皮克斯 RenderMan 教程致谢禾赛 Kosmo：3D 高斯泼溅采集进入影视与具身智能

皮克斯官方最新上架的 RenderMan 3D 渲染教程中，特别致谢了一家中国公司提供的3D场景扫描方案 Kosmo——它来自车载激光雷达厂商禾赛科技。教程教创作者用皮克斯官方工具处理真实世界的3D高斯泼溅（3DGS）数据，而负责“捕捉”真实空间的，正是这台中国设备。

RenderMan 是皮克斯的核心渲染技术，其历史比公司本身还早，史蒂夫·乔布斯当年正是看中计算机图形学作为艺术形式的潜力而重注投入。如今 GPU 加速的 XPU 架构已经落地，对 3DGS 这一新三维数据格式的支持也已加入 RenderMan。

按教程中的描述，影视特效需要在像素层面完成编辑，数据和信息越丰富，可做的调整就越细腻，而 Kosmo 能让建模师走进任何一个地方，捕捉它的每一个空间元素、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 采集只需 10 到 20 分钟，得到的高质量 3DGS 数据通过 USD 格式直接进入工作环境，工程师随后可以在模型空间里移动、缩放、调整透明度、做风格化处理。

Kosmo 分成采集端与重建端。用户手持的 Kosmo One 内部集成定制激光雷达、最高 8K 分辨率的超高清影像系统、一英寸大底 CMOS 与高精度 IMU；四类传感器共享同一时钟源和触发机制，做到微秒级同步，并在硬件层面完成“前融合”——外参出厂即标定，使用中由 IMU 辅助维持，每一帧的点云、RGB 像素与位姿轨迹都绑在同一时间戳下。

数据上传后进入云端的 Kosmo Spatial