禾赛发布 AI 相机 Kosmo，要把真实世界变成一门数据生意

「禾赛的空间智能产品，最终会是一个比激光雷达更大的事。」10 月 14 日，禾赛联合创始人兼 CEO 李一帆给出了这样一个判断。

当天，禾赛科技发布三维世界数据引擎 Kosmo，包括 AI 空间相机 Kosmo One 和云平台 Kosmo World。Kosmo One 是一台集成激光雷达、摄像头和惯性测量单元的手持设备，用户拿着它扫描房间，就能记录空间结构、物体位置以及颜色、纹理等信息。Kosmo World 则将这些数据重建成三维场景，并通过 AI 识别、分割其中的物体，让桌椅等物品成为可以单独提取、移动和复用的三维资产。

对于机器人企业，这套系统提供了一条从真实场景建立仿真训练环境的路径：扫描门店、工厂或房间后，可以调整其中的物体位置，生成不同布置，供机器人训练和评测。这样一来，可以减少人工建模的工作量，让训练环境的外观与空间关系更接近实际部署场景，缩小机器人从仿真走向真实环境时的差距。

一家以车载激光雷达为人熟知的公司，开始把产品延伸到机器人训练、世界模型和三维内容生产。卖设备之外，禾赛还想通过云端处理和数字资产获得收入。

李一帆说，空间智能还会有更多产品。至于什么时候能比激光雷达做得更大，他只回答了两个字：「最终。」Kosmo 是这项判断眼下最具体的载体。禾赛要验证的，则是自己过去十年积累的技术和制造能力，能否支撑一门新的数据生意。

从激光雷达到三维数据

李一帆在发布会上讲起了禾赛第一台激光雷达的故事。

2016 年 10 月，禾赛带着刚做出来的设备参加工博会。那台雷达只能连续工作十来分钟，团队在展馆附近租了酒店房间，一边维修，一边把修好的设备换回展台。

十年后，当年三十多万人民币一台的产品，售价可以做到千元；过去靠手工组装的设备，如今每五六秒就能生产一台。中国智能汽车市场的发展，让禾赛有机会把专用芯片、系统设计和规模化制造结合起来。

现在，他反复问自己的问题是：禾赛积累的究竟是汽车供应链能力、激光雷达能力，还是可以迁移到更多产品上的底层技术？

「禾赛至今还是一家底层技术的公司。」李一帆把禾赛科技的核心能力归为复杂光机电系统设计、专用芯片与半导体设计，以及成本、质量和制造体系。在他看来，新产品是这些能力的外延与升级。

Kosmo 的需求，最早就出现在原有客户使用激光雷达的过程中。

据李一帆介绍，测绘、建筑、游戏和机器人行业的客户，过去几年不断要求更高精度的雷达。但拿到雷达后，他们仍要集成摄像头、惯性导航和计算平台，才能完成自己的应用。各家公司重复搭建相似的系统，集成度和使用体验却未必理想。

禾赛决定把这些共用环节做成一套完整产品。机器人训练是早期明确的需求之一，Sharpa 提供了应用牵引和验证场景。（Sharpa 是由禾赛三位创始人共同创办的机器人公司，同时研发机器人本体和 AI 模型）影视等领域的客户，则是在产品开发过程中逐渐出现的。

最终做出来的 Kosmo One 是一台类似红酒酒瓶的手持设备，内部集成了专门开发的激光雷达、8K 影像系统、一英寸 CMOS 图像传感器和高精度 IMU。激光雷达记录空间几何，摄像头采集颜色与纹理，IMU 记录设备运动，这些信息共同参与三维重建。

禾赛联合创始人兼 CTO 向少卿在演讲中，用网球拍展示了这款雷达的毫米级精度，点云中能清晰分辨约 5 毫米间距的网孔。

影像系统同样围绕三维重建重新设计。向少卿解释，传统摄像机通常为单台相机、单帧画面的效果优化，但重建一个空间，需要把不同相机、不同时间拍到的信息拼接起来。如果白平衡、曝光和色彩处理不一致，同一块地板在不同画面中就可能呈现不同颜色，影响最终还原。

为此，禾赛开发了专用的 ISP，也就是把传感器原始信号处理成图像的系统，让采集画面更适合后续的三维重建。Kosmo One 一键开机后，一键就能开始扫描，约 15 分钟就能扫完 100 平方米的普通室内空间。

这套产品让禾赛向客户交付的内容发生了变化。过去，客户买走一颗传感器，自己完成后续集成；现在，禾赛希望直接提供可进入训练或创作流程的三维模型。

李一帆用一个直白的比喻解释这种变化：「我应该是把『菜』都做好了，你拿到的是一个模型。」

把真实房间变成机器人训练场

Kosmo One 采集空间之后，Kosmo World 决定了这些数据能被怎样使用。

向少卿把平台的任务分为三步：生成三维场景，让用户编辑和加工场景，最后随着用户与资产增加，形成能够分享、获取三维内容的平台。

其底层系统 Kosmo Spatial Core，一次重建可以同步输出三种数据。3D Gaussian Splatting（3DGS），也就是三维高斯泼溅，主要还原场景外观；mesh，即三维网格，表达物体与空间的几何结构；depth，即深度信息，提供距离关系。三种数据来自同一个空间，并保持对应。

对机器人训练而言，这几种信息分别服务于视觉、交互和空间感知。一间看起来逼真的房间，还需要有明确的物体边界、尺寸和位置，才能进一步构建交互任务。

发布会展示的沙发，就是其中一个例子。AI 识别出沙发后，可以把它从房间中单独提取出来；原来无法看到的区域，再由 AI 补全。用户也可以通过语言指令提取其他物体，移动、旋转和重新组合它们。

