浅水难养大禾赛

本文来自微信公众号： 数智奔流 ，作者：吴坤谚

达尔文曾在加拉帕戈斯群岛观察到一种奇妙的演化。不同岛屿上的雀鸟长出了形状各异的喙，以适应各自的生存环境。

禾赛科技的身上，有着类似的进化痕迹。

比如2013年李一帆、向少卿和孙恺在硅谷创业，用激光雷达传感器检测危化气体。有投资人评价，这是“一流团队、二流方向”。两年后，禾赛转向车载激光雷达。

时隔多年，同样的情况或许又发生了。

转战车载激光雷达做到市场第一后，李一帆开始布局更多的物理AI业务。

10月中旬，禾赛推出三维世界数据引擎Kosmo，试图把雷达业务积累下来的空间感知能力转化为物理AI的三维数据底座。此时，距离三位联创在具身智能领域二次创业创立Sharpa，才过了不到两年。

对于当前的转型，管理层表示，围绕激光雷达主业，通过SGI业务在技术、客户与财务三个维度不断获得验证，可以打开一个潜在规模可达激光雷达单独市场100倍的机会。

显然，激光雷达有限的二流天花板，还是制约了一流创始团队的潜力。

毕竟卖再多的激光雷达，低价走规模下再高的出货量也只是一门制造业的苦生意。特别是在整个具身智能、世界模型、物理AI小天才横空出世，屡屡拿下超高估值的当下，没有一流的技术人才愿意坐冷板凳。

技术上可以反共识，市值上却要找共识。

禾赛体系孵化的Sharpa，依托具身赛道的融资共识，投后估值就达到220亿元人民币。

作为对比，截至11月11日，禾赛港股盘中市值约200亿港元。也就是说，有着69.77亿现金和连续6个季度盈利表现的禾赛，其资本价值还不如创立没几年的Sharpa。

尽管一级市场和二级市场不是同一个逻辑，但激光雷达业务的有限想象力，还是明显困住了李一帆的野心。

在财报会上，管理层预计四季度整体营收11-11.5亿元，弱于此前市场分析师的收入指引预期。

但是在战略业务SGI上，禾赛很有信心。管理层预计2027年在新业务上实现约1亿美元（约7亿人民币）的收入，相当于总收入的10%以上，并计划同年实现盈亏平衡。

受到物理AI业务的刺激，禾赛11月11日港股高开，盘中一度涨幅超过11%。可能再过几年，激光雷达这个主业就要退居二线了。毕竟物理AI才是市值管理的好手段。

激光雷达的龙头不香了

理想、小鹏、地平线、速腾聚创……汽车产业的能力，正在整体迁往物理AI。

电动化留下了电池、电机和精密制造，智能化沉淀了芯片、传感器和算法。当这些能力外溢到机器人，车企、智驾公司与零部件供应商，开始飞向新的岛屿，禾赛也不例外。

在这场浪潮下，禾赛走出了两条截然不同的演化路线。

一条是从供应链来到供应链去，复用精密制造能力，让硬件从车载平移到割草机、配送车和机器人；另一条则是向产业链上游冲高，靠打造三维空间数据底座重塑估值逻辑。

禾赛急于踏上新路的原因，在于其虽然赢下了激光雷达的淘汰赛，却发现自己正困在一个有明显天花板的池塘里。

据盖世汽车研究院数据，今年9月，禾赛在中国远距ADAS激光雷达市场的份额达到43%，连续20个月位居第一。禾赛的市占率越往上走，激光雷达赛道的局限性就越清晰。

产业周期的演进进一步加剧了赛道挤压。当激光雷达从高端车型的技术配置，下沉为十万元级家用车的标配，成本直接决定了车企的采购决策。供应商的竞争重心，也倒向了产品成本、良率控制与交付效率。

