# 300 小时压到 15 分钟、失败案例降到十分之一：禾赛 Kosmo 卖的不是相机，是「给机器人造考场」
> 一家做激光雷达的公司发布了一台空间相机和一个云平台，真正的新东西不是分辨率，而是它把「给机器人准备训练环境」从 300 小时压进了 15 分钟。这条时间账，比 8K 更值得记。
### TLDR
- **一次性三件套**：**2026 年 10 月 14 日**，禾赛科技发布三维世界数据引擎 **Kosmo**，同时推出 **8K AI 空间相机 Kosmo One** 与云平台 **Kosmo World**，并与银河通用机器人、原力灵机签下战略合作。
- **最硬的一组数字在一家冰淇淋店**：DQ 门店的机器人上岗训练，过去靠人工建模还原门店**约 300 小时**；用 Kosmo **约 15 分钟**扫完，此后**失败案例降至原来的十分之一、任务成功率提升至 99%**。两个数字内部自洽（原失败率 10% → 1%）。
- **采集能力**：Kosmo One 单台集成激光雷达、**8K 影像**、**一英寸大底 CMOS**、高精度 IMU，对几何/色彩/纹理/位姿做同步采集，结合 **3DGS**（3D 高斯泼溅）重建，达**毫米级**几何精度；普通室内 **100 平方米约 15 分钟**扫完。
- **硬件侧的另一条腿**：**Sharpa 灵巧手 22 个主动自由度**、与人手 1:1 同构，已进入**英伟达 Isaac GR00T 人形机器人参考方案**；禾赛动力模组**体积缩小 37%、功率密度提升至 3 倍**，截至 **2026 年第二季度末累计交付超 1 万套**。
- **口径提示**：**15 分钟 vs 300 小时不是同单位对比**（面积 vs 整店建模交付），**30%→5% 勘景成本是「有望」不是实测**，「模型生成速度达行业 5 倍」**未说明对比对象**。三者本号均按预期口径处理。
- **判断要点**：禾赛这次把业务从「让机器看见」延伸到「让机器练习的地方先被建出来」，第二增长曲线的落点是**数据供给**，不是传感器分辨率。
### SRC
素材时间窗为**前一日 18:00 → 当日 09:00**（北京时间 2026-10-14 18:00 → 2026-10-15 09:00）。事实性内容来自 中关村在线原创报道《真实世界直接"装进"AI 里：禾赛科技 Kosmo 正式发布》（发布会于 2026-10-14 举行），新浪财经 2026-10-15 05:11 转载页面、腾讯新闻同名账号 2026-10-15 08:00 转载，两版内容逐句一致。核查与边界：① 信源层级为媒体现场/通稿报道——本号未取得禾赛科技官方公告原文或产品页，全部参数按企业自述口径处理，属未获独立信源确认；② 「约 15 分钟完成 100 平方米扫描」与「过去专业团队建 DQ 门店模型约 300 小时」不是同一计量单位的比较，前者是采集时长、后者是完整建模交付工时，文中已按各自的原始表述分开呈现，不折算成同一效率倍数；③ 「勘景成本有望从前期预算约 30% 降至 5%」原文用词为「有望」，属预期而非已验证结果，且未给出样本 projects 数量；④ 「模型生成速度达行业 5 倍」未说明对比对象与测试条件；⑤ 「体积缩小 37%、功率密度提升至 3 倍」未给出对比基准产品；⑥ 「2027 年出货量达到六位数」为预测值；⑦ DQ 门店案例的「失败案例降至十分之一、成功率提升至 99%」未给出任务样本量与测试轮次。判断均以「判断：」标注。与站内存量稿的差异：本站此前未报道过禾赛科技 Kosmo 产品线；416 号稿（2026-10-12）写的是工博会首日展区实况，主体与事件性质不同。本篇聚焦「空间采集—训练环境—模型成功率」这条因果链与时间成本账，两篇无重叠。
