10月14日，禾赛科技在上海正式发布三维世界数据引擎Kosmo，内含一台集成激光雷达的8K超高清AI空间相机KosmoOne和AI云平台KosmoWorld，任务是把门店、房间、美术馆这样的真实空间，扫成可编辑、可交互、可训练的三维数据。发布会后，“物理AI的数据基建"成了这台设备的关键词，行业要不要、能不能"抄作业"的讨论也随之而来。逐项盘点已可核验的落地证据，结论并不对称：机器人行业的"扫描—训练—上岗"链路已在真实门店跑通闭环，可以近似照抄；自动驾驶的数据闭环是车规口径，Kosmo目前并未接入，只能"借力"而非"抄作业”。第一财经知乎
起点是具身智能数据的"不可能三角"
禾赛联合创始人及CTO向少卿对具身智能数据瓶颈的概括是：二维图片和视频缺少深度、位姿与真实空间关系，纯仿真数据还原不了材质、摩擦、形变，真机遥操作数据足够真实却成本高、难规模化，高质量、大规模、低成本被其称为难以兼得的"不可能三角"，Kosmo正是冲着这个三角困局去的。IPO早知道
硬件：毫米级精度加8K画质，15分钟扫完100平方米
硬件端，KosmoOne一台设备集成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、纹理和设备位姿做微秒级同步采集，再结合3D高斯泼溅（3DGS）重建与专用ISP调校，实现毫米级几何精度。所用激光雷达是禾赛自称精度与解析力"史上最高"的定制型号，发布会现场演示中，它清晰扫出了网球拍上约5毫米间距的网孔。知乎车东西
使用端按键两下即开即扫，带智能指引和一键续扫，禾赛官方实测普通室内场景15分钟可完成100平方米空间的扫描。一个口径细节需要留意：官方宣称最高8K采集，车东西转述的导出文件上限则是6K，实际耗时也取决于空间结构与采集要求。微博
云端KosmoWorld的底层是自研KSC重建系统：一次扫描同步生成3DGS、mesh、depth三种数据，分别还原外观光影、支持物体拆分编辑、提供真实空间距离，三类数据同源对齐，再经AI语义分割，输出即为机器人仿真可直接使用的Sim-Ready数据。系统也会用AI自动补全没扫到的区域——禾赛方面未回避其性质：补全内容是AI生成结果，并非传感器直接测得的真实信息。IPO早知道车东西
落地盘点：一个闭环已经上岗，其余刚起步
从扫描到真实门店上岗、跑完全闭环的目前只有Sharpa在DQ冰淇淋门店的项目。按禾赛披露的口径，专业团队人工建模一家门店约需300小时，Kosmo扫描采集15分钟即可，重建出训练环境后机器人失败案例降至原来的十分之一、任务成功率提升至99%，并已在真实门店正式上岗。这组数字只有单一项目支撑，且一个无法绕开的背景是：Sharpa与禾赛的创始团队存在重合，本身就是新产品的验证场景。IPO早知道车东西
影视行业同样有动作：皮克斯旗下渲染器RenderMan已把Kosmo生成的3DGS数据接入渲染管线，禾赛称皮克斯近日将该工作流做成官方教程向全球创作者开源；李一帆给出的测算则称勘景成本可从预算的30%压至5%——两处均为禾赛方面口径。地图侧的落地要具体得多：高德扫街榜"飞行街景"首批上线的三维场景目前只有重美术馆、偏锋画廊两个。与联合国合作伙伴TRIC的杜甫草堂项目、同银河通用和原力灵机签订的战略合作，目前仍停留在项目与合作协议层面。设备进入大众视野的前兆倒是早已出现：9月初，就有3DGS创作者公开了用Kosmo内测机完成的现场扫描。知乎车东西哔哩哔哩
机器人行业可以抄，但有两个前提
对具身智能公司来说，这份作业已经几乎送到门口：扫描场景、云端重建、导入英伟达Isaac Sim、Isaac Lab等仿真平台训练并做数据增广，官方称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。官方给出的生态对接名单也止步于Isaac Sim、Isaac Lab、UE、RenderMan、Houdini这类机器人仿真与创作平台。"能抄"的前提还剩两个：一是不同行业对三维数据的精度标准、格式要求、工作流兼容性差异巨大，接入并非即插即用；二是可得性——KosmoOne的售价与发售时间均未在发布会上披露，外部企业现阶段"抄作业"的方式更接近于购买禾赛面向世界模型与物理AI企业提供的规模化真实世界三维数据生产服务，而非买一台设备自己扫。IPO早知道知乎车东西
自动驾驶抄不了作业：口径对不上，只有一个借力口子
禾赛本是智驾行业的老玩家，公司称其激光雷达交付量连续9年翻倍、在ADAS乘用车与Robotaxi两大市场的市占率稳居全球第一；而车载业务正被车企持续降本与纯视觉路线两头挤压，转向物理AI是其第二增长曲线的选择。但Kosmo恰恰不是为汽车准备的：车端感知是道路场景下车规级多传感器的实时数据流，训练依赖自有车队回传和数据闭环标注口径；一台手持室内扫描器输出的三维空间资产，暂时插不进这套体系——禾赛生态名单里也没有任何车载仿真工具链。自动驾驶阵营真正的借力口子在世界模型与仿真环节：端到端与VLA路线需要逼真三维场景做训练和测评参照，禾赛测算基于同一空间可自动生成上万条训练轨迹，同等成本下数据获取效率可提高100倍以上。现阶段它对智驾是数据供给，而非车端管路的替代品。IPO早知道知乎车东西
三个信号决定"抄作业"何时从发布会话术变成行业现实：KosmoOne公布实际售价与发售渠道、高德"飞行街景"接入的三维场景数量放大、以及下一个与禾赛无关联关系的机器人客户能否复现DQ门店那组效率数字。
