众所周知，大模型的训练可以从互联网上找文本数据。但物理 AI 的数据从哪来？这成了具身智能行业眼下最现实的问题。
靠真实路测攒数据，成本过于高昂。特斯拉 FSD 的百亿英里级数据，背后是百亿美金投入和十余年积累，绝大多数机器人公司烧不起。靠仿真生成数据，又始终与现实世界存在 gap。
昨天，禾赛科技发布了自己的答案。这家以激光雷达起家的科技公司，发布了 Kosmo 三维世界数据引擎。
具体来看，Kosmo 能做四件事。
· 场景生成，不用人工建模就能批量造出训练场景；
· 传感器仿真，同时模拟激光雷达、摄像头、毫米波雷达和 IMU 的数据输出；
· 自动化数据标注，把时间、空间、语义信息一并打好；
· 街景级场景重建，让机器人在 " 复刻的现实 " 里训练。
以机器人在冰淇淋门店的应用为例：过去人工建模还原一家门店，专业团队需投入约 300 个小时；Kosmo 用约 15 分钟，就可以生成高度还原的三维训练环境。
这套东西并非没人做过。英伟达的 Omniverse 和 Cosmos 就是物理 AI 仿真的主流平台。
禾赛打出的差异点在于激光雷达：Cosmos 以光学仿真优先，激光雷达并非核心，想接入需要复杂的定制开发，而 Kosmo 原生集成了激光雷达的物理级仿真，毕竟这是禾赛的老本行，其激光雷达出货量目前排全球第一。
值得注意的不只有产品本身，还有禾赛的角色变化。过去它的生意是卖激光雷达，硬件出货量就是天花板，Kosmo 则把生意延伸到了数据和仿真服务。按禾赛的设想，未来机器人公司可以在几分钟内生成所需场景，无需采集车和真实传感器，如果这个目标兑现，数据生产的门槛确实会明显降低。
当然，这条路才刚起步。仿真数据能不能真正补上物理 AI 的数据缺口，最终要靠机器人企业的实际训练效果说话；英伟达、特斯拉以及一批仿真创业公司也都在抢同一个位置。
另一个值得注意的现象是，在活动现场，禾赛 Kosmo 与银河通用机器人、原力灵机签订了战略合作，还同步展示了与迪士尼旗下皮克斯工作室（Pixar Animation Studios）、高德等合作的多个行业案例。
银河通用、原力灵机是具身智能的基本盘，皮克斯和高德则指向另一类买家。
皮克斯需要三维世界做内容生产，高德则本身就是地图数据大户。不难看出，禾赛并不希望 Kosmo 的市场表现，跟着具身智能的冷热起落。
