过去一年多，空间智能从一个学术概念变成了AI圈最热的关键词之一。李飞飞在2025年底发文，说这是“AI的下一个前沿”，把语言模型比作“黑暗中的文字匠”：能言善辩却缺乏经验，知识渊博却站不住脚。World Labs在2026年完成10亿美元融资，群核科技首席科学家预言“空间智能爆发只需24个月”。
资本在涌入，论文在发表，概念在被反复引用。但如果你追问一句：“空间智能到底长什么样？”大多数人的答案仍然停留在模型层：一个能生成3D场景的AI，一个能理解空间关系的算法，一个能在虚拟环境里导航的智能体。
这些答案没有错，也是新闻头条经常渲染的概念，但它们忽略了一个更基础的问题：空间智能到底能干什么？如何跟我们的生产生活息息相关？
10月14日，禾赛科技正式发布三维世界数据引擎Kosmo，并同步推出全球首款8K超高清AI空间相机Kosmo One。
从春晚机器人到皮克斯放映的动画电影、现象级黑神话悟空，Kosmo穿透了领域之间的界限，让真实世界可以被“复制”成AI能够理解和训练的资产。
物理AI、具身智能、空间智能……过去一年多，这三个概念轮番出现在AI行业的头条里，热度一轮高过一轮。但热闹归热闹，它们之间的关系却很少有人讲清楚。
物理AI要做的，是让AI从屏幕里走出来，进入真实世界，去驱动一台机器、操作一个物体、完成一次搬运。具身智能是物理AI最典型的形态：给AI一副身体，让它在真实空间里感知、决策、行动。而空间智能则是这副身体能够正常运转的前提。
可以说，物理AI是目标，具身智能是载体，空间智能是底座。
具身智能过去两年的进展有目共睹。人形机器人能跑能跳，灵巧手能捏起鸡蛋，端到端模型在实验室里完成了一连串漂亮的操作演示。2026年春晚，机器人秀武术、当伴舞，丝滑的表演惊艳了观众。GPT-6的发布又给这把火添了一捆柴：Astra在部分测试中直接输出机器人末端执行器的位姿，控制机械臂把积木放进碗里，20次成功了19次，成功率甚至超过了一些专门为机器人训练的策略模型。通用大模型正在越过那条曾经清晰的边界，从数字世界伸手去够物理世界。
但是，表演并不能替代真实物理生活中的实际工作，没有位置、朝向、尺度、相互关系等空间理解能力，机器人连“杯子在桌子左边三十厘米”都判断不了，更谈不上把它拿起来。
要训练出空间智能，首先需要真实世界的空间数据，即用数据构筑一张地图，而这类数据，恰恰是当前最稀缺的资源。二维图片、仿真数据、真机遥操都无法满足具身智能急速发展的需求。
这个瓶颈的直接后果是：机器人的硬件在进步，模型在进步，但连接两者的数据基础设施几乎是空白。GPT-6可以把策略模型的活干得不错，但它拿不到足够多、足够好的真实空间数据去训练。李飞飞画出了空间智能的蓝图，World Labs做出了生成三维场景的模型，可这些能力要落到一台真实的机器人身上，中间缺的是一整套从采集到处理再到输出的底层管线。
说到底，AI缺的是一张标记了物理空间位置关系的世界地图，没有这张地图，具身智能就只能在一片空白里打转。
地图的缺失卡住了空间智能，空间智能卡住了具身智能。这个链条传导到最末端，就是那些演示视频里看起来很聪明、到了真实场景里就犯迷糊的机器人。
行业里不是没有人尝试画出这张地图。但多数玩家只占一端：做仿真的不管真实感，画的是想象地图，山川河流、街道建筑一应俱全，却严重失真；做真机采集的不管规模，画的是拓印地图，一寸一寸从真实世界里拓下来，太慢、太贵、太小；做三维重建的不管语义和可训练性，只有等高线；做关节的不碰数据，根本没有地图。
结果是具身智能公司不得不在多个工具之间来回切换，拼凑出一套勉强能用的路线。没有一张地图，是能从头走到尾的。
GPT-6让业界看到了通用模型“动手”的可能性，李飞飞让空间智能从一个学术概念变成了资本和产业共同押注的方向，但两条线在中间交汇的地方，仍然是一片空白。
要同时具备真实感、规模化、语义标注和可训练性，需要的不只是一个算法或一款设备，而是一整套从采集到处理再到输出的底层能力。
这套能力，恰恰是禾赛在过去十余年汽车供应链里练出来的。在这个背景下看禾赛发布Kosmo，它的特殊之处不在于“又一家公司做了三维重建”，而在于物理AI基础设施公司的身份。
物理AI要落地，需要解决两个问题。机器如何作用于真实世界，以及AI如何获得足够高质量的真实世界数据，围绕这两个问题，禾赛布局了两大引擎。
一个是机器人运动引擎，对应硬件侧的能力。核心是动力模组，用于驱动机器人关节和灵巧手。单台人形机器人需要搭载超过一百个动力模组，占整机BOM成本超过一半。禾赛在精密机械与传动、芯片设计与算法、伺服控制与传感上的积累，能够完整迁移到这个领域。
