知识卡片：禾赛发布三维世界数据引擎 Kosmo，为物理 AI 供数

一句话结论

禾赛推出由 8K AI 空间相机 Kosmo One 与云平台 Kosmo World 组成的三维世界数据引擎 Kosmo，把真实室内场景快速转换为可同步输出 3DGS、mesh、depth 的 sim-ready 训练环境，并已在 Sharpa 机器人 DQ 门店训练中报告显著效果。

事件概述或研究问题

• 来源为腾讯研究院 AI 速递（2026-10-16）第八条，标题为“禾赛发布三维世界数据引擎 Kosmo，为物理 AI 供数”。
• 核心问题是物理 AI / 具身智能训练所需的空间数据从何而来：Kosmo 试图用“相机采集 + 云端重建”替代或补充传统采集与仿真造世界路径。
• 材料同时披露了落地合作与效果数据，但多为速递转述，细节需回原始发布核实。

方法/产品要点

• Kosmo One（硬件）：8K AI 空间相机，集成激光雷达、一英寸 CMOS 与 IMU。
• Kosmo World（云平台）：承担重建与数据生成。
• 采集效率：室内约 15 分钟可扫描 100 平方米。
• 输出格式：一次重建同步生成 3DGS、mesh、depth 三类数据。
• 用途定位：可作为具身智能 sim-ready 训练环境。

主要结果或产业意义

• 训练效果：Sharpa 机器人借此在 DQ 门店训练，失败案例降至十分之一、成功率达 99%。
• 生态接入：皮克斯 RenderMan 已接入；禾赛与高德、银河通用等达成合作。
• 产业意义：若数据属实，意味着物理 AI 数据供给正从“采数据/造世界”并行推进到“真实场景快速转仿真环境”的工程化阶段，且已出现零售门店这类具体商业场景的训练闭环。

为什么重要

• 与已有卡片脉络的关系：大晓“开悟”走的是世界模型 + 环境式采集 + 行业方案路线，World Labs/SceniX 强调“造世界”让机器人在虚拟世界中试错，LingBot-VA 2.0 强调具身原生预训练。本条的增量信息是：硬件厂商（禾赛）以传感器+云平台切入供数环节，并把“真实门店 → sim-ready 环境 → 机器人训练”的效果量化，补充了“数据从哪来”这一环的具体产品形态。
• 对产业而言，它把激光雷达/空间相机的能力从自动驾驶感知延伸到物理 AI 数据基础设施，可能形成新的供给侧角色。

局限与不确定性

• 失败案例降至十分之一、成功率 99% 的具体评测口径、样本量、任务定义待核实。
• “一次重建同步生成 3DGS、mesh、depth”的技术细节与精度指标待核实。
• 皮克斯 RenderMan“已接入”的具体含义（工具链集成还是联合项目）待核实。
• 与高德、银河通用等合作的内容与阶段待核实。
• 材料来源为 AI 速递转述，非禾赛官方原文，建议回原始发布会/官网核对。

可用于图书/PPT/简报的角度

• “物理 AI 的数据供应链”：传感器厂商如何成为具身智能的数据基础设施提供方。
• 真实场景快速转仿真（real-to-sim）在零售门店等商业场景的落地案例。
• 与“造世界”路线对比：真实采集重建 vs 生成式世界模型，两种供数思路的互补与竞争。
• 从激光雷达能力外溢看硬件公司的第二增长曲线。

原始材料

• 来源：腾讯研究院 AI 速递 20261016
• URL: https://m.sohu.com/a/1088289922_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334
• 条目：八、禾赛发布三维世界数据引擎 Kosmo，为物理 AI 供数