禾赛在具身上又有新动作，这次和数据有关。

近期禾赛正式发布了三维世界数据引擎 Kosmo，包括 AI 空间相机 Kosmo One 和云平台 Kosmo World。前者采集真实环境，后者将其转化为可编辑、可复用的三维空间数据，服务机器人训练、世界模型和内容创作。

回看此前的布局，这并不是一次突然跨界。禾赛三位联合创始人已共同创办机器人公司 Sharpa，后者独立运营，开发机器人及灵巧手等产品；今年 4 月，禾赛又在技术开放日上首次展示 Kosmo，并公布机器人动力模组方向。

和禾赛团队交流后，你会发现Kosmo 的野心也不只在机器人身上。具身训练、影视制作、空间展示，都被放进了它的应用范围。贯穿这些场景的是同一件事：把真实世界采下来，变成可以反复使用的三维数据资产。

大家都在采动作，禾赛先采环境

“当前，物理 AI 缺的不是数据，而是真实世界数据。”禾赛联合创始人及 CTO 向少卿这样解释 Kosmo 的出发点。

在他的判断中，普通二维图片和视频缺少直接测量的深度、位姿与空间关系；纯仿真数据难以完整还原复杂物理规律；真机遥操作足够真实，却成本高、难以规模化。高质量、大规模、低成本，长期构成具身数据的“不可能三角”。

Kosmo 的切入点由此不同。

此前体验觅蜂 MEgo 时，我需要完整做出叠衣服、擦桌子的过程，记录“人怎么完成一件事”。Kosmo 则更关注环境本身——房间的结构、物体的位置，以及它们之间的空间关系。

一个以操作过程为中心，一个以可复用的三维环境为中心。

这也决定了 Kosmo 在 Real-to-Sim-to-Real 中的位置：它主要处理真实环境进入仿真系统的前半段，降低场景采集与重建的门槛。

扫完一个房间，还能重新布置

外形上，一公斤重的手持相机 Kosmo One 像一个接力棒，但它不像看起来那么简单。

设备集成了高空间解析力激光雷达、8K 影像系统、一英寸 CMOS 和高精度惯性测量单元（IMU），对几何、色彩、纹理和设备位姿进行微秒级同步采集。再结合 3D Gaussian Splatting（3DGS）重建与专门的图像处理调校，官方称可以实现毫米级几何精度。

这些配置各有分工，激光雷达提供空间测量，影像系统记录视觉细节，IMU 辅助运动与姿态估计。它的思路是让三维重建以实测几何为依据，而不只是生成一个视觉上相似的房间。

采集流程则尽量简化。Kosmo One 提供即开即扫、智能指引和一键续扫功能，官方给出的典型参数是：约 15 分钟完成 100 平方米普通室内空间扫描。云端模型生成速度，在相近硬件、数据集和质量要求下，最高约为同类 3DGS 重建产品的 5 倍。

现场 demo 里，更吸引我的是采集后的可再编辑，重建场景中的物体可以被单独选中、移动，空间布局不再固定。

对机器人训练来说，这意味着一次采集可以扩展出多种训练条件。最近 GPT-6 Astra 借助 Blender 制作三维内容的演示，展示了模型构建虚拟场景的能力；Kosmo 则从真实空间出发，通过重建和编辑增加场景变化。

支撑这一步的是禾赛自研的 Kosmo Spatial Core（KSC）。据介绍，这套系统通过语义分割识别独立物体，通过生成式能力补全未扫描区域；一次重建还会同步输出相互对齐的 3DGS、Mesh 和 Depth 数据，分别用于视觉呈现、表面几何与距离表达。

例如，采集一间厨房后，可以改变杯子的位置、桌椅的摆放，构造不同的训练场景。同一项拿杯子或收拾桌面的任务，可以在不同条件下反复训练，帮助机器人学习适应环境变化。这也降低了反复布置现场、重新采集和建模的成本，让一份真实场景数据能够支持更多训练任务。

[世界模型空间轨迹规划视频.mp4]

DQ 门店提供了一个实际样本。据 Sharpa 介绍，其机器人在上海一家 DQ 门店使用现有设备制作暴风雪冰淇淋，一单包含 55 个连续操作步骤，涉及开柜门、添加配料、搅拌和翻转纸杯等动作。

在这一项目中，原本约需专业团队 300 小时完成的训练环境建模，被约 15 分钟的扫描与重建替代；该部署中的机器人任务成功率达到 99%，失败率降至此前的十分之一。

机器人要训练场，电影也要片场

影视创作展示了同一套能力的另一种用途。

在机器人公司手里，三维场景是训练环境；在创作者手里，它可以成为勘景、镜头预演、虚拟制作和后期处理的素材。相比一段固定机位的视频，空间重建保留了继续选择视角、加工场景的余地。

目前，Kosmo 已获得全球顶尖影视公司的采用，其中包括皮克斯旗下工业级渲染器 RenderMan。10 月 5 日，RenderMan 官网发布教程，用 Kosmo 扫描皮克斯园区的台灯与小球，再将数据导入 Houdini，使用 RenderMan 渲染，并提供了 120MB 的示例工程。

艺术家 Dylan Sisson 在使用记录中解释，采集结果可以通过 USD 格式进入 Houdini 的 Solaris 环境，不必先将广场重新制作成传统多边形场景。在 Houdini 中，扫描结果作为点数据参与编辑，可以调整位置、大小和透明度，再进行风格化处理。

另一个已经上线的场景来自高德。双方公布的首批合作项目中，“重美术馆”和“偏锋画廊”由 Kosmo 完成三维重建，进入高德扫街榜“飞行街景”，用户可以在线浏览真实空间。禾赛负责采集、重建与空间数据生成，高德提供地图、位置服务和应用入口。

由此看，Kosmo 对应的不只是一类客户需求：机器人公司购买训练素材，影视团队制作数字资产，商户和空间运营者则需要线上展示。

设备与数据服务，两种商业模式

关于 Kosmo 的商业模式，禾赛团队也有更具体的说明。一类是向行业客户提供软硬件一体化产品；另一类是面向世界模型和物理 AI 企业，提供规模化的真实空间数据生产服务。客户可以自行采集，也可以采购数据生产服务。

相应地，禾赛计划开放采集图像、点云、IMU 数据和重建后的三维资产，对接 Isaac Sim、Isaac Lab、Houdini、RenderMan 等训练与创作平台。发布会当天，Kosmo 还与银河通用机器人、原力灵机签订了战略合作。

银河通用机器人联合创始人姚腾洲介绍，进入一个新场景前，三维重建可以帮助团队提前了解环境，把部分训练、调试和验证放在实验室完成，缩短到客户现场后的交付过程。

苏度科技商业副总裁张校珩则谈到了工业客户对数据的顾虑：企业未必愿意把自己的场景数据交给模型公司。他认为，终端客户也可以使用 Kosmo 采集数据，再结合通用模型完成面向自身业务的后训练。

禾赛正在寻找它的下一个增长曲线，而拿大模型演进来对比，一切智能都建立在更好的“压缩”之上，对网络数据的压缩带来模型智能，接下来，如何对真实世界更高压缩，会直接影响物理AI的进程。禾赛过往的激光雷达技术与生意，其实就是对物理世界进行压缩的一种方法，今天它希望从此切入，真正演变为一个物理AI公司一个好的机器人公司。