另一个是三维世界数据引擎，对应数据侧的能力。Kosmo是它的首次系统性产品化落地。一台集成激光雷达、8K影像系统和高精度IMU的手持设备，加上一个云平台。普通室内场景，约15分钟完成100平方米空间扫描，模型生成速度达到行业同类产品的五倍。但速度只是表层，真正关键的是Kosmo在数据形态上的结构性设计。
传统三维重建输出的是一张“死”的模型，几何是对的，颜色是对的，但机器拿到手里没法透视物理空间位置。Kosmo的做法是把一次重建拆成三个维度同时输出，视觉维度解决看起来像不像，交互维度解决能不能碰、能不能拆，空间维度解决离多远、有多大。
Kosmo World的底层是禾赛自研的Kosmo Spatial Core，一次重建同步输出三种形态的数据：3DGS负责视觉真实感，还原场景的外观、材质、光影，解决“画面假”的问题；mesh支持场景中物体的拆分、建模与交互，让机器人知道沙发可以被推开，解决“交互假”的问题；depth提供精确的空间距离参数，让机器人判断杯子离桌沿还有几厘米，解决“空间不精准”的问题。
三类数据源自同一场景、空间完全对齐，机器人看到的、抓到的、测到的是同一个世界。此外，AI语义分割让场景中的每个物体被独立识别和标注，生成式AI补全未扫描的盲区，Kosmo还能根据目标机器人的相机参数做视觉适配，让机器人在“自己眼中”的世界里训练，进一步缩小仿真与真机的差距。从采集到重建，从重建到语义，从语义到适配，每一层都在同一套坐标系里叠加，地图才真正从能看变成能训。
运动引擎让机器在空间里行动，数据引擎让机器理解空间。这套能力恰好是空间数据采集设备和机器人动力模组共同需要的底层壁垒。那么，有了现实世界地图和这套组合能力，能干什么呢？
一张世界地图的价值，不在于它被画出来的那一刻，而在于有人拿着它去航海、去贸易、去探索未知的海岸线。这张为AI制作的地图，应该怎么用？
Kosmo把地图画成了机器能直接读、直接训的格式。地图的可用性第一次被放到了和“真实感”同等的位置上。而恰恰是这种可用性让同一张地图有了跨领域的空间想象，它不只是给机器人算距离用的，也是给艺术创作者造梦、给历史文化存档用的。
在具身智能领域，空间智能是机器人理解物理世界的前提，禾赛Kosmo绘制的地图则是机器人行动的底图。以DQ冰淇凌门店为例，传统人工建模还原一家门店需要约300小时，Kosmo把扫描和重建压缩到15分钟，部署后机器人的任务成功率提升至99%，失败率降至原来的十分之一。这里的价值不只是快，而是机器人可以在一个真实还原的空间里反复试错、反复训练，而不必在真机上一次次冒着损坏风险去摸索。银河通用、原力灵机与禾赛的合作则进一步把真实空间变成可规模化调用的训练资产。
在影视媒体领域，空间智能变成了创作自由度的迁移，Kosmo也打开了迪士尼等影视巨头的大门。皮克斯RenderMan创意负责人Dylan Sisson用Kosmo扫描了园区那盏标志性的台灯，地砖的纹理、金属外壳上斑驳的反光被完整保留下来。传统流程需要团队架设重型设备、拍摄成千上万张照片、再由模型师花几周手工拓扑贴图，而Kosmo把这一步压缩成了一次扫描。更关键的是，Dylan把整套工作流做成了官方教程，向全球创作者开源。一个动画师可以把自己家里的书架、街角的咖啡馆、一次旅途中偶遇的老房子直接搬进数字世界，变成动画里的场景。地图在这里不再是导航工具，而是可以反复取景、反复调用的片场。在这里，同一张地图换了一副面孔，严谨变成了梦幻，一次扫描便可以无限次造梦。
在文旅文博领域，空间智能让历史文化遗产以数字化形式永久留存。禾赛与高德的合作已将首批Kosmo重建的场景接入高德APP的“飞行街景”，用户可以在手机上自由浏览真实空间的三维副本。但这件事的意义不止于“云逛街”，古建、老街、即将消失的村落被完整记录之后，就成了一份不会风化的档案。文博机构可以用它做数字化展陈，设计师可以在它上面做二次创作。普通人可以隔着屏幕走进一个自己可能永远到不了的地方。地图在这里既是传承，也是创意的起点。历史被保存下来，变成可以被反复打开、反复讲述、反复再创作的空间。
这三个场景，一个要严谨，一个要梦幻，一个要传承，看似分散，但说到底，它们要的是同一种能力：把真实世界高效、高保真地转化为可反复使用的三维数据。也正因为这种能力足够底层，它才能同时撑起机器人的计算、创作者的想象和文明的记忆。
可以说，物理AI的基础设施竞赛才刚刚开始。李飞飞说空间智能是AI的下一个前沿，黄仁勋说物理AI是AI的终局。这个赛道从来不缺看好它的人，缺的是把蓝图变成工具的人。禾赛用Kosmo先落了一子，把世界地图画成了机器能直接用的格式。至于这张地图最终能延伸多远，还要看有多少机器人、创作者和机构愿意拿着它出发。
天顺优配提示：文章来自网络，不代表本站观点。
