禾赛发布空间数据采集系统，押注具身智能数据底层

车载激光雷达价格持续下探的背景下，禾赛科技正在具身智能赛道寻找第二增长曲线。

10月14日，禾赛正式发布Kosmo One手持三维空间相机、三维世界数据引擎Kosmo以及Kosmo World云平台。在此之前，禾赛三位联合创始人李一帆、向少卿、孙恺已于2024年底共同创立机器人整机公司Sharpa，禾赛负责供应动力模组。

资本重构具身链条：从本体转向上下游

具身智能领域的资金流向正在发生分化。双足人形与现场演示的吸金效应边际递减，核心零部件、世界模型、仿真环境和数据采集开始承接更多资金。行业普遍认为，整机商业化落地周期长，而上游数据与核心部件具备更早兑现现金流的确定性。

禾赛此次推出的Kosmo One是一款集成激光雷达、8K影像系统和高精度IMU的手持空间采集设备。普通室内场景15分钟内可完成100平方米扫描。原始数据上传至Kosmo World云端后，系统会将其处理为3DGS、Mesh和Depth三种空间对齐格式，供机器人训练使用。

当前具身智能数据分为五层：通用图文数据、仿真数据、人类第一视角视频、手部交互位姿数据以及真机运行数据。Kosmo主要切入的是第二层仿真数据的环境底座，相当于为机器人提供高精度的物理几何环境。

这与自动驾驶时代高精地图的角色十分接近：不涉足机器人决策本身，而是作为数据供给商，为算法消除物理空间中的幻觉。

商业模式转型：从卖硬件到卖数字资产

禾赛CEO李一帆表示，Kosmo的定位不是单纯售卖激光雷达硬件，而是先以硬件切入建立数据管线，最终转型为按需订阅的空间数字资产平台。禾赛规划用3至5年建立海量空间资产库，完成从硬件制造商到数据服务商的估值蜕变。

在落地验证上，禾赛以DQ冰淇淋门店为例：人工建模原本需300小时，Kosmo约15分钟即可生成高还原度场景，Sharpa机器人的任务成功率随后提升至99%。

然而，这种扫描方案正在遭遇生成式AI路线的直接挑战。李飞飞团队与英伟达联合发布的SimFoundry，只需单段普通视频即可自动生成具备可交互能力的仿真环境；智元机器人的Genie Sim 3.0则通过大语言模型驱动场景泛化，大幅降低了环境构建的刚性成本。

扫描方案的优势在于开箱即用的高精度几何一致性，但每增加一个场景都需要设备进场与人工介入，物理属性（摩擦力、质量分布、弹性等）仍需下游开发者自行接入Isaac Sim等引擎补充。

具身时代的“博世”野心与现实掣肘

目前禾赛并行业务涵盖车载雷达、机器人雷达、Kosmo空间引擎与动力模组，试图对标博世在汽车工业中的平台型Tier 1地位。

在机器人端，禾赛迷你型3D激光雷达JT128已应用于宇树机器人等产品，机器人雷达出货量保持翻倍以上增速。但与汽车产业成熟的标准化体系不同，具身智能产业链高度离散。减速器、电机、传感器与驱动控制往往分立采购，各家整机厂牢牢掌握着自身的数据闭环与算法流。

车企难以脱离博世成熟的整车电控系统，但机器人厂商将雷达更多视作通用感知输入，具备极高的供应链可替换性。

对禾赛而言，Kosmo若想真正构筑护城河，单纯提供几何重建还不够，未来必须向传感器标定、视觉融合、SLAM以及仿真接口标准化全面延展，才能避免在下一轮产业洗牌中沦为单纯的数据测绘工具。