禾赛转向“物理人工智能”, 押注机器人将超越汽车成为最大市场

过去十年，激光雷达制造商的主要战场一直集中在汽车的前保险杠上。在竞争激烈的中国电动汽车市场，为了向高级驾驶辅助系统提供“眼睛”，几乎所有玩家都在残酷的价格战和快速的技术迭代中奋力拼搏。

如今，禾赛却正在寻找另一种玩法。

在4月17日举办的2026年技术开放日上，这家总部位于上海的公司提出，自动驾驶汽车所需的基础技术——对环境的精确三维感知——仅仅是通向一个更宏大产业变革的先导：那便是“物理人工智能”时代。

通过推出一款能够为激光雷达点云上色的新型芯片、用于采集真实世界数据以训练人工智能的便携式硬件，甚至是用于机器人运动的执行器，禾赛正试图重新定义自己。

它不再仅仅是汽车制造商的零部件供应商，而是立志成为任何需要自主在物理世界中导航的机器——从人形机器人到工业割草机——所必需的基础设施提供商。

这一战略的落地，正值汽车激光雷达市场本身面临关键时刻之际。根据公开数据，禾赛最近在主要激光雷达细分市场的份额已超过50%，尤其是当整个行业正在努力探索如何从L2级辅助驾驶过渡到真正的L3级自动驾驶时，传感器的冗余度和可靠性变得至关重要。

“我们感觉自己就像坐在金矿上，却可能只实现了它5%的价值，”禾赛科技联合创始人兼首席技术官向少卿在描述激光雷达技术在当前汽车应用之外的未开发潜力时说道。

禾赛新方法的核心是“毕加索”芯片。

传统上，激光雷达传感器通过测量激光脉冲从物体反射回来的时间，来创建其周围环境的高精度3D地图（点云）。

然而，这些地图历来都是单色的——它们非常擅长确定物体在“哪里”，却无法确定物体的“颜色”。

这一局限性迫使自动驾驶系统严重依赖摄像头来获取语义信息，例如识别交通信号灯、路标或车道线。将这两种截然不同的数据流——来自激光雷达的空间数据和来自摄像头的2D彩色数据——进行融合，不仅计算量大，而且容易因时间不匹配或空间未对齐而产生误差。

禾赛首席科学家孙恺提出的解决方案是，将色彩感知功能直接集成到激光雷达芯片上。毕加索芯片能够在像素级别同时捕获XYZ空间坐标和RGB色彩信息。这就产生了禾赛提出的“6D”数据。

“这不仅仅是简单地拼接摄像头图像和激光雷达点云数据，”禾赛在新闻稿中表示。“这是在芯片级别实现的感知信息的原生融合。”

这对汽车安全具有重大的实际意义。一辆配备了这项技术的车辆，理论上可以仅凭激光雷达数据就能区分红灯和绿灯，或者识别出灰色混凝土墙背景下的黄色施工标志，从而为摄像头系统提供关键的冗余。

这款芯片将为禾赛升级版的ETX系列激光雷达提供动力。在这个痴迷于规格参数的行业里，ETX突破了界限，其潜在的线数可超过4000线，探测距离可达600米。

然而，禾赛的高管们告诫不要将单一指标，特别是高线数，视为质量的唯一决定因素。孙恺指出，如果增加线数而不同步提高测距能力，对于识别远处的微小物体是徒劳的。禾赛CEO李一帆认为，对更高性能的追求是由即将到来的L3级自动驾驶系统的严格要求所驱动的，在L3级系统中，安全关键的冗余是不可谈判的。

这项技术创新的背景是一个充满压力的汽车行业。在发布会的圆桌讨论中，行业资深人士将当前的市场状况描述为“黎明前的黑暗”——在自动驾驶的全部商业价值实现之前，一段充满高投入和激烈竞争的折磨期。

博世中国前总裁、现任禾赛顾问的陈玉东指出，汽车制造商在无情地向供应商施压要求降低成本的同时，也要求他们进行快速创新。中国市场以高销量但平均售价低于国际市场为特征，已成为检验这些技术可行性的熔炉。

地平线机器人公司的创始人兼CEO余凯观察到了消费者行为可能出现的转折点。地平线是汽车AI计算平台的主要供应商。余凯指出，即使在价格敏感的20万元人民币以下的汽车市场，消费者也越来越多地选择配备功能更强大的高级驾驶系统的更高配置车型，这表明他们愿意为经过验证的功能付费。

对于禾赛而言，在中国保持领先的市场份额既是对其技术的验证，也是其全球扩张的平台。负责禾赛国际业务的Bob in den Bosch强调了国内外市场之间的鲜明对比。在中国以外的地区，目前的销量较低，但平均售价却高得多，客户关系建立在长期的验证周期之上，而不是快速、机会主义的定价之上。

禾赛被纳入NVIDIA DRIVE Hyperion 10平台的主要供应商名单，这对全球原始设备制造商（OEM）来说是一个至关重要的验证，因为他们需要严格的标准化和长期的可靠性——禾赛通过了严格的德国VDA 6.3过程审核并获得“A”级评级，就是最好的例证。

在巩固其汽车行业地位的同时，禾赛正积极将机器人技术作为其空间智能技术的下一个前沿领域。禾赛认为，任何在现实世界中移动的自主机器都需要与汽车相同的基本空间感知能力。

禾赛已在自动割草机和配送机器人等利基机器人细分市场占据了显著的市场份额。然而，他们的雄心更为远大。禾赛援引摩根士丹利的预测指出，到2050年，机器人领域对激光雷达的需求可能达到7亿个，使汽车市场相形见绌。

为了加速“具身智能”——即能够与其物理环境进行智能交互的机器人——的发展，禾赛推出了一款名为Kosmo的新硬件设备。

复杂的AI“世界模型”能够让机器模拟和预测现实世界的物理现象，但其发展目前正受到缺乏高质量三维训练数据的制约。目前的数据收集方法往往既繁琐又昂贵。

Kosmo被设计为一款便携式设备，用于捕获现实世界环境的高保真3D几何和色彩数据。向少卿将其描述为一种工具，可以将现实世界的空间数据从“奢侈品”转变为用于训练AI模型的标准、可扩展资源。通过提供丰富、可编辑的3D环境，禾赛旨在成为机器人制造商的主要数据基础设施提供商。

为了进一步使其产品组合多样化，禾赛还透露已开始开发机器人执行器——即允许机器人移动的机电“肌肉”。这一举措利用了该公司在激光雷达中使用精密光学和机械系统方面的现有专业知识。

这一扩张反映了硬科技公司之间更广泛的认识，即硬件是承载先进AI的必要容器。“在物理AI时代，感知是最底层、最基础的能力，”禾赛机器人感知业务负责人刘兴伟说。他指出，当这一基础层在物理世界中失效时，后果将是灾难性的。

禾赛的战略转向表明，该公司的未来不仅在于看清汽车前方的道路，还在于为注定要与人类并肩作战的一整代智能机器提供基本的感官装置。