很多人在准备做旧房改造时，总会想先看看换个布局是什么样子。沙发挪到另一面墙，餐桌转个方向，或者把书桌搬到窗边，房间会不会舒服一点？

可这些家具真搬起来，费力不说，折腾完还可能发现，原来的位置更合适。

让 AI 先画张效果图倒是方便，但图里的空间比例、家具大小，又未必对得上自己的家。

这个时候就有人会想，要是能把已经布置好的家扫描进电脑，在虚拟世界里挪动沙发、调整餐桌，从不同角度看看效果，满意了再动手，就省事多了。

这就是禾赛想要做的事情——给现实世界做一个可以编辑的副本。

10 月 14 日，这家以车载激光雷达为人熟知的公司发布了 Kosmo 三维世界数据引擎，包括负责采集的手持 AI 空间相机 Kosmo One，以及负责重建、编辑和管理三维资产的云平台 Kosmo World。

禾赛联合创始人、CTO 向少卿给出的目标是：

「把空间建模变成像拍照那样简单。」

而禾赛也将开始扩大自己的版图，从一个深耕汽车行业的头部供应商，向具身智能领域进军。

给房间做个可编辑的分身

简单来说，Kosmo One 是一个看起来像大了一号的，带着激光雷达的大疆 Pocket。

它把激光雷达与摄像头集成在一起：激光雷达测出物体的形状、距离和位置，CMOS 影像系统记录颜色、纹理与光影，再把两部分信息对齐，重建真实空间。

禾赛将激光雷达的几何精度推向了毫米级，能清晰辨识网球拍上约 5mm 间距的网孔，而这种细小结构的还原能力，直接关乎三维空间副本的细节精度。

影像部分采用一英寸 CMOS，最高支持 8K 采集，用户最终导出文件的最高分辨率为 6K。

不过这个 CMOS 的目标与常规相机并不相同，向少卿举了地板的例子，同一块地板，从不同高度、不同位置拍摄，经过相机的白平衡、曝光等处理，可能呈现出不同颜色。

影像行业常常念叨的「影调」「风格化」，到了 Kosmo 这里都是需要尽力避免的东西。

对于 Kosmo 来说，重点是保留现场原有的颜色与光影，并减少不同摄像头、不同采集时刻的处理差异，让多个视角能够组成连贯的三维场景。

Kosmo 因此为三维重建专门调教了 ISP 图像处理系统，处理跨摄像头、跨时间的画面一致性。

采集时，激光雷达、影像系统与高精度 IMU 进行微秒级同步，让画面与设备当时的位置、姿态对应起来，为重建房间提供准确的空间参照。

按照禾赛公布的数据，普通室内场景下，Kosmo One 扫描约 100 平方米的空间，只需要大约 15 分钟。同时，Kosmo One 支持即开即扫、智能指引和一键续扫，即便扫描到一半暂停，后续也可以从不同位置接续。

采集结束后，就轮到 Kosmo World 上场了。

Kosmo World 主要负责两件事：

• 将采集数据转化为 AI 可理解、可交互、可训练的智能空间

• 借助 AI 语义分割，识别场景中的物体，将它们提取为可独立编辑的三维对象

在高精度的加持下，Kosmo 能够做到许多当前通用 AI 很难做到的事情。

禾赛在现场用 GPT-6 Astra 做了一组对比，先从不同角度拍下同一个房间的 20 张照片，再交给模型重建环境。

GPT-6 Astra 生成场景里出现了沙发位置和形状不对、材质与光影有偏差的问题，在缺失高精数据的条件下，GPT-6 Astra 很难完整还原实际场景。

而即便将 Kosmo 采集的 3DGS 数据交给 GPT-6 Astra，物体的位置关系有所改善，但椅子的外形、花的材质等细节仍有偏差。

向少卿把不断进步的通用模型比作「大脑」，而 Kosmo One 负责提供更准确的「眼睛」。模型越来越聪明，也需要真实、可靠的空间信息作为输入。

Kosmo 将高精度采集与 AI 重建结合起来，让「眼睛」和「大脑」更好地配合，通用模型的进步，也可以继续改善 Kosmo World 的重建与生成能力。

此外，在 Kosmo World 里，AI 还会继续处理场景中的物体。

发布会演示中，系统可以根据语言提示识别沙发，将它从整个场景中分割、提取出来。沙发移走之后，原本被挡住的地毯露出了空缺，AI 再根据周围的信息补全纹理，进一步建构一个完整的世界。

