對話禾賽李一帆：物理 AI 瓶頸不是模型，而是高質量真實世界數據 | 智車星球

禾賽迄今為止最大的主題就是物理世界的數字化。物理世界的數字化是一個很重要的AI的基礎設施，不論是推理還是訓練。

作者|王蕊

編輯|西子

“物理 AI 時代的核心機遇，就藏在物理世界的數字化進程里，從空間感知升級為空間智能、從純硬件迭代為 AI 硬件，是行業不可逆的范式升級。禾賽要做的，始終是物理 AI 時代的核心基礎設施提供商。”

禾賽科技宣布了全新的戰略和使命——從全球車載激光雷達的領跑者，全面升級為“物理 AI 基礎設施公司”。

4 月 17 日，在 2026 技術開放日上，禾賽一次性發布四項核心產品：全球首款 6D 全彩激光雷達芯片 “畢加索”、最高 4320 線 ETX 系列激光雷達、空間智能 AI 硬件 Kosmo、機器人動力模組，完整覆蓋從車載感知、空間數字化到機器人執行的全鏈路，完成了物理 AI 基礎設施的全棧布局。

支撐這場戰略轉身的，是李一帆、向少卿、孫愷三位禾賽科技聯合創始人對物理 AI 的底層預判：物理 AI 時代，真正的瓶頸從來都不是模型，而是高質量的真實世界數據。

“沒有高質量的物理世界數據，再優秀的模型都是空中樓閣。”李一帆在接受智車星球采訪時直言。

△禾賽科技聯合創始人兼CEO 李一帆

沿著這一邏輯，禾賽的方向也變得清晰：從“空間感知”到“空間智能”，從單一傳感器供應商走向數據基礎設施提供商，再進一步延伸到機器人核心執行部件。

它想占據的，已經不只是自動駕駛產業鏈中的一個環節，而是整個物理世界數字化過程中的關鍵入口。

核心觀點速覽：

1. 激光雷達從幾百線做到1000線、4000線，當然也是進步，但它的創新幅度，未必比把純固態激光雷達裝到車身各個角落，甚至裝到小牛電動上更大。

2. 物理 AI 時代，最大的改變，是大家會終于明白，這個賽道的核心瓶頸從來都不是模型，而是高質量的物理世界數據。

3. 大家過去總覺得軟件公司比硬件公司更值錢。但在AI時代，這個判斷并沒有那么成立了。對物理AI來說，解決物理世界數字化、提供高質量數據，本身就是非常高價值的事情。

4. 禾賽迄今為止最大的主題就是物理世界的數字化。物理世界的數字化是一個很重要的AI的基礎設施，不論是推理還是訓練。

5. 禾賽是一家強的基于圍繞 AI 體系，去為它設計最需要的底層基礎設施的公司。核心定位是做機器人時代的基礎設施，本質上還是在做 “賣鏟子” 的生意。

6D全彩激光雷達，為什么想要做一個這樣的新物種新產品出來？

李一帆：如果從行業階段來看，不同階段競爭的事情不一樣。早期技術路線百花齊放，大家都在做從 0 到 1 的事情，對技術創業者來說當然更有意思，因為你是在不斷探索別人沒做過的東西。

過去幾年，行業越來越多聚焦在“降本”上，這對純創新型企業來說，確實沒那么令人興奮，但從商業角度看，這是好事。一個產品如果特別貴，就很難普及，我們本質上還是希望做出一個大家都能用得起、用得上的產品。

作為一家商業公司和供應商，禾賽當然會持續做好降本、上量、保質量這些基礎工作。但我們也一直在想，除了這些，是不是還有別的事情值得投入精力。

高線數是行業里很常見的一條升級路徑，我們每代產品也都有高線數版本，但線數高只是提升安全的一個手段，并不是安全的充分條件。線數高不代表一定能被用好，它背后仍然需要完整的產品閉環。

在我看來，從幾百線做到一千線、四千線，當然也是進步，但它的創新幅度，未必比把純固態激光雷達裝到車身各個角落，甚至裝到小牛電動上更大。后者其實是在創造一個新的產品品類，是更典型的從 0 到 1。

6D 全彩激光雷達也是在這樣的思路下誕生的。

首先，這絕不是換個名字、玩弄概念，而是底層的創新。歷史上，激光雷達和攝像頭的融合，本質上大多還是兩套系統的組合，只不過通過一些方式把它們塞進了同一個空間里。

而禾賽這次做的，是一套真正統一的系統。在測量距離的同時，同步獲取光的 RGB 信息，在像素級實現 RGB 和 XYZ 的一一對應。

也就是說，激光雷達有多少像素，攝像頭就有多少像素，而且這些信息來自同一次測量，這是過去沒有人真正做到過的事情。

這樣做有幾個顯著好處。第一，它一次性解決了多傳感器之間長期存在的同步、響應、對齊等問題，從根本上提升了感知的一致性和安全性。

因為它采用的是新的測量原理，所以天然可以做得更小，而且不會額外疊加一套攝像頭系統的成本，本質上仍然是一套激光雷達的成本邏輯。對整車來說，這會帶來體積、集成和成本上的綜合優勢

