仿真训练使用的三维数据，减少传统场景建模所需的人力和时间。

在应用层面，禾赛此次重点介绍了Kosmo在机器人训练、世界模型、影视制作和空间商业化领域的进展。

其中，机器人训练是Kosmo最初面向的应用场景。

目前，具身智能机器人训练需要大量真实环境数据，但依靠机器人在实际场景中反复操作采集数据，往往存在成本较高、效率较低等问题。

通过Kosmo，开发者可以先对现实环境进行三维扫描，再将重建后的场景导入机器人仿真训练平台。

机器人能够在虚拟环境中识别、移动和操作物体，还可以通过调整场景布局，增加训练环境的多样性。

禾赛以Sharpa机器人在DQ冰淇淋门店的应用进行了说明。

▲禾赛Sharpa机器人在DQ

按照禾赛披露的数据，过去由专业团队人工建模还原一家门店，需要约300个小时，而使用Kosmo进行现场空间扫描，约15分钟即可完成数据采集。

经过三维重建和训练环境搭建后，开发者可以让机器人在虚拟门店中进行操作训练。

禾赛表示，在该项目中，Sharpa机器人的失败案例数量降至此前的十分之一，任务成功率提升至99%，并已在真实门店投入使用。

上述结果来自禾赛展示的具体项目，并不代表机器人在所有场景下均能达到相同水平。

李一帆在演讲中还透露，禾赛与Sharpa的创始团队存在重合，双方在机器人硬件开发和训练场景验证方面有较为紧密的合作。

因此，Sharpa也是禾赛相关新产品的重要应用和验证场景。

▲禾赛动力模组参数亮点

除了具身智能，Kosmo还面向世界模型开发企业提供三维数据。

目前，世界模型可以利用图片、视频等信息生成虚拟环境，但在还原真实空间的几何结构、物体位置和材质等方面，仍可能存在偏差。

Kosmo能够提供实际扫描获得的空间结构、相机位姿、深度信息和多视角数据，供世界模型开发使用。

在向少卿的演示中，禾赛还将Kosmo重建的三维数据与直接利用图片生成的三维场景进行了对比。

演示结果显示，引入Kosmo三维数据后，生成场景中的部分物体位置和空间结构更加接近真实环境。

向少卿认为，真实空间采集与生成式AI具有不同的技术定位，前者侧重准确记录现实环境，后者侧重根据已有信息生成新的内容，两者可以结合使用。

根据禾赛的测算，基于同一个三维空间，Kosmo可以生成上万条用于训练的数据轨迹。与真机逐条采集高质量轨迹相比，在同等成本下，数据获取效率可提高100倍以上。

▲物理AI发展

在机器人和世界模型之外，Kosmo还展示了多个内容产业应用案例。

影视制作方面，Kosmo生成的3DGS数据已经接入迪士尼旗下皮克斯动画工作室的RenderMan渲染工作流程。

创作者可以将现实场景转换为三维资产，再通过专业渲染软件修改光照、材质和画面风格，用于影视内容制作。

禾赛还与跃墨工作室展开合作，利用真实场景的三维重建数据，为AI影视制作提供场景素材。

按照禾赛提供的典型项目测算，采用Kosmo进行空间扫描、重建和编辑，可以缩短部分影视场景的制作周期。在特定场景下，相比传统实景租赁与搭建，综合成本最高可降低80%。

地图服务方面，禾赛与高德达成战略合作。

目前，通过Kosmo完成三维重建的重美术馆、偏锋画廊，已经上线高德扫街榜的“飞行街景”功能。

用户可以通过三维场景查看相关空间的内部布局和环境。

在文旅文博领域，Kosmo还与联合国合作伙伴TRIC展开合作，以成都杜甫草堂为原型制作沉浸式数字艺术作品。

禾赛表示，未来还计划将这套三维空间采集和重建能力拓展至更多真实场景。

此次Kosmo发布，也是禾赛拓展激光雷达以外业务的一项新进展。

李一帆在演讲中表示，禾赛过去十年主要围绕汽车和机器人感知需求，开展激光雷达的研发、生产和销售。

▲禾赛科技出货量

目前，公司已经形成了包括芯片设计、光机电系统开发、精密制造及大规模量产在内的技术体系。

禾赛认为，这些底层能力可以进一步应用于机器人领域。

李一帆表示，相比已经形成较成熟基础设施的数字AI，物理AI目前在机器人硬件、计算和训练数据等方面仍存在不足。

围绕这些需求，禾赛选择了两个新的业务方向。

一是三维世界数据引擎，主要解决机器人如何获取、理解真实世界数据的问题。

此次发布的Kosmo就属于这一业务方向，其商业模式主要包括两个方面。

首先，通过Kosmo One和Kosmo World组成的软硬件产品，为机器人、影视制作、文旅等行业提供空间扫描、三维重建和数据处理能力。

其次，面向世界模型和物理AI开发企业，提供规模化的真实世界三维数据生产服务。

在生态方面，禾赛计划开放采集得到的图像、激光雷达点云、IMU数据及三维重建资产，并与英伟达Isaac Sim、Isaac Lab、虚幻引擎、RenderMan和Houdini等软件平台对接。

另一项业务则是机器人运动引擎，主要面向机器人的关节驱动与运动控制需求。

禾赛已经开始向机器人企业提供动力模组，并将相关产品从灵巧手驱动向机器人全身关节拓展。

▲禾赛科技动力模组

据禾赛披露，其新一代动力模组相较于对标的同类产品，体积缩小37%，功率密度达到约3倍。

截至2026年第二季度末，禾赛动力模组累计交付量已经超过1万套。

禾赛方面预计，到2027年，相关产品的年度出货量有望达到六位数规模。

李一帆表示，禾赛与Sharpa在机器人研发过程中形成了相互反馈的合作关系。Sharpa负责提供机器人操作需求、算法验证和实际应用场景，禾赛则将相关需求转化为硬件产品，并通过自身制造体系推进量产。

他同时强调，禾赛开发相关产品的目标是服务整个机器人行业。

对于两项新业务的发展方向，李一帆表示，禾赛希望将三维世界数据引擎和机器人运动引擎打造为公司的新增长点。

从业务布局来看，禾赛正尝试将其在激光雷达领域积累的感知、芯片和制造能力，进一步延伸至三维数据处理和机器人执行机构等领域。

从此次发布的产品来看，禾赛正在拓展其物理AI业务的覆盖范围。

过去，禾赛主要通过激光雷达为汽车和机器人提供环境感知能力。此次发布的Kosmo，则进一步覆盖真实环境的数据采集、三维重建和训练数据生成。

与此同时，机器人动力模组业务也开始形成实际交付。

不过，Kosmo能否形成规模化业务，还取决于三维数据在机器人训练中的实际效果，以及客户对软硬件产品和数据服务的持续需求。

对于禾赛来说，激光雷达仍是目前已经验证的主要业务，新推出的三维世界数据引擎和机器人运动引擎能否成为新的增长来源，仍需要后续产品交付和商业化进展验证。