从「手持云台」到「手持激光」

如果说手持云台相机改变了不少人记录生活的方式，那么加上了空间数据的 Kosmo，也有可能改变许多人的工作方式。

至少它改变了皮克斯的工作方式。

皮克斯旗下工业级渲染器 RenderMan，是《玩具总动员》《曼达洛人》《侏罗纪公园》等一系列全球顶级作品的幕后渲染工具。

RenderMan 创意负责人 Dylan Sisson 将皮克斯园区的广场上标志性的台灯和彩色小球雕塑扫描进了 Kosmo。

扫描保留了现场的外观，随后可以在软件里调整数据的位置、大小和透明度，继续决定画面该呈现什么风格。

这意味着采集后留下来的场景，能够在不同制作环节被反复调用，专业工作者们能够快速在 Kosmo 构建的虚拟场景中快速迭代，尝试不同的表现方式。

扫描得到的空间，也可以成为机器人的训练场。开发者可以在仿真环境中改变物品摆放和观察视角，反复训练、测试机器人。

按照禾赛披露，具身智能机器人 Sharpa 就用 Kosmo 还原了 DQ 门店、搭建训练环境，并结合机器人硬件与模型完成部署，任务成功率达到 99%。

空间相机的前景，很大程度取决于采集到的数据能否被整合成可直接使用的三维资产，以及这些资产能否进入不同软件、在不同场景中反复使用。

而禾赛 CEO 李一帆则认为，包含空间相机在内的空间智能市场，长期规模有望超过激光雷达市场。

空间相机将会走入日常生活

从 iPhone 上的「空间视频」，到 GPT-6 Astra 的建模能力，再到空间相机，我们其实不难看出，虚拟世界正在变得越来越「三维」。

在发布会上，李一帆希望禾赛能在其中承担基础设施的角色，为机器人补齐感知、空间数据和运动能力，让更多公司能够在这些基础之上做出自己的机器人。

实际上，禾赛原本所处的智能汽车行业，和具身智能本就是一场「双向奔赴」。一辆能够理解周围环境、决定行驶动作，并通过转向和制动作用于现实的汽车，本身就具备具身智能的特征。

为汽车提供激光雷达，意味着禾赛早已参与了其中的感知环节。

此外，禾赛也提供让机器人动起来的动力模组。按照禾赛公布的数据，截至 2026 年第二季度末，这类模组累计交付超过 1 万套，产品范围正从灵巧手模组向全身关节模组拓展。

从雷达到相机，再到机器人的关节，禾赛正在用激光雷达公司积累下来的本领，来处理产品里的工程问题。

不过眼下，Kosmo 首先服务的仍然是有明确任务的专业用户。要成为普通人随手使用的日常设备，还需要更便携的硬件，以及从采集、处理到调用都更省事的体验。

所以，坏消息是禾赛暂时还没有公布 Kosmo 的零售的售价，短期内，你可能还没有办法利用它对你的房间进行扫描和空间改造。

而好消息是，Kosmo 还会继续迭代，空间采集设备也有机会通过禾赛与合作伙伴的协作，以手持之外的更多形态进入日常生活。

在发布会的最后，禾赛还留了一个 One More Thing：

它预告将与一家国内的头部无人机企业合作。现场短片里，扫描的视角升到了空中，采集范围延伸到了户外建筑与更大的空间。

空间智能，确实到了要乘风而起的时候。