第五代芯片、6D 全彩激光雷達這一代，核心升級是什么？

李一帆：這一代最重要的升級，第一當然是從 3D 到 6D；第二是線數能力的繼續提升，目前最高支持 4320 線；第三則是一些更隱性的能力優化，比如噪點控制和各類 Corner Case 的處理。

很多時候，線數、噪點這些顯性指標很容易被行業關注，但真正決定產品好不好用的，往往是那些不那么顯眼的能力。

比如明明沒有障礙物卻出現誤報，或者該檢測到的障礙物沒有檢測到，這種問題才是激光雷達最不能接受的，也是我們花了很多時間持續優化的重點。

現在最讓你興奮和焦慮的是什么？

李一帆：最核心的興奮點，還是能在一個大家都在卷線數、卷降本的行業里，繼續做出 6D、Kosmo、動力模組這種更接近從 0 到 1 的東西，看到一些真正新的、有趣的產品方向。

焦慮的部分也存在。因為一家真正的創新型企業，如果最后只是停留在降本、上量、保質量這些事情上，當然也要做，但只做這些會很遺憾。我們還是會持續逼著自己去做一些底層原理上真正不同的新東西。

Kosmo：開辟空間數字化全新賽道

Kosmo 是什么？它的定位和核心價值是什么？

李一帆：Kosmo 是一款和汽車行業無關的全新產品，它解決的核心問題，是“空間記錄”。

今天絕大多數空間記錄技術，本質上都在錄制現場替用戶做完了很多不該做的決策，而且信息壓縮嚴重，最終用戶拿到的內容，往往并不能真正理解一個空間。

這件事的根本矛盾在于，過去一直沒有一套成熟技術，能夠把一個三維環境中的光線、空間感、結構、顏色完整記錄下來。

這里面有幾個原因：一是過去激光雷達不夠成熟、不夠便宜，做空間記錄門檻太高；二是空間渲染能力不夠好，導致最終呈現出來的效果很假；三是沒有人把整條鏈路真正跑通，空間智能的數據生成因此受到了很大限制。

Kosmo 就是在這個背景下做出來的。

禾賽本身擁有很強的激光雷達能力，在測繪、三維測量、空間智能、數據生成等領域已經有很多應用；同時我們對光學也很熟悉，又具備很強的產品化能力，所以最終把這些能力整合成了一臺小型設備。

你拿著它在一個空間里走一圈，房間模型就有了；之后如果你想生成任意角度、任意視角的畫面，它都可以非常真實地還原出來。

它的應用潛力很大。無論是數字孿生工廠、建筑設計、家裝家居，還是機器人訓練數據采集，都有很強的需求。我們現在看到的應用場景，其實還不到它未來可能性的五分之一。各個行業里最領先的一批玩家，都已經在和我們一起探索它能做什么。

第一代 Kosmo 面向專業用戶，不是消費級產品，是 to professional、to B 的產品，價格是大幾萬元量級，今年下半年會發布。

第一代不會是 to C。至于未來消費者這一端會不會有一個手機版本、一個對應的形態，是有可能的，但現在還很難下結論。因為對一個全新品類來說，市場規模和最終形態往往是做出來之后才逐漸看清楚的。我們現在更重要的，還是把產品和體驗做到極致。

Kosmo 所代表的“空間智能”，和簡單的空間掃描有什么區別？

李一帆：如果只是空間感知，那更多是空間掃描。而空間智能不只是把空間掃下來，還包括多傳感器融合、模型搭建，以及后續一系列 AIGC 能力。

空間掃完以后，不一定能把這個世界所有地方都掃得非常完整，一定會有沒看到的地方，它會去補。補出來的內容不一定百分之百真實，但如果拍攝本身已經足夠接近真實，補出來的東西基本也能用了。

所以這不是一個很“笨”的硬件邏輯，不是說掃一次不夠再掃一次、沒掃全再補掃一遍，而是要讓整個產品在真實使用中變得更高效、更自然。從這個角度看，我們做的其實是一個 AIGC 的硬件。