### BODY
1先把这次发布的东西拆成三层
不是一台相机，是一条「采集—重建—喂给模型」的流水线
发布会给了三样东西：Kosmo One（硬件，8K AI 空间相机）、Kosmo World（云平台，负责重建与模型生成）、以及合起来叫 Kosmo 的那套「三维世界数据引擎」。这三样不是并列的产品货架，而是同一条流水线的三段。
采集
Kosmo One 走进空间开机即扫，约 15 分钟完成 100 平方米
重建
Kosmo World 用 3DGS 技术生成对齐的三维数据
输出
同时给出 3DGS、mesh、depth 三类结果，直接供机器人训练使用
关键点在最后一段：它输出的不是一张效果图，而是三类互相对齐的三维数据表示。对训练用途来说，「对齐」比「好看」重要——模型需要的是几何、网格和深度在同一个坐标系里说得通。
这套组合的结构含义是：禾赛过去卖的是一个看得远的传感器，现在卖的是一段把物理空间搬进训练环境的服务过程。前者按台计价，后者按「多长时间给你一个能用的训练场」计价。这是两种完全不同的生意。
2DQ 那家店，是这次发布里唯一有完整因果链的例子
300 小时 → 15 分钟 → 失败率降到十分之一
发布会举的具体案例是 DQ 冰淇淋门店的 Sharpa 机器人上岗训练。报道给出的链条是：过去人工建模还原一家门店，专业团队要花约 300 个小时；改用 Kosmo 后，约 15 分钟完成扫描；结果是机器人的失败案例降至原来的十分之一、任务成功率提升至 99%，最终真实上岗。
时间账
建模从「数百小时级」进入「分钟级」。真正的影响不是省了多少钱，而是让「换一家店就重做一遍」这件事变得可重复。
质量账
失败案例降到十分之一、成功率到 99%。两个数字互相自洽：若原失败率为 10%，降至 1% 即对应 99% 成功率。
边界
报道未给出任务样本量、测试轮次与「失败」的判定标准。这条因果链目前只有发布方一侧的表述。
判断：这组数字真正的价值，在于它们把「数据基础设施」这个类比的收益换算成了一个施工单位听得懂的单位——小时。判断依据：企业在决定是否引入一套新工具时，卡点通常不是技术先进性而是「我这一个场景要等多久」；300 小时意味着一个门店场景等数周，15 分钟意味着当天就能迭代。需要说明的是，15 分钟是采集时间，「300 小时」是包含后期处理在内的完整建模交付工时，两者不能直接相除得出 1200 倍效率。本号不采用任何折算后的倍数。
3「不可能三角」这个说法，要挑清楚它解决了哪两个角
低成本、大规模、高质量——这次答的是前两个
禾赛联合创始人及 CTO 向少卿在发布会上给出的表述是：「当前，物理 AI 缺的不是数据，而是真实世界数据。」理由是二维图片没有深度、纯仿真数据不够真、真机采集太贵太慢——高质量、大规模、低成本三者长期无法兼得。
把这段话拆开看，Kosmo 实际回答的是其中两个角。
| 三角的一角 | 本次给出的手段 | 是否可核 |
|---|
| 低成本 | 采集时间从数百小时压缩到分钟级，且操作傻瓜化 | DQ 案例有时长对比，但未给成本金额 |
| 大规模 | 即开即扫、智能指引、一键续扫降低专业门槛 | 门槛描述为企业自述，无第三方操作测评 |
| 高质量 | 毫米级几何精度 + 8K 影像级画质 + 3DGS 重建 | 精度为指标宣称，无测量方法与第三方标定 |
表注：左列「不可能三角」的拆解引自报道中科创／企业方的表述；右两列内容出自 2026-10-14 禾赛 Kosmo 发布会报道。是否可核一列为本号判断。
