10月14日，禾赛科技发布三维世界数据引擎Kosmo：由8K超高清AI空间相机KosmoOne和AI驱动的云平台KosmoWorld组成，禾赛称前者是全球首款8K超高清AI空间相机。手持这台设备按两个键，约15分钟就能完成一个100平方米室内空间的扫描，数据上传云端后重建为可浏览、可编辑、能让机器人拿来训练的三维场景。禾赛联合创始人兼CEO李一帆把这件事定位为"从一个零部件走到全面的基础设施"，联合创始人兼CTO向少卿则把KosmoOne和KosmoWorld分别称为这套系统的"眼睛"和"大脑"。36氪界面新闻知乎
这不是一次临时起意的跨界。禾赛押注空间计算（把真实三维世界变成可复用数字资产的技术方向），是主业压力与新市场缺口双向拉动的结果：激光雷达的价格战正在压缩零部件生意的天花板，而具身智能行业最缺的真实三维世界数据，恰好落在这家公司十年积累的同一种能力上——用光去测量和重建世界。
从"扫得准"到"AI能直接用"
KosmoOne把禾赛定制开发的高精度激光雷达、8K影像系统、一英寸CMOS传感器和高精度惯导集成在一台手持设备里：激光雷达负责空间几何和距离，影像负责颜色、纹理与光影。发布会现场演示中，这颗雷达能清晰扫出网球拍上间距约5毫米的网孔，几何精度达到毫米级；影像最高支持8K采集，导出文件分辨率最高为6K。操作上做成了即开即扫、智能指引、一键续扫，普通人不需要专业培训即可完成采集。知乎
扫描只是第一步。KosmoWorld底层是禾赛自研的AI原生三维重建与理解系统KSC，一次重建同时生成三种数据：3DGS还原场景外观和光影，mesh提供可拆分、可交互的几何模型，depth记录距离信息供机器人判断远近。系统还能识别房间里的沙发、桌椅并拆成独立资产，移动家具、更换布局。对扫描未覆盖的区域，AI会自动补全——但按禾赛自己的说明，这部分属于生成结果，并非传感器实测。三种数据同源且空间一致，最终输出的是机器人仿真可直接使用的"sim-ready"数据。发布会现场，禾赛宣布与银河通用、原力灵机达成战略合作。界面新闻
押注的第一重原因：卖得更多，赚得更薄
Kosmo首先是对旧业务的突围。过去十年，激光雷达经历了剧烈的价格坍塌：2016年Velodyne一枚64线机械式雷达售价约8万美元，如今速腾聚创MX和禾赛自己的ATX已压到200美元以下，且降价未见尽头。真正的信号藏在最新财报里：2026年第二季度，禾赛激光雷达综合平均售价降至1297元，同比下滑35%，还低于市场此前1350元的预期；同期出货62.8万台，低于公司65万台的指引。问题已不只是"以价换量"——价格快速下探时，量也未必按预期增长。界面新闻
机器人激光雷达是增长中的一环：二季度出货14.24万台，上半年累计26.07万台，客户已超过50家。但这仍是零部件生意，整车厂的年降压力和机器人市场的不确定定价，都撑不起一家上市公司完整的第二增长故事。李一帆在发布会前先划清了边界：“我们不是为了卖激光雷达又造了一个Kosmo”。他要做的禾赛2.0，是围绕物理AI同时布局机器人运动引擎（动力模组累计交付已超1万套，预计2027年出货达六位数）与三维世界数据引擎两条线，Kosmo是后者首次系统性的产品化落地。36氪
押注的第二重原因：物理AI缺"真实世界"
具身智能的训练需要海量真实环境数据，靠机器人实地反复采集成本高、效率低；纯靠生成式AI造数据又行不通。李一帆的判断是："如果你完全用AIGC去生成完全虚拟的训练数据，真正获得的新鲜的信息就很有限。"向少卿给出的对照更直观：还原一家约100平方米的门店场景，专业团队手工建模约需300小时，Kosmo现场扫描约15分钟即可完成数据采集。按禾赛测算，同一个三维空间可衍生上万条训练数据轨迹，同等成本下数据获取效率可提高100倍以上。界面新闻
禾赛披露的一个落地案例：具身公司Sharpa用Kosmo扫描DQ冰淇淋门店、重建虚拟训练环境后，机器人失败案例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。需要说明，这是禾赛披露的单一项目结果，不代表各场景都能达到同样水平。它还支撑了禾赛的逻辑闭环：在向生成式模型输入真实扫描数据做对比实验时，物体位置关系基本准确、此前被臆造出的多余物体消失——真实采集提供准确性，生成补全提供多样性，两者互补而非替代。
能力从哪来：客户早就在"拼机"
空间相机不是禾赛凭空开辟的赛道，它更像是把一门已经存在的生意做成成品。李一帆透露，今年4月禾赛就先亮相过Kosmo的产品概念。此前《黑神话·悟空》中被玩家称道的佛像与场景细节，就来自用禾赛激光雷达对真实环境的扫描；测绘院、建筑公司、游戏美术团队、机器人数据团队不断向禾赛提出从厘米级到毫米级的精度要求，而且这些客户从不砍价——与车载市场被价格战反复挤压形成鲜明对照。知乎
但客户拿到最好的雷达后，要自己配摄像头、挑惯导、凑计算平台，拼出的设备笨重、效果参差。禾赛看到的正是这个"散装"缺口：用芯片设计、光机电、精密制造和大规模量产的全栈能力，做一台高集成度的"苹果感"成品。李一帆甚至立了个flag："禾赛的空间智能的产品，最终会是个比激光雷达更大的事儿。"商业模式上，禾赛设计了不止一种收入来源：先卖KosmoOne加KosmoWorld的软硬件产品，向世界模型和物理AI公司提供真实空间数据生产服务，再向云处理、订阅和3D空间资产授权延伸——而数据资产这门生意，按禾赛方面的判断还需要至少3到5年才能建设起来。36氪
还没被证明的那一半
押注的另一面，是这个赛道已经亮过的红灯。同样讲空间智能故事的群核科技，2025年其空间智能平台只有16家客户、约520万元收入，占公司整体收入不足1%，上市约三个月后股价一度跌回发行价附近。三维空间越来越容易复制，客户为什么持续为数字空间付费，是另一回事。界面新闻
更关键的是验证成色。目前帮Kosmo跑通训练闭环最彻底的Sharpa，恰由李一帆、向少卿、孙恺三名禾赛创始人共同创办，按港交所规则构成关联方：从今年3月起禾赛向其供货和服务，截至6月底交易金额约4200万元，年度交易上限已由1亿元上调至3亿元并获股东大会通过。自家生态的反馈最快最顺，但它回答不了核心问题——银河通用、原力灵机这些客户，乃至彼此竞争的机器人公司，是否愿意持续把训练环境和产品定义建立在禾赛之上。李一帆说生成式AI缺新鲜信息，禾赛的故事同样需要新证据：接下来值得盯的，是非关联客户的采购与复购数据，以及Kosmo数据能否被第三方证明让模型学得更快。Kosmo是禾赛十年能力的一次漂亮外溢，但从"能扫出来"到"成为基础设施"，中间那段商业链条，目前还只走完了开头。