财报显示，禾赛激光雷达业务收入同比增长22.9%至9.78亿元，比例远小于出货量的增长。在终端持续降价的背景下，出货规模的扩张已经无法等比例转化为收入增长。

依靠自建工厂的成本控制与芯片迭代，禾赛在三季度仍将综合毛利率守在41%。但在制造业的体系里，这还是规模摊销、循环往复的“苦生意”。

另一方面，雷达的外部技术演进也在重塑竞争版图。

10月23日，千里科技发布新一代AI毫米波雷达，将大模型与端到端算法引入底层雷达感知，大幅提升了复杂道路环境下的目标识别能力。AI算法直接拉高了传统廉价传感器的感知上限，隐隐有杀入激光雷达所处的高精度区间内的迹象。

量价压力下，向汽车之外的市场要增量，成为禾赛的必然选择。

三季度，禾赛机器人领域（涵盖割草机、扫地机、无人配送车及人形机器人）的激光雷达出货量同比增长51.1%至9.16万台。非车载的业务开始放量，但汽车依然贡献着近九成的出货基本盘。

即便是在高度依赖感知的机器人领域，激光雷达也很难拿到一个“大结果”。禾赛与关联企业Sharpa的交易结构足以证明这一点。

在Sharpa的采购盘子里，激光雷达占比极低，关节动力模组占据了绝对大头。从今年7月禾赛上调与Sharpa的2026年度关联交易上限来看，激光雷达产品对应交易上限仅200万元，制造及相关支持服务为5300万元，而由电机、减速器等构成的机器人动力模组则高达2.21亿元。

机器人对激光雷达的需求多少取决于感知方案，但执行动作，却需要几十个自由度的关节模组。禾赛管理层在此次财报中也明确表示，机器人动力模组通常占据人形机器人整机物料成本的一半以上。

更重要的是，从激光雷达到关节模组，禾赛在这些业务上延续的依旧是那套精密制造的逻辑。即通过自研核心零部件、规模生产与效率，将汽车供应链积累的能力平移到外部。

这是一条风险更低的道路，却不能跳出制造业按件计费的增长规律。要想靠叙事更换估值轨道，禾赛便要走出制造业的囹圄，进化出新的“鸟喙”。

数据生意，开始“陪跑”

“过去十年，禾赛做的是让机器看见世界；下一个十年，我们要做的是让机器人理解并改变世界。”

这是李一帆在10月的Kosmo发布会上，对外界喊出的第二曲线。如果说动力模组是在制造能力上做加法，Kosmo则代表了另一种选择，把空间感知能力从硬件产品转变为数据生产能力。

真正让李一帆心动的，是水深鱼大的物理AI。

“数字AI已经起飞，而物理AI的基础设施仍亟待建设。这意味着新的产业机会正在打开。”在他看来，AI从数字世界走进真实世界，离不开两样东西：能看懂真实世界的三维数据，以及驱动机器人行动的运动能力。

机器人要进入工厂、仓库、商场等场景，与大量非标准化物体交互。这不仅要求机器人识别障碍物，还要求模型理解三维空间关系，并据此规划和执行动作。为了减少真实环境中的训练成本，行业正在尝试将真实场景重建为可编辑的数字环境，再通过仿真生成训练样本。

这便是禾赛切入的具身智能Sim2Real（从仿真到真实）环节。

10月14日，禾赛正式发布Kosmo三维世界数据引擎，包含集成激光雷达与8K影像系统的采集终端Kosmo One，以及负责空间重建与处理的云平台Kosmo World。前者负责采集物理空间的毫米级几何尺度与高清视觉信息，后者利用3D高斯泼溅（3DGS）等技术，在云端将真实环境转化为可编辑的三维数字资产。

理想状态下，重建后的单一场景可以泛化生成上万条训练轨迹，为训练环节降本增效。但真实空间的重建，只解决了数据供给的第一步。

机器人训练不仅需要了解所在空间的大小、形态，还需要理解物体如何运动、接触会产生什么反馈。这背后存在着禾赛光学主业与力学、物理的工程跨度。

更现实的阻碍在于下游客户的付费能力。就在禾赛紧锣密鼓进军数据层的同时，整个机器人赛道正在经历资本的降温。IT桔子数据显示，10月赛道融资仅33起，累计金额101.05亿元，较9月的60起近乎腰斩。

机器人公司自己还没赚到钱。而真机数据的市场价格，也不过每小时500到1000元。至于仿真数据的行业需求，智元姚卯青曾给出过自己的判断。他直言仿真数据“在训练环节占比很小，更多用在评测”。

