皮克斯官方教程为何感谢一家中国激光雷达公司？

这可能是中国智能汽车玩家里最天马行空的一次“转身”：好莱坞著名特效公司皮克斯——过去30届奥斯卡最佳视效大奖中24部影片使用其技术——官方上架最新3D渲染教程，教创作者用皮克斯工具处理真实世界的3D高斯泼溅数据，并特意感谢了一家中国公司提供的3D场景扫描方案Kosmo。这家公司正是车载激光雷达“一哥”禾赛科技。

皮克斯核心渲染技术RenderMan已加入对3D高斯泼溅（3DGS）格式的支持，而帮助其“捕捉”真实世界的正是禾赛Kosmo。皮克斯表示，影视特效需在像素层面编辑，数据越丰富可调整越细腻，Kosmo能让建模师走进任何地方，捕捉每个空间元素、精准几何结构和真实光照。以皮克斯总部Steve Jobs大楼前的台灯和小球为例，用Kosmo捕捉空间仅需10-20分钟，高质量3DGS数据通过USD格式直接进入工作环境。禾赛数据称，100平米左右空间手持Kosmo采集约需15-20分钟。现象级国产游戏《黑神话·悟空》制作方游戏科学当年也曾用禾赛激光雷达采集古建筑模型，这也是Kosmo诞生的驱动因素之一。

Kosmo更被认可的是直接输出3DGS格式的能力，采集数据无需复杂处理即可用AI或人工工具编辑调试。其本质是真实三维世界数据引擎，多传感器高度集成、标定完善，到手即用，直接输出可供模型训练、操控编辑且空间关系与色彩形状不失真的三维数字模型。打进好莱坞只是禾赛攀登物理AI过程中的一个“蛋”，Kosmo更核心的落地场景是作为具身智能、物理AI底层模型的数据入口。其云端模型可进行3D语义分割，将场景元素拆分，数据资产可直接用于构建机器人训练任务——这正是世界模型追求的目标，不同在于Kosmo数据来自真实世界，物理定律与因果更精准，模型行为更易解释归因。Kosmo还提供空间关系这一关键要素，是机器人从感知到认知、规划路线策略必不可少的决策因素和训练数据。

此前具身智能赛道缺乏“前装量产”“前融合”的数据入口，团队各自采购传感器手搓设备，存在非标、可靠性低、昂贵、无法迭代等痛点，而这正是禾赛的舒适区：精密光电设备、车规标准、工程量产。Kosmo并非车载激光雷达业务的简单延伸，而是解决行业“重复造轮子”难题的首个“即开即扫、即扫即用”专用数据终端。

Kosmo分两端：采集端Kosmo One和云端重建端Kosmo World。Kosmo One集成四类传感器：定制激光雷达、最高8K分辨率超高清影像系统、一英寸大底CMOS、高精度IMU。所谓前融合，是在信号进入重建算法前先在硬件层面对齐：时间上做到微秒级同步采集，四类传感器共享同一时钟源和触发机制；空间上激光雷达与摄像头外参出厂标定，使用中由IMU辅助维持，深度可直接与图像像素逐点对应。该思路与禾赛毕加索SPAD-SoC的像素级前融合同源。多模态帧上传云端Kosmo Spatial Core（KSC）后转化为3DGS表示。原始3DGS仅靠图像存在尺度不确定、无纹理区域易算歪、缺乏物理约束等短板，KSC用激光雷达点云初始化高斯位置，以深度作为几何约束参与优化，RGB信息通过可微光栅化光度损失注入颜色参数，三路信号协同输出位置、形状、颜色同时收敛的3DGS表示，并同步导出mesh和depth同源数据，空间坐标系统一。KSC还搭载AIGC补全能力，对盲区自动补全和材质识别，并通过AI语义分割将场景物体独立识别标注，使静态三维模型可直接转化为AI可训练的结构化数据。

Kosmo能力已超越智能汽车和具身智能场景，影视、游戏、测绘、机器人乃至VR看房均有需求。如果说数据是“石油”，Kosmo就是采油加炼油基础设施全流程整合，开箱即用。关于世界模型流行后是否还需真实数据采集的疑问，GPT-6 Astra与Kosmo复原场景数据的对比说明：AI越强，物理AI终端解锁场景越多，对泛化要求越高，越需要真实世界新鲜数据作为基础。Kosmo并非在AI变强后被替代，而是AI越强越有用。禾赛通过Kosmo挑明一个更底层的问题：若模型训练阶段数据来源能对齐真实物理世界，许多问题或可迎刃而解。