10月14日：禾赛发布Kosmo，小鹏开放物理AI全栈
一、同一天，物理AI的上下游各交了一份卷
10 月 14 日这天，两场发布会隔着八千公里，却指向同一个问题：物理 AI 离能用还差什么。上海，禾赛科技正式发布三维世界数据引擎 Kosmo，同步推出 8K 超高清 AI 空间相机 Kosmo One 与 AI 驱动的云平台 Kosmo World，并宣布公司从激光雷达供应商加速迈向物理 AI 全栈基础设施平台（新浪财经、凤凰网科技、界面新闻）；巴黎车展期间，小鹏集团董事长何小鹏宣布面向全球合作伙伴开放智能汽车技术体系，并同步开放人形机器人、Robotaxi、飞行汽车、图灵 AI 芯片、物理世界基座模型五大方向的物理 AI 生态方案（财联社、中关村在线）。一个回答”数据从哪来”，一个回答”能力怎么卖”。
二、禾赛：把”数据一塌糊涂”做成引擎
禾赛科技创始人及 CEO 李一帆在现场说得很直白：机器人硬件水平挺差，计算没有专用共识，数据一塌糊涂；”空中楼阁型只做模型就能解决行业问题的方法论是不存在的”，底层每一层都要做扎实。
数据被放在第一位。禾赛联合创始人及 CTO 向少卿给出一组判断：当前物理 AI 缺的不是数据，而是真实世界数据——二维图片和视频缺少深度、位姿与真实空间关系；纯仿真数据难以完整还原材质、摩擦、形变等复杂物理规律；真机遥操作数据足够真实，却成本高、效率低、难以规模化。高质量、大规模、低成本长期构成具身智能数据的”不可能三角”，Kosmo 要做的正是让高质量、可规模化的真实世界三维数据成为基础设施（新浪财经）。
从这个角度看，Kosmo One 的两个参数比”8K”更值得记：即开即扫、智能指引与一键续扫，普通室内场景下约 15 分钟即可完成 100 平方米空间扫描；配合 Kosmo World 云平台处理，模型生成速度达行业的 5 倍。云平台已接入英伟达、Unreal、Pixar 等生态，发布会现场禾赛 Kosmo 还与银河通用机器人、原力灵机签订战略合作，并展示了与皮克斯工作室、高德等合作的行业案例。李一帆的表述是，禾赛第一次从供应商变成了需求的定义方。
同一场发布会上，禾赛首次系统披露机器人运动引擎：自研关节模组占人形机器人整机原材料成本超过 50%，功率密度达行业领先水平的三倍，重量减轻 40%；该关节模组已用于 Sharpa 机器人，后者在上海吴江路一家门店实现每天 12 小时以上完整闭环运营、全程无遥操作。数据和运动，是李一帆口中物理 AI 需要建好的两样基础设施，也被他定义为禾赛的第二增长引擎。
三、小鹏：把车上的能力拆开，按模块对外卖
小鹏这一侧的动作更像一次组织化的能力外销。开放的智能汽车方案分三块：整车平台方面，输出整车平台架构与电子电气架构；模块化技术方面，覆盖智能驾驶系统、AI BOX、车规级芯片、动力电池及电驱系统，可按单模块或组合方案选配；配套工具链则贯穿研发、生产、售后，提供远程 XCP 标定、整车 EOL 下线检测、AI 智能诊断等能力。
几个数字能说明成色：电子电气架构基于万兆以太网，车内数据传输速度提升 33 倍，支持毫秒级响应，具备线控底盘能力与面向 L3 级自动驾驶的安全冗余设计；工具链上，全自动 EOL 解决方案与 AI 售后诊断平台可让每台车累计检测时间节省 41 分钟，产线电检年度运营成本降低 95%（财联社）。
物理 AI 生态的五个方向里，芯片是支点。图灵 AI 芯片定位为全球首款多端通用型 AI 芯片，单颗算力达 2250 TOPS，已获得大众汽车量产定点；小鹏 Robotaxi 车辆标配四颗，整车端总算力 3000 TOPS，其中一颗专用于安全冗余备份；人形机器人 IRON 搭载三颗，具备本地自主决策与复杂任务执行能力，无需远程操控（中关村在线）。
节奏也已经排好：Robotaxi 业务启用中文名”小鹏悠游”，打车小程序上线，计划 2027 年实现无安全员载客运营，何小鹏称正与欧洲多家头部出行平台深度洽谈；人形机器人生产线已经启用，计划 2026 年底量产、2027 年上半年交付；飞行汽车已累计获得超过 7000 台订单。目前大众集团与小鹏的战略合作是这套商业化方案的首个落地实践：双方 2023 年 7 月签订战略技术合作框架协议，2026 年首款车型”与众 08″量产下线，第二款车型”与众 09″发布。
开放技术也带着现实压力。9 月小鹏交付新车 41256 辆，同比下跌 0.78%；1—9 月累计交付 284267 辆，同比下跌 9.24%，处在年度同比九连降的调整周期；而”服务及其他收入”从 2024 年的 50.4 亿元增至 2025 年的 83.4 亿元，2026 年上半年为 47.3 亿元，主要来自大众的技术服务费。何小鹏的说法是，小鹏作为一家物理 AI 企业，自主研发核心技术并希望以此赋能全行业。
四、两块拼图放在一起，逻辑才完整
第一，物理 AI 的瓶颈正在从模型转到供给。禾赛的判断与行业体感一致：仿真解决不了材质与摩擦，遥操作解决不了成本，真正卡住具身智能的是可规模化采集的真实三维数据。谁把采集门槛降下来，谁就握住了上游。
第二，卖能力比卖产品更快变现。在整车销售承压的周期里，平台、芯片、工具链这类可复用资产成了新的收入曲线；大众合作是第一单，也验证了这条路走得通。
第三，两条线最终要在同一个闭环里会合：用数据训练出更好的运动与决策能力，能力装进汽车、机器人与飞行器，运行中产生的数据再喂回去。10 月 14 日这一天，更像是这个闭环第一次在商业层面被同时摆上台面。
风险也摆在明处。三维数据的采集标准、格式与授权规则尚无行业共识，采集能力的规模化最终要靠设备出货量说话；开放技术则要看合作伙伴买不买单，以及自家产品的竞争力会不会被稀释。两场发布会的意义，更多是先把地基的图纸交出来。