文：王志
编辑：周易
2025 年 11 月，有着「AI 教母」之称的斯坦福大学教授李飞飞，发表了一篇关于空间智能的重磅长文。她在文中指出，AI 在阅读、写作、研究和数据模式识别方面表现出色，但在对物理世界的表征与交互上却存在根本性局限。
李飞飞旗帜鲜明地表示，AI 的下一个十年，是空间智能。
从产业的视角来看，李飞飞的这篇长文深刻地揭示了 AI 在物理世界的局限性，以及物理 AI 这一细分领域所拥有的无限可能。
紧接着，2026 年 1 月，英伟达创始人兼 CEO 黄仁勋在 CES 期间的一场公开演讲中给物理 AI 的发展定下了一个更加浓墨重彩的调子。他表示：物理 AI 的 ChatGPT 时刻即将到来（The ChatGPT moment for physical AI is nearly here）。
由此，以这两大 AI 巨擘的发声为起点，物理 AI 领域在 2026 年掀起了一场覆盖了技术、人才和资本的热潮。
然而，虽然物理 AI 领域已然千帆相竟、玩家云集，但从整体视角来看，这一领域的发展，却在基础设施层面正面临一个最大的关键瓶颈：那就是真实世界数据的缺失。如果没有真实世界数据作为底层支撑，物理 AI 的进一步发展就如同无根之木，无源之水。
好消息是，作为长期深耕并关注物理 AI 发展的中国科技企业，禾赛科技也在十多年的激光雷达业务实践中，面向物理 AI 的这一瓶颈进行了深入布局——不仅如此，禾赛还推出了一个旨在获取真实世界数据的三维世界数据引擎 Kosmo，并由此开启了以 Kosmo 为核心的空间智能生态建设。
伴随着这一动作，禾赛科技也正在企业变革中迎来自己的 2.0 版本：正式向一家真正意义上的物理 AI 企业迈进，并由此开启第二增长曲线。
打破具身数据的「不可能三角」
发展到今天，物理 AI 在数据维度上面临的最大问题是什么？
答案其实是复杂的——物理 AI 在前期的发展过程中，确实获得了一些数据，但这些数据或多或少都存在着问题。比如，二维图片和视频缺少深度、位姿与真实空间关系；纯仿真数据难以完整还原材质、摩擦、形变等复杂物理规律；真机遥操作数据足够真实，却成本高、效率低、难以规模化。
换言之，在物理 AI 的发展中，大批量且低成本的、来自真实物理空间的三维世界数据，是真正意义上的稀缺品。
于是，面对这个问题，禾赛科技推出了一个真正意义上的三维世界数据引擎 Kosmo。
从产品的角度来看，Kosmo 主要分为两个部分，一个部分以硬件产品为载体的全球首款 8K 超高清 AI 空间相机 Kosmo One，另一部分则是以软件形态存在的 AI 云平台 Kosmo World——它们分别扮演了三维世界数据引擎的「眼睛」和「大脑」的角色。
先来看 Kosmo One。
Kosmo One 作为一台 AI 空间相机，其核心任务是将真实世界轻松数字化。从硬件产品的角度来说，Kosmo One 单台设备集成了禾赛专门为之定制的超高空间解析力激光雷达、8K 超高清影像系统、一英寸大底 CMOS 与高精度 IMU，对空间几何、色彩、纹理和设备位姿进行微秒级同步采集。
在上述硬件的支持下，结合 3D Gaussian Splatting（3DGS）重建技术与专门的 ISP 调教系统，Kosmo One 可实现毫米级几何精度与最高 8K 影像级画质，高保真还原材质、纹理、颜色与光影。
从功能方面，Kosmo One 在全行业范围内首创了即开即扫、智能指引与一键续扫等功能，大幅降低了空间采集的专业门槛，在普通室内场景下，约 15 分钟即可完成 100 平方米空间扫描——配合 Kosmo World 云平台处理，模型生成速度达行业 5 倍。
当然，在通过 Kosmo One 扫描完成之后，还需要通过 Kosmo World 来进一步处理。