注意这里的表述顺序：报道把「真实」（区别于仿真）而不是「精度」放在了第一位。这反映出行业对训练环境的判断已经从「够不够细」转向「像不像真的」——仿真再细，缺的也是真实世界的材质、光照与污损。
4跨行业那些案例，暴露了它真正想卖的对象
机器人是其中一条腿，不是唯一一条
发布会同时展示了三个非机器人方向的案例：影视制作方面，勘景成本有望从前期预算约 30% 降至 5%，皮克斯旗下渲染器 RenderMan 已接入 Kosmo 数据并做成官方教程开源；文旅文博方面，与 TRIC 合作以成都杜甫草堂为蓝本做沉浸式数字艺术；出行消费方面，与高德合作，首批三维重建的美术馆已上线「飞行街景」。
条形长度表示本号对「该方向证据完整程度」的排序，非数值刻度；全部依据均出自单一发布会报道，未获独立信源确认。
判断：把影视、文博、地图和机器人放在同一场发布会讲，说明禾赛对 Kosmo 的定位是「物理 AI 基础设施」而非「机器人配件」。判断依据：这三类客户的共同点是都需要把真实空间高精度地搬进电脑，但它们的预算来源、采购周期和验收标准完全不同；同时服务多类客户的好处是产能利用率更高，代价是每个行业都要单独建立交付流程。对想买这套东西的机器人团队来说，这意味着你很可能是被顺带服务的那一类——能否得到足够快的响应，需要单独确认。
5硬件那条腿，才是禾赛真正的老本行
从「AI 迁就硬件」到「AI 定义硬件」
发布会的另一半内容是硬件侧。报道给出的表述是禾赛以真实机器人需求反向定义底层硬件——AI-Defined Hardware。具体数字是：Sharpa 灵巧手 22 个主动自由度、与人手 1:1 同构，已进入英伟达 Isaac GR00T 人形机器人参考方案，并被伯克利、斯坦福、南洋理工等机构采用；其旗舰触觉灵巧手 Wave（W01）基于禾赛动力模组打造；动力模组相比同类产品体积缩小 37%、功率密度提升至 3 倍，截至 2026 年第二季度末累计交付超过 1 万套，预计 2027 年出货达到六位数水平。
有明确时间锚点的数字
「截至 2026 年第二季度末累计交付超 1 万套」是这场发布会里唯一带统计截止日期的量化数据，也是最有核验价值的一条。
缺基准的数字
「缩小 37%」「提升至 3 倍」「行业 5 倍」均未说明对比的是哪一代或哪款产品，只能作为方向性描述使用。
此外需要注意一条口径：「累计交付超 1 万套」是历史累计，不是当前在役数量，也不能等同于装机到机器人本体上的数量。模组向下游出货与实际形成终端产品在时间上存在间隔。
判断：对一家集成商来说，这场发布会最实际的一条信息不是 8K，而是采集端的时间成本已经下降到「每个新门店都单独建一次模」成为可选项的程度。判断依据：过去做门店类交付，仿真环境常常做得粗糙或者干脆跳过，因为做一次的钱和等的时间都不划算；当采集进入分钟级，策略就可以从「一套通用环境凑合用」改成「一店一环境精调」。这改变了很久以来的一个默认取舍。
6发布会没说的三件事
留给下次的验证点
定价与交付周期
报道未给出 Kosmo One 售价、云平台计费方式与交付周期，商业可行性暂无法评估
端到端效果
99% 成功率是单一门店单一任务的数字，跨品类门店的泛化表现未见披露
数据权属
扫出来的空间数据归谁、能否跨客户复用，报道未涉及——对连锁客户是个要先问清的问题
判断：这场发布会证明了「把真实空间搬进训练环境」这一步已经能做出可演示的产品，但还没证明它便宜到可以大规模用。判断依据：所有已披露数字集中在技术表现与时间对比，没有一条价格信息；而一项技术从「发布」到「被广泛采购」，定价通常是真正的分水岭。下一轮值得盯的验证点有两个：首批付费客户名单，以及第一个非演示环境下的跨门店复用案例。