作者｜毛心如
数据，一直是今年具身智能的「当红炸子鸡」。
模型要变得更智能，灵巧操作效果要更好，就需要更多样、更高质量的数据来训练。这几乎是所有人的共识。
今年，行业内涌现了非常多数据采集公司，UMI、Ego、Human-centric、外骨骼等等不同技术路线的产品也频繁出现。
狂欢的背后，其实机器人进入真实世界究竟需要什么数据，并没有标准答案。
互联网积累了海量图片和视频，仿真技术也在不断提高生成数据的效率，但这些数据并不总能完整表达真实世界的空间结构。
机器人需要知道物体在哪里、彼此相距多远，也需要在不同视角下识别同一个物体，并在真实环境中完成操作。
数据有多少固然重要，但数据里究竟包含多少有效信息，同样影响着模型能学到什么。
今天，禾赛发布三维世界数据引擎 Kosmo，并推出 AI 空间相机 Kosmo One 和云平台 Kosmo World。
这是禾赛将传感器、三维重建等技术积累延伸至物理 AI 基础设施的一次尝试，同时也希望打通真实空间采集、三维重建与训练数据生产之间的链路。
如果说过去的 AI 主要从数字世界中学习，那么当 AI 开始走进现实，如何让机器以更低的成本获得高质量的真实世界信息，正在成为一项新的基础设施需求。
物理 AI 的数据瓶颈，不只是不够多
讨论具身智能的数据问题，经常会听见：真机采集成本高，仿真数据与真实世界存在差距，因此行业需要更多高质量数据。
这些判断没有错，但现实并不那么线性：数据变多，并不等于机器人一定会更聪明。
一张照片可以告诉模型桌子长什么样，却很难单凭画面说明桌面距离地面多高、桌腿之间是什么关系，以及桌子背面还有什么。
视频能提供连续的视觉信息，但如果缺少准确的空间几何、深度和位姿信息，模型仍然需要从二维画面中推断三维世界。
对于只需要识别物体的任务，这样的能力可能已经够用。但当机器人开始伸手拿东西、绕开障碍物，或者在一个陌生房间里完成连续操作时，空间信息就是必需品。
Kosmo 的切入点之一就在这里，它不是机械地再生产一批图片和视频，而是把真实场景中的几何结构、颜色纹理、物体关系等信息一起记录下来，让一个空间不仅能被看见，也能被转化为可反复使用的三维资产。
举个例子，要把一张桌子变成真正可用的三维资产，不能只让它在某个视角下看起来像一张桌子，还要补足其他角度的信息，让系统知道它在空间里究竟是什么样子。
对人来说，这似乎是常识；对 AI 而言，这些信息却需要被采集、重建和组织起来。
这也是真实数据与纯 AIGC 的区别。
生成式 AI 可以根据已有信息生成一间看起来十分逼真的房间，甚至补全没有拍到的区域。但视觉上完整，不代表其中的每一处细节都对应真实世界。
对于内容创作而言，合理的生成结果可能已经足够；而对于需要在现实环境中行动的机器人来说，空间尺寸、物体位置和结构关系如果只是看起来合理，就可能留下问题。
当然，这并不是说合成数据没有价值，更不是说 AI 生成的场景不能用于训练。
生成模型可以根据已有信息继续组合和扩展，但生成出来的内容，并不天然等于真实世界中新增的观测信息。
真实采集的价值，恰恰在于提供这些来自现实的新信息。有了真实场景作为依据，AI 可以进一步理解、推理和生成，仿真也能在此基础上扩展更多训练条件。
真实数据与合成数据并不是非此即彼的关系，关键是两者如何配合。
AI 能力越强，并不意味着它就越不需要真实世界数据。当模型开始处理更复杂的任务，它反而可能需要更多真实场景作为依据，才能更好地应对现实中的变化。
Kosmo 想解决的，就是如何把这些真实世界的信息更完整地记录下来，再以更低的成本送入 AI 训练流程。
从真实空间到训练数据，
Kosmo 想打通 Real2Sim2Real
Kosmo 的核心思路，可以理解为 Real2Sim2Real：先从真实世界获取空间数据，再将其转化为可以用于仿真和训练的数字环境，最终服务于真实机器人的能力提升。
第一步，是让真实空间被更完整地记录下来。
Kosmo One 将激光雷达、影像系统、CMOS 和 IMU 等硬件集成在一台设备中，同步获取空间几何、色彩纹理和设备位姿等信息。
普通室内场景下，约 15 分钟可以完成 100 平方米空间扫描；采集数据再交由 Kosmo World 进行处理。
这套组合的意义，不只是提高扫描效率，也在于尽可能兼顾空间结构和视觉细节。
单独的点云能够提供空间结构，却难以完整呈现真实场景的视觉细节；单纯依靠影像重建，又需要面对空间尺度、位姿估计和多视角融合等问题。
将多种传感器的数据结合起来，才有机会同时兼顾几何精度和视觉还原效果。
三维重建也不是给点云简单贴上一层照片。真实物体在不同角度下呈现的外观并不相同，如果数字场景只能固定在某个视角观看，一旦观察者移动，画面就可能失真。
Kosmo 希望解决的，是让数字空间能够从不同角度被观察，同时尽可能保留真实世界的外观细节。
不过，扫描只是起点。采集到的数据还需要经过处理，才能真正用于后续的训练和仿真。
Kosmo World 的作用，是将采集结果进一步转化为可供不同应用使用的三维资产。
其底层系统 Kosmo Spatial Core 能够从同一场景生成 3D Gaussian Splatting（3DGS）、mesh 和 depth 三种形式的数据。