作为一站式的 3D 内容创作与管理平台， Kosmo World 的角色，是负责将 Kosmo One 采集来的数据转化为 AI 可理解、可交互、可训练的智能空间，其底层是禾赛 AI 原生 3D 空间重建与理解系统 Kosmo Spatial Core（KSC）。
KSC 一次重建后，即可同步生成 3DGS、mesh、depth 三种形态的三维数据，这三类数据源自同一场景、彼此空间对齐，而机器人看到的、抓到的、测到的，是同一个世界。与此同时，原生 AIGC 能力能够让空间更完整。比如，未被扫描的区域自动补全，材质与纹理智能识别重建，多视角信息无缝融合，最终生成完整、连贯、可自由漫游的三维场景。
值得一提的是，Kosmo World 还为三维世界数据提供了可编辑能力。借助 AI 驱动的 3D 语义分割，场景中的每一个物体都能被独立识别与定义，从静态三维模型变为具备语义信息与操作属性、可被物理 AI 理解的空间对象。
可以说，通过 Kosmo One 与 Kosmo World 的密切配合，真实世界可以大规模、低成本、高质量地转化为面向具身智能训练的 sim-ready 数据——它所破解的核心难题，就是以往存在的具身智能的「不可能三角」。
由此，Kosmo 的本质，其实就是一个软硬件一体化、真正具备高质量、可规模化的真实世界三维数据引擎，其核心逻辑就是为物理 AI 的发展提供底层的基础设施支撑。
构建一个空间智能生态
对于禾赛来说，Kosmo 的正式发布，不仅仅其面向物理 AI 进行全面转型的重要一步，也是它在战略层面从「空间感知」升维到「空间智能」的一个关键标志——其中，需要明确的是，早在 2026 年上半年，禾赛科技就已经宣布了这次战略升维。
实际上，在推出 Kosmo 背后，禾赛瞄准的不仅仅是一系列产品，而是一个多维度、具体落地空间和庞大商业价值的空间智能生态。
其中，Kosmo 作为一个真实世界数据引擎，它的价值已经在具身智能和机器人领域得到了十分清晰的验证。
比如，Kosmo 不仅能够生成面向具身智能训练的 sim-ready 数据，同时，它所生成的数据还能针对目标机器人的相机特性做视觉适配，让机器人在「自己眼中」的世界里训练，进一步缩小仿真与真实的差距——从预训练、后训练到测评部署，这套能力覆盖具身智能训练全流程。
关键是，这条系统已经在真实场景中跑通。
一个典型的案例，是已经在上海吴江路 DQ 冰淇淋门店的 Sharpa 机器人。过去人工建模还原一家门店，专业团队需投入约 300 个小时；Kosmo 约 15 分钟即可完成扫描并生成高度还原的三维训练环境。不仅如此，在门店运行过程中，Sharpa 机器人的失败案例降至原来的十分之一，任务成功率提升至 99%，最终在真实门店正式上岗。
除了具身智能，世界模型也是 Kosmo 面向空间智能的另外一个核心着力点。
具体来说，Kosmo 提供 1:1 还原、几何精准的真实世界三维数据，连同精确的相机位姿、深度信息与多视角对应关系，成为世界模型理解物理规律的「真实坐标」；基于同一个三维空间，还能自动生成上万条训练轨迹，让高质量真实世界数据的获取效率提升 100 倍以上。
这意味着，在真实世界数据成为世界模型最稀缺基础设施的前提下，Kosmo 将有机会成为每一家世界模型公司身后的数据底座。
值得一提的是，在具身智能和世界模型方面，禾赛 Kosmo 已经分别与银河通用机器人和原力灵机达成了战略合作关系——这些合作关系意味着，禾赛 Kosmo 的价值已经被物理 AI 领域的核心玩家看到。
然而，除了具身智能和世界模型之外，Kosmo 的价值也正在延伸至影视媒体、文旅文博、空间商业化等更多领域，这属于「无心插柳柳成荫」。
比如，在影视媒体领域，Kosmo 带来了一场效率革命，可以大幅度降低场景数字化采集和勘景成本。
值得强调的是，Kosmo 已获得全球顶尖影视公司皮克斯旗下工业级渲染器 RenderMan的采用。具体来说，通过将 Kosmo 生成的高质量 3DGS 数据接入 RenderMan 渲染管线，艺术家首次可以在专业渲染软件中对真实世界数据实现影视级的风格化控制——皮克斯已经将这一工作流做成官方教程向全球创作者开源。