Kosmo 和 6D 全彩激光雷達是什么關系？禾賽會做可穿戴或自我中心采集設備嗎？

李一帆：Kosmo 和 6D 是完全不同的兩類產品。6D 是面向汽車的新一代激光雷達技術，本質上是讓激光雷達在一套系統里同時具備攝像頭能力。

而 Kosmo 是一款與汽車無關的獨立產品，面向的是空間記錄和空間數字化。雖然它同樣會整合多種傳感器，但它和 6D 并不是綁定關系。

至于現在很熱的可穿戴、自我中心采集范式，禾賽目前沒有計劃做。原因是這個方向雖然最近很熱，但行業對它究竟需要怎樣的數據、壁壘到底在哪里、性能要求是否真的足夠高，其實都還沒有定論。禾賽更傾向于做那些對性能要求更高、技術壁壘更深的事情。

物理 AI 時代，做核心數據基礎設施提供商

禾賽如何定義“空間智能”？從空間感知到空間智能，公司的核心邏輯是什么？

李一帆：過去兩年，禾賽一直在更認真地思考公司到底是一家什么樣的公司。

第一階段，我們最強的能力當然還是硬件能力：從光學、電子、芯片，到大規模高質量的車規級制造，再到點云數據和信號處理，這是我們的基本盤。

但禾賽和純制造企業不一樣。我們更底層的定位，是一家圍繞 AI 體系去設計和提供底層基礎設施的公司，而這套基礎設施里，最核心的一部分其實是數據基礎設施。

我們不是數據的擁有方，而是數據的產生方。無論是車上的感知數據，機器人使用的數據，還是空間智能訓練模型所需要的空間數據，本質上都指向同一個大主題：物理世界的數字化。

所以，從空間感知到空間智能，禾賽看到的核心機會，始終在于高質量的物理世界數字化數據。這是我們布局空間智能的主線。

除此之外，我們也會沿著機器人底層基礎設施繼續往下走，比如動力模組。因為如果禾賽是一家基礎設施公司，我們就會去找機器人領域里最通用、最關鍵、又最值得做的那部分能力。

很多人會覺得空間智能最終是模型公司的機會，但從物理 AI 的角度看，模型只是其中一環，數據反而是更短的短板。沒有足夠高質量的數據，后面的模型就是空中樓閣。

而且物理 AI 的數據和任務、場景、機器人本體是高度耦合的，不存在一套數據普遍適配所有機器人這件事。所以空間智能絕不是只有模型公司才能參與，提供高質量數據和底層硬件的公司，同樣有很大的機會。

AI 對禾賽這樣的硬件公司，究竟會帶來哪些影響？

李一帆：首先，一個常見的誤區是，大家過去總覺得軟件公司比硬件公司更值錢。但在 AI 時代，這個判斷并沒有那么成立了。

真正重要的問題是：AI 時代最核心的價值到底在哪里。

對物理 AI 來說，解決物理世界數字化、提供高質量數據，本身就是非常高價值的事情，而硬件對數據質量的影響，其實遠高于軟件。

如果把 AI 粗略分成幾類：語言模型天然擁有海量數據，它的核心瓶頸主要在訓練范式和算力；車載自動駕駛的數據獲取有一定周期，但數據結構已經相對標準化，行業也更成熟。

而機器人、物理 AI 這一類則完全不同。它真正難的地方在于，如何通過傳感器獲得最高質量的信號。

這個行業今天還沒有被真正定義清楚，也遠遠沒有成熟。未來三年，優質硬件體系所帶來的高質量數據，如何進一步驅動模型能力，會變得越來越清晰。

另外，AI 對組織管理的影響也會很大。很多管理問題之所以復雜，不是因為它真的需要那么多“洞察人性”，而是因為信息不透明、信息不標準化、信息太多又無法消化。

AI 的價值就在于，它可以幫助組織大量處理復雜信息，降低很多傳統管理動作的必要性。未來組織形態很可能會更圍繞產品線展開，而不是依賴龐大的職能部門和跨部門協作。

物理 AI 時代，禾賽的敘事邏輯會發生什么變化？

李一帆：最大的變化，是行業會越來越清楚地看到：物理 AI 的核心瓶頸不是模型，而是高質量的物理世界數據。

數字 AI 時代，語言模型天然擁有海量互聯網數據，所以大家會卷模型、卷算力；但物理 AI 時代，連第一步的數據都還遠遠不夠。

而且物理 AI 的數據，和任務、本體是高度耦合的，不是隨便拿一套數據就能通用。這也意味著，未來行業的核心價值不只在模型公司、軟件公司，做硬件、做數據基礎設施的公司，同樣會擁有非常重要、甚至更核心的位置。

