给现实世界按下复制键，禾赛做了一台「AI 空间相机」

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。

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。

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。

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。

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。

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。

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。