此外，在 AI 影视工业化方向，Kosmo 与获得腾讯等头部影视平台认可的跃墨工作室达成合作，以真实空间替代 AI 生成的虚拟空间。在文旅文博领域，Kosmo 已与联合国合作伙伴 TRIC 展开合作，以成都杜甫草堂为蓝本创作沉浸式数字艺术作品。在空间商业化领域，禾赛 Kosmo 还与高德达成战略合作，将位置服务从二维地图升维至三维空间。
从以上的一系列动态来看，禾赛真正想要做的，是在数据层面和生态层面从发力，将 Kosmo 打造为一个开放的空间智能生态，并由此构建出不同的商业模式。
物理 AI 时代的第二增长曲线
发展到今天，禾赛科技正在经历一个重大转折点。
回头来看，在过去十几年的时间里，禾赛科技以激光雷达业务核心载体，逐步成长为全球汽车与机器人产业的重要基础设施提供者。其中的一个亮眼数字是，禾赛激光雷达交付量已连续 9 年实现翻倍式增长，在 ADAS 乘用车与 Robotaxi 两大市场的市占率均以断层优势稳居全球第一。
不仅如此，凭借亮眼成绩，禾赛科技也在财务层面证明自己，在实现优质商业闭环的同时，也成功登陆美国和香港资本市场。
但真正重要的是，禾赛科技在过往十几年的发展过程中，已经构建起光机电软硬一体设计、自研芯片、超大规模精密制造等一系列面向物理 AI 的全栈技术能力。
正是有了这样的能力为基础，面临物理 AI 即将全面爆发的行业大潮，禾赛科技敏锐地捕捉到了新的机遇，并决心超脱出一家激光雷达公司的角色，向前更进一步，成长为全球领先的物理 AI 基础设施公司。
这无疑，是一个更高的目标。
从目前的动态来看，伴随着物理 AI 正在进入到 2.0 阶段（正如禾赛 CEO 李一帆所言），禾赛也正在面临物理 AI 的两大关键问题进行业务布局，这两个问题是：机器如何作用于真实世界，以及 AI 如何获得足够高质量的真实世界数据。
围绕它们，禾赛布局了两大核心引擎：机器人运动引擎与三维世界数据引擎——其中，Kosmo 就是三维世界数据引擎的首次系统性产品化落地。而在 Kosmo 之外，禾赛也在构建另外一个同样拥有广阔市场空间的机器人运动引擎，也就是禾赛动力模组。
具体来说，相比同类产品，禾赛动力模组体积缩小 37%、功率密度提升至 3 倍。不仅如此，截至 2026 年第二季度末，禾赛动力模组已累计交付超过 1 万套，产品范围正由灵巧手模组向全身关节模组拓展，预计 2027 年动力模组出货量将达到六位数水平。
很明显，这两大引擎都有着巨大的潜在市场空间。
总体来看，无论是以 Kosmo 为代表的三维世界数据引擎，还是以禾赛动力模组的机器人运动引擎，这家硬核科技企业在做的，就是以空间智能为核心战略，瞄准当前物理 AI 行业的关键问题和机遇，充分发挥自身的技术实力和差异化竞争优势，从而在市场更加广阔的物理 AI 战场拥有自己的一席之地。
从商业和财务的角度来看，禾赛科技也正在以往激光雷达业务的基础上，构建一个全新的、商业前景更加广阔、更具潜力的第二增长曲线。
不过，这条增长曲线，是有其内在逻辑的连续性的。
正如禾赛 CEO 李一帆所言：如果说，过去十年禾赛解决的是如何让机器更好地「看见」真实世界，那么 Kosmo 和动力模组所代表的下一步，是让物理 AI 真正理解世界、并进入真实世界产生价值，实现赋能机器人、让人类生活更高效舒适的终极使命。
从「看见」到「理解」，再到「进入」并「产生价值」，每一步都是飞跃式的质变。
无论如何，随着物理 AI 行业从过去以智能驾驶和专用机器人为标志的 1.0 阶段，正式进入到以通用机器人的实现为目标的 2.0 阶段，禾赛科技正在重新定义自己作为一家科技企业的价值坐标，并且从 1.0 到 2.0 进化——毫无疑问，以 Kosmo 的正式发布为起点，禾赛科技在物理 AI 时代的进化过程才刚刚开始。
热门跟贴