10月14日，禾赛科技发布手持式三维空间数据采集设备Kosmo One，同步推出三维世界数据引擎Kosmo及Kosmo World云平台。这是禾赛在汽车激光雷达主业之外，面向具身智能数据采集环节的一次产品落地，也标志着其业务边界从传感器硬件向空间数据服务延伸。
Kosmo One集成激光雷达、8K影像系统和高精度IMU，用于采集真实物理空间数据。禾赛披露，普通室内场景约15分钟可完成100平方米扫描。原始数据进入Kosmo World云平台后，由底层系统Kosmo Spatial Core处理，转化为3DGS、Mesh和Depth三种空间对齐的数据格式，用于模型训练。这意味着客户在购买硬件的同时，即接入禾赛的数据处理管线。
从行业背景看，具身智能赛道热度仍在，但资本流向正在重新分布。2026年上半年，国内具身智能赛道融资约438亿元，其中超过一半流向了做“大脑”和世界模型的公司，机器人本体公司融资占比约12.8％。整机、双足、人形和现场演示不再是资本唯一关注的环节，模型、数据、仿真、核心零部件和商业化交付开始获得更高估值。禾赛选择切入的，正是数据采集与仿真环境构建这一上游环节。
按照北京大学、南洋理工大学等机构合作发布的报告划分，当前具身智能数据大致分为五个层级：互联网通用视觉语言数据、仿真数据、人类第一视角视频、人类佩戴夹爪设备采集的操作轨迹数据，以及来自机器人真机操作的数据。Kosmo面向的是第二层仿真数据的环境底座，通过扫描将现实物理空间转化为数字资产，用于下游仿真训练。完整流程包括重建三维场景、赋予质量与碰撞体积等物理属性、建立机器人本体模型并配置传感器参数，最终生成带标注的训练数据。禾赛提供的是三维采集与重建能力，扫描空间结构、颜色、纹理、深度和设备位姿；物理属性数据则需客户导入后接入Isaac Sim、Isaac Lab或其他平台自行配置。
这一角色与自动驾驶时代高精地图商有相似之处：不生产智能体本体，而是为智能体提供理解物理世界所必需的基础空间数据层。禾赛的商业模式设想也循此路径展开。车载激光雷达是典型的硬件销售模式，单价持续下行；高精地图则从一次性卖图向按年服务费或动态服务底座转型。禾赛CEO李一帆在发布会前表示，公司不是为了卖激光雷达又造了一个Kosmo，而是要从硬件收入起步，转向数据与模型服务，最终构建包含海量空间模型的数字资产平台，供客户付费使用。按照禾赛的规划，这一资产库的形成可能需要3至5年。
禾赛在发布会上以Sharpa机器人在DQ冰淇淋门店的应用作为案例：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，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％。需要指出的是，Sharpa由禾赛CEO李一帆、CTO向少卿和首席科学家孙恺于2024年底共同创立，双方签订有《产品销售框架协议》，禾赛向Sharpa供应机器人动力模组。对第三方客户而言，生成后的空间环境仍需导入仿真器、接入机器人模型，并经过大量人工标注和参数调试。空间扫描可以准确记录几何关系，但不会自动生成完整的质量分布和接触模型，机器人要在门店内完成搬运和交互，还需了解地面摩擦、柜台承重、按钮压力等物理属性。
生成式路线对扫描方案构成直接竞争。李飞飞团队与英伟达等联合发布的SimFoundry，只需一段真实世界普通视频即可自动生成具备交互能力的机器人仿真环境，实现零样本迁移；智元机器人的Genie Sim 3.0利用大语言模型驱动场景生成，输入自然语言指令可泛化出万级训练场景，并开源了包含上万小时仿真场景的数据集。相较之下，扫描方案每增加一个新场景，硬件、人力与物理数据补全均需同步投入，刚性成本更高。Kosmo的竞争力更多体现在设备端：一台非专业人员可使用的手持测绘设备，一次重建同步产出视觉外观、几何网格和深度信息，并通过语义分割识别场景物体，将多个环节打包为开箱即用的系统。
目前禾赛同时推进四条业务线：汽车激光雷达、机器人激光雷达、Kosmo空间数据引擎和机器人动力模组，形成从感知到理解再到执行的路线。公司希望从汽车激光雷达供应商升级为物理AI基础设施企业。李一帆提出，希望禾赛成为机器人产业的底层技术供应商，参照博世在汽车产业中的位置。在同一方向上，速腾聚创做机器人视觉平台，将传感器嵌入客户开发工具链；图达通等企业也在寻找激光雷达之外的增长曲线。禾赛能否借Kosmo完成从硬件销售到数据资产运营的估值切换，取决于高精度真实扫描数据是否成为具身智能训练中的刚性需求。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