機器人布局，堅守底層基礎設施定位

您如何看待具身智能行業的發展？它的市場潛力有多大？

李一帆：我不認為“具身”本身是一個單一行業，它更像一個統稱，里面包含很多不同的細分方向。通用人形機器人未來可能會成為一個標準化單一品類，但它不會替代所有現有機器人，比如工廠里的機械臂就很難被人形機器人全面替代。

但從市場規模看，具身智能這個方向的潛力很大。在我心里，汽車市場本質上對應的是人每天花在車上的那一個小時，而如果有一個行業能讓人每天愿意投入 3 到 5 個小時，甚至 10 個小時，用它作為生產力工具，那么這個行業天然就比汽車市場大得多。具身智能就是這樣一種可能性。

另外，AI 產品的定價邏輯和傳統硬件也不一樣。傳統產品更多看供需，供給過剩就會卷價格；AI 產品除了供需，還有一個重要錨點，就是它替代的人力成本。只要它的價格低于被替代的人力成本，客戶就會優先使用它。這會給真正技術領先、可靠性更高的產品留下更大的毛利空間。

對禾賽來說，這個行業里的核心機會，仍然是基礎設施。物理 AI、具身智能今天最大的瓶頸之一，就是高質量的物理世界數據，而這恰恰是禾賽最擅長的地方。我們不會去做機器人整機，也不會去做通用大模型，而是繼續提供最核心的傳感硬件、動力模組和高質量數據能力。

現在具身智能的仿真復刻做到了什么程度？禾賽的產品能起什么作用？

李一帆：現在具身智能的仿真，其實還遠沒有發展到大家宣傳里說的那個程度。判斷一套仿真系統到底成熟不成熟，不能只看它能不能“復刻一個大廈”或者“復刻一個場景”，而要看它最后到底能不能支撐真實的任務執行和生產力。

比如如果真把一棟大廈完整仿真了，機器人是不是已經能在里面自由行動？如果真做到了海量家庭環境仿真，它又能在生產力層面完成哪些任務？目前來看，還遠沒有到那一步。

這也是禾賽這類產品存在的價值。因為即便今天想認真做仿真，要把一個家庭、一棟樓的高質量空間數據真正采下來，本身就很難，而我們的設備恰好可以幫助它做到這件事。我們不是去取代仿真工具，而是給主流仿真工具提供最關鍵的語料和數據。

今年機器人業務上的新增投入，主要投向哪些方向？

李一帆：主要有三個大塊。第一，已有激光雷達產品的升級和核心自研芯片的持續迭代；第二，像 Kosmo 這樣的空間智能產品線；第三，機器人動力模組業務。

非車業務迎來爆發式增長

您認為車載激光雷達會成為標配嗎？

李一帆：從趨勢上看，它正在走向標配。去年車載激光雷達的上車量大約是 160 萬臺，今年參考公開信息，整體仍然是翻番的趨勢。對于一個每年都在快速增長的品類來說，這個方向已經很清楚了。

我今年特別開心的一點是，行業關注點已經不再只有降本。降本當然重要，但它不該是唯一目標。一個理性的行業，最終一定是在成本和價值之間尋找平衡，而不是只盯著怎么再省一塊錢。

現在已經有車企和供應商開始更認真地去討論：高性能、高線數的激光雷達，到底能不能創造更多用戶價值。這是一個很好的信號。

今年非車業務增長如何？看到了哪些新的應用機會？

李一帆：從增速來看，非車業務的增長明顯快于車載業務。

最直觀的感受是，今年使用激光雷達的非汽車應用比去年明顯多了很多，而且很多不是我們長期深耕出來的，而是隨著汽車產業把成本打下來之后，自發涌現出來的。

比如小牛電動。很多年前我們剛認識小牛時，激光雷達還是幾十萬元一臺，當時很難想象這樣一類產品會裝到兩輪車上。

但今天因為整個汽車產業鏈把成本打下來了，原本完全不成立的場景，現在開始成立了。這意味著激光雷達的應用邊界正在被迅速打開。

禾賽在海外市場的進展如何？和英偉達的合作意味著什么？

李一帆：英偉達在海外車載市場已經逐漸成了一個很強的“最大公約數”。它不僅提供車載芯片，也提供全棧軟件，而禾賽的激光雷達和它的整套體系是全線適配的，某種程度上可以理解為我們已經成為它參考設計的一部分。

這意味著，和英偉達合作的車企，在數據采集、模型訓練、驗證等環節，很多工作都是基于我們的產品完成的。

未來當英偉達簽下新的客戶時，我們獲取這些客戶的難度也會顯著降低。

從法律和商業上講，客戶當然可以不選我們，但如果不選，它就要承擔更高的交付成本、更長的驗證周期和更大的不確定性。除非有非常強的理由，否則用一套已經成熟適配的方案，通常會更高效。

最真誠的智能汽車報道