激光雷达巨头禾赛“跨界”好莱坞：Kosmo如何赋能皮克斯特效制作
这可能是中国智能汽车领域最具想象力的一次业务延伸。近日，好莱坞顶级特效公司皮克斯（Pixar）在其官方3D渲染教程中，特别感谢了一家中国公司——禾赛科技，为其提供了关键的3D场景扫描方案Kosmo。
众所周知，皮克斯是《玩具总动员》的幕后推手，其创始人史蒂夫·乔布斯曾在此投入重注。而在最新的技术流程中，禾赛的Kosmo设备帮助皮克斯高效处理真实世界的3D高斯泼溅数据，将其融入RenderMan渲染引擎。从车载激光雷达“一哥”到好莱坞特效伙伴，禾赛的业务布局展现了从硬核制造向数字内容创作的跨越。
从真实世界到数字银幕：Kosmo的技术突破
皮克斯核心渲染技术Render近期新增了对3D高斯泼溅（3DGS）格式的支持，而禾赛Kosmo正是连接真实物理世界与这一数字格式的关键桥梁。
极速采集与高精度还原
在影视特效制作中，像素级的编辑需要极其丰富的空间信息。Kosmo能够精准捕捉环境的几何结构、光照及空间元素。以皮克斯总部标志性的台灯和小球为例，使用Kosmo仅需10-20分钟即可完成空间捕捉，生成的高质量3DGS数据可直接通过USD格式导入工作环境。
随后，工程师可在模型空间中自由调整透明度、绘制风格化效果，将现实场景转化为艺术画面。数据显示，对于约100平米的空间，手持Kosmo采集仅需15-20分钟，且能实现100%真实还原。此前，国产3A大作《黑神话·悟空》的制作方游戏科学也曾利用禾赛激光雷达采集古建筑模型，这成为Kosmo诞生的重要驱动因素之一。
直接输出可用数据，无需复杂后处理
Kosmo的核心优势在于其“即扫即用”的能力。它不仅是快速建模工具，更是一个真实的三维世界数据引擎。设备集成多种传感器并经过完善标定，直接输出可供AI训练、编辑操控且不失真的三维数字模型。数据采集后无需经过繁琐的处理流程，即可直接接入各类AI或人工编辑工具。
具身智能的“数据入口”：超越影视行业的应用价值
进军好莱坞仅是禾赛在物理AI领域布局的一个侧面。Kosmore更核心的使命，是作为具身智能和物理AI底层模型的重要数据渠道入口。
构建机器人训练的“世界模型”
Kosmo生成的数据资产可直接用于构建机器人训练任务。与传统仿真数据不同，Kosmo数据源自真实世界，遵循真实的物理定律和因果关系，使得模型行为更易于解释和归因。此外，Kosmo提供的空间关系数据，是机器人从感知到认知、进行路径规划和策略决策的关键要素。
在具身智能赛道，长期存在传感器采购非标、可靠性低、成本高昂且难以迭代的问题。禾赛凭借其在车规级精密光电设备和工程量产方面的优势，推出了行业首个“即开即扫、即扫即用”的专用数据终端，解决了这一痛点。
技术解析：禾赛Kosmo的独特架构
Kosmo系统由前端的Kosmo One采集端和后端的Kosmo World重建端组成，其核心技术壁垒在于“前融合”与多模态数据处理。
硬件级前融合：微秒级同步与时空对齐
Kosmo One集成了定制激光雷达、8K超高清影像系统、一英寸大底CMOS以及高精度IMu四类传感器。不同于传统软件层面的后期匹配，Kosmo在硬件层面实现了信号的前融合：
- 时间同步：四类传感器共享同一时钟源和触发机制，实现微秒级同步采集。
- 空间标定：出厂时完成激光雷达与摄像头的外参标定，并由IMU辅助维持，确保点云三维点与图像像素的精准对应。
这种设计使得每一帧数据都是时空对齐的多模态观测，无需依赖软件特征匹配来猜测传感器相对位置。
云端重建：激光雷达约束下的3DGS优化
采集到的多模态数据上传至云端Kosmo Spatial Core（KSC）后，转化为3D高斯泼溅表示。针对原始3DGS在单目图像下尺度不确定、纹理缺失区域易出错的问题，KSC引入了激光雷达点云作为几何约束：
- 利用激光雷达点云初始化高斯位置；
- 将深度信息作为约束参与优化；
- 通过RGB信息进行光度损失注入，调整颜色参数。
最终，系统在统一的空间坐标系下同步输出3DGS、Mesh和Depth三种数据形态，并结合AIGC能力对盲区进行补全和语义分割，将静态模型转化为AI可训练的结构化数据。
战略重构：从硬件供应商到物理AI基础设施
禾赛的角色正在发生深刻转变。依托在智能汽车赛道积累的精密制造、芯片设计及量产能力，禾赛正逐步成为物理AI时代的基础设施供应商。
“顺AI”趋势：真实数据不可或缺
尽管“世界模型”概念盛行，但现阶段的AI仍需大量真实世界数据作为基础。随着AI能力提升，其对泛化能力和物理世界理解的要求越高，对高质量真实数据的需求反而越大。Kosmo并非被AI替代，而是随着AI进化变得更有价值，它是启动世界模型的关键基石。
商业模式升级：数据资产与生态闭环
禾赛的战略版图已超越单纯的硬件销售：
- 数据服务：Kosmo的主要营收潜力可能来自数据资产消耗的服务费（Token），而非仅靠硬件售卖。
- 双轮驱动：除了禾赛本身，创始团队还布局了机器人全栈公司Sharpa。Sharpa从落地场景反馈需求，推动禾赛技术迭代，形成内部小闭环带动行业大闭环。
- 平台生态：建立数据资产平台，开源用户扫描数据及官方测试数据，打造类似苹果的“顶尖硬件+平台生态”模式。
从传感器到数据资产，禾赛正站在物理AI数据入口的关键位置。顶尖智能汽车玩家的终局，注定不会局限于汽车本身，而是通向更广阔的物理智能世界。