这样，一次扫描得到的房间可以衍生出多种布置。机器人在仿真环境里学习操作物体时，能够接触不同的摆放方式和空间关系。按禾赛的介绍，平台还可以针对目标机器人的相机特性做视觉适配，从机器人自身的视角生成观察画面，用于训练和评测，也为世界模型提供数据。

在 DQ 冰淇淋门店工作的 Sharpa 机器人，就使用了这套三维训练环境。

向少卿介绍，过去人工建模还原相关门店环境，需要专业团队投入约 300 个小时，Kosmo 的现场空间扫描约需 15 分钟。前者是人工建模投入，后者是采集时间，扫描后的重建、编辑和训练准备仍是完整流程的一部分。

据禾赛披露，使用这套三维训练环境后，Sharpa 机器人的任务失败案例降至原来的十分之一，任务成功率达到 99%。

Kosmo 在重建场景时也会用到 AI，补全没有扫描到的区域，例如沙发底面和被遮住的地毯。这些生成内容可以让资产更完整、更便于复用。

向少卿在发布会上还对比了真实扫描与生成式模型重建的效果：把同一房间的 20 张照片交给生成式模型（GPT-6 Astra），重建结果出现家具位置偏移、结构变化，以及新增不存在的物体等问题。加入 Kosmo 的三维数据作为参考后，虽然部分结构错误得到改善，但外观与材质上与扫描的结果仍有差异。

李一帆认为，生成式 AI 能力提高，反而会扩大真实数据的需求：模型能够解决的任务越多，需要覆盖的场景也越多。基于已有信息生成更多内容，可以扩展训练环境；持续采集真实空间，则为系统带来新的信息。

对于一个房间扫一次就能反复使用、生意还能否做大的追问，他的解释也沿着这条逻辑展开。机器人训练追求的是泛化能力，同一个房间可以成为不同机器人的训练素材；当机器人从餐饮进入零售、酒店和家庭，需要覆盖的空间和任务还会继续增加。

在他的判断中，这门生意的增长主要来自机器人能力要求和应用范围的扩大。

从卖硬件到卖算力和数字资产

机器人是 Kosmo 最早的需求来源，但目前，禾赛还无法确定它最大的客户群体会是谁。

李一帆在采访中说，影视行业是产品开发过程中的一个意外收获。真实空间被重建成三维资产后，可以进入虚拟拍摄和后期制作，供创作者调整视角、布光和反复调用场景。

据禾赛介绍，Kosmo 生成的 3DGS 数据已经接入皮克斯 RenderMan 的渲染工作流程。公司也在连接 Unreal Engine、Houdini 等创作工具，以及英伟达 Isaac Sim、Isaac Lab 等机器人仿真平台，方便不同客户在各自的工作流程中使用这些资产。

高德提供了另一种使用路径。发布会上，高德地图与禾赛科技达成战略合作，首批完成三维重建的重美术馆、偏锋画廊，已上线高德扫街榜「飞行街景」。用户可以在到访之前查看内部空间。文旅、文博等领域，则有记录、保存和展示真实空间的需求。

这些客户共享采集与重建能力，购买的东西却可能不同。有些人需要长期使用设备，有些人只想完成一次空间重建，还有些人需要的是已经制作好的资产。

李一帆把可能的收入分成三个层次。

第一层是硬件。这是目前最直接、已有的收入形式。按照他的描述，产品价格较高，早期会优先进入愿意为质量付费的高价值场景。

第二层是云端处理服务。一个客户想把建筑或房间完整重建下来，并不一定需要长期持有设备。他真正需要的，是最终交付的三维模型。采集背后还有大量计算，禾赛可以围绕这一过程收费。李一帆把它形容为「收电费」：交付的是结果，支撑收费的是算力和处理能力。

第三层是数字资产。当足够多的空间和物体被采集、加工后，后来的用户可以直接获得使用权，省去重复扫描和制作。按他的设想，平台将汇集更多资产，通过授权、订阅等方式提供给客户。

这几层业务有不同的建设周期。李一帆预计，未来三年内，硬件和云端服务仍会是主导模式；数字资产平台可能需要至少三到五年才能建设起来。他说，平台目前已有可供免费下载的资产，长期还希望汇集更多来源的内容。

禾赛目前规划的业务，包括软硬件一体化产品，以及面向世界模型和物理 AI 企业的空间数据生产服务。在李一帆的设想中，这些业务还将进一步走向资产平台。

这也意味着，禾赛需要学习一种新的产品定义方式。

过去服务汽车客户时，团队主要围绕明确需求开发产品。李一帆说，那时通常是找两三个大客户，把需求整合清楚、确定指标，再进入公司熟悉的研发与生产环节。现在，机器人企业用 Kosmo 搭建仿真训练环境，影视团队用它采集场景、制作拍摄素材，禾赛需要让同一套产品适应这些不同用途。

李一帆说，他更看重这门生意未来能做多大。

因此，这场发布会带来的变化，可以落到一个具体的交付关系上：禾赛开始从提供传感器，进一步走向提供可使用的三维资产。客户最终愿意购买多少设备、消耗多少云端处理能力，以及有多少资产能够被反复授权，才会决定这条新业务的规模。

李一帆已经为空间智能给出了长期判断。要让它成为一门比激光雷达更大的生意，禾赛接下来需要证明，这些从真实世界采集来的空间，能够持续进入客户的工作流程，并带来值得付费的价值。