李一帆为Kosmo设计过三层商业化：短期卖设备；中期做MaaS，客户按需采购三维重建服务，禾赛收“算力电费”；长期搭建数字资产平台，沉淀海量三维场景资产，走向订阅。对此，他给出的时间表是三到五年。

在资本降温、机器人公司普遍尚未造血的当下，Kosmo注定要经历一段不短的陪跑期。自我造血的急切下，Kosmo也“荤素不忌”，推动跨界销售，用成熟行业的资金来养活业务。

三季报披露，禾赛正将Kosmo的空间数据能力向影视、文旅、商业空间与本地生活等行业输出。

在影视工业领域，皮克斯旗下的RenderMan已将Kosmo引入影视渲染工作流。在本地生活领域，禾赛与高德地图达成合作，将线下商业空间转化为可浏览、可交互的三维数字场景，也就是其今年发布的“飞行街景”功能。

机器人方面，禾赛仅披露了其与银河通用、原力灵机的试点合作。

不论业务如何多元化，只要收入仍按台、按套、按项目结算，禾赛就还处于精密制造的进化道路上。

工具、场景的价值之辨

对加拉帕戈斯群岛上的雀鸟而言，喙是环境的产物。禾赛想要进化出新的“鸟喙”，便要去往新的环境，摆脱自己原先的生态位置。

过去的进化，给了禾赛前往新岛屿的底气。

过去十多年，禾赛围绕激光雷达建立起完整的光学系统、传感器芯片与硬件时钟同步体系。这些能力的复用，让禾赛能够快速切入物理AI的数据层。另一方面，激光雷达主业仍在持续造血。截至9月，禾赛账上还躺着约69.77亿元的现金储备。

技术和资金的双重优势，让禾赛拥有了比一般创业公司更长的试错周期。

在这个窗口期，禾赛要向市场交底的问题其实很朴素。在数据这门生意里，工具和场景哪个更能创造价值？

工具这一环，禾赛已经做得足够好。Kosmo One实现了即开即扫、智能指引与一键续扫，按禾赛官方口径，普通室内场景约15分钟即可完成100平方米的高保真扫描。

数据资产的沉淀，往往依赖真实场景积累。禾赛的挑战，也更多在于场景。随财报同步发布的《空间智能白皮书》指出，行业需要的不是单点采集工具，而是能标准化生产数据、连接上下游的平台型玩家。

既然单靠硬件长板无法独立撑起平台生态，禾赛便选择了向外部场景方借力。

11月9日，禾赛与群核科技联合发布3D空间相机Aholo x Kosmo One。双方将禾赛的高精度采集硬件，与群核的Aholo Reality空间重建平台打通，实现从数据采集、三维重建到场景编辑的衔接。

物理AI大迁徙的背景下，两家公司早在去年便开始了合作。群核长期服务家居设计和空间数字化市场，拥有室内场景建模、三维资产生产及相关行业客户资源。禾赛则补上了高精度物理空间采集的能力。

各取所需，或是抱团取暖，都折射出禾赛在数据价值链中的位置。

尽管Kosmo云平台具备空间重建能力，但要让空间资产真正落地到机器人训练为主的场景，核心的行业知识、编辑工具和场景资产依然掌握在下游。而随着3DGS等三维重建算法在开源社区快速普及，前端采集硬件与基础重建管线的稀缺性会被不断稀释。

利用成熟主业去孵化成长空间更大的第二曲线，是硬件龙头的常规路径。禾赛面临的挑战在于，新业务与原有主业虽然在底层光学技术上一脉相承，却需要两套截然不同的运营能力。

前文提到，管理层认为新业务正在打开一个潜在规模可达单独激光雷达市场100倍的机会。

高调的表述，让“2027年，SGI目标营收7亿元，力争盈亏平衡”的指引都显得没那么激进。至于7月才开启样机交付的Kosmo，自然需要市场更多的理解与包容。

雀鸟换喙，依赖于环境与代际的缓慢筛选。禾赛的时间还算充裕，在此之前，还需要激光雷达这只旧喙承担起“养家”的重任。