简单来说，3DGS 侧重场景的视觉还原，mesh 提供几何表面结构，depth 则表达场景的深度信息。三种数据相互补充，为后续的场景理解和仿真提供基础。
除此之外，Kosmo World 还引入了语义分割与 AIGC 补全能力，尝试将场景中的物体独立识别出来，并对未被完整采集的区域进行补全。
这一步对于机器人训练很重要，只有整体视觉效果并不够，系统还需要进一步处理物体边界、几何结构和交互关系，才能让数字场景进入后续工作流。
不过，视觉上的完整不等于物理上的完整，单靠空间扫描无法直接测得物体表面的摩擦力等属性。
三维重建能够还原或估计空间信息，却不能替代所有物理参数的测量与建模。
Kosmo 能为仿真提供更贴近真实世界的场景基础，但要让场景具备可交互、可训练的属性，仍然需要仿真引擎、物理参数配置和训练流程共同完成。
当真实场景被转化为数字环境后，Kosmo 希望进一步降低机器人训练的数据成本。
与单条高质量轨迹数据的真机数据获取成本相比，Kosmo 在同等成本下数据获取效率提升百倍以上。实际数值因场景规模、轨迹数量与参数设置而异。
Sharpa 与 DQ 冰淇淋门店的合作，则提供了一个更具体的应用案例。
过去人工建模还原一家门店需要约 300 小时，使用 Kosmo 后，扫描并生成三维训练环境约需 15 分钟；同时 Sharpa 机器人的失败案例降至原来的十分之一，任务成功率达到 99%。
从这个角度看，Kosmo 的价值在于把真实数据放到起点上，再让仿真把它放大。
一个场景不必只服务于一次采集或一次训练，而有机会被不同任务、不同模型和不同机器人反复使用。
这也是 Real2Sim2Real 的价值所在，让真实世界的信息能够更高效地进入训练流程，再通过训练反馈改善机器在现实中的表现。
空间智能不是具身智能的附庸
如果 Kosmo 只是给机器人提供训练场景，它的市场边界其实很清楚。
但禾赛展示的应用不止于此，影视、文旅、空间商业化都出现在 Kosmo 的应用列表里。
虽然看起来跨度很大，但背后的逻辑相通，都需要把现实空间变成可反复使用、编辑和调用的数字资产。
在影视制作里，真实场景的三维重建意味着创作者可以换视角、重新布光，或把实景素材直接接入后期流程。
禾赛与皮克斯旗下 RenderMan 的合作，就是探索把 Kosmo 重建的 3DGS 数据接入专业渲染管线。实景不再是一次性的拍摄素材，而可能变成随时可以调用的制作资产。
文旅文博是另一种需求。把真实文化空间做成三维资产，可以让它在数字环境里被保存、浏览和再创作。
禾赛与 TRIC 合作，以成都杜甫草堂为蓝本做了沉浸式数字艺术项目。这类应用不需要机器人训练那种物理属性和任务数据，但同样要求对真实空间做细致记录。
空间商业化的逻辑也类似。禾赛与高德合作的部分三维重建场景已经上线。
对消费者来说，出发前能更直观地了解一家店或一个场馆；对商家来说，空间数据可以用于空间展示和经营分析。
这些案例都至少说明，真实空间数字化不是具身智能独有的需求。
机器人训练需要空间结构和物体关系，影视制作看重真实场景的可编辑性，文旅项目关注文化空间的数字化留存，商业场景则希望把线下空间变成线上可访问的内容。
它们在精度、更新频率和使用方式上各有要求，但底层可能共享同一套采集和重建能力。
所以，禾赛把 Kosmo 放在空间智能框架下，而不是只当作机器人数据工具。
禾赛 CEO 李一帆在采访里提到，Kosmo 最初并不是从一个宏大的市场规划出发的。
团队观察到，很多行业都在尝试把摄像头、激光雷达、IMU 和重建算法整合起来，但做出来的东西完成度都不太高。
等他们自己动手做了一套之后，才发现这项能力能服务的行业比预想中更广。
至于空间智能最终能做多大，李一帆也立了一个 Flag：终局市场有机会超过激光雷达。
与此同时，空间智能和具身智能的关系也需要重新理解。
最近通用模型和多模态模型进展很快，模型能理解和生成的内容越来越丰富。但模型能力提升，不等于现实世界里的每个空间都已经被准确记录。
理解一个场景、生成一个场景，和获得这个场景真实的几何结构、物体位置和空间关系，仍然是不同的问题。
因此，Kosmo 与 GPT-6 Astra 这样的模型，并不必然处于竞争关系。
Kosmo 侧重真实空间的采集、重建和数据组织，通用模型则侧重理解、推理和生成。两者所处的能力层不同，也存在相互配合的可能。
当然，空间智能也不必依附于具身智能才能证明自己的价值。它可以为机器人提供训练材料，也可以服务内容创作、空间展示和数字化运营。
不同市场的发展速度可能不同，但共同的起点都是把现实空间变成可被计算机理解和使用的对象。
从激光雷达到三维世界数据引擎，禾赛这次尝试拓展的，不只是产品边界，也是自己对物理 AI 基础设施的理解。
Kosmo 能否成为这一领域的重要平台，现在下结论还早。
真实采集能否稳定降本，三维数据能否有效进入训练流程，以及不同应用能否形成可持续的商业模式，都需要时间检验。
但能明确的是，当 AI 开始走进现实世界，除了让模型变得更聪明，我们还需要更好地记录和理解它所面对的世界。
空间智能要做的，就是在真实世界与数字系统之间搭起一座桥。
这座桥最终能承载多大的产业价值，还要看接下来有多少真实需求能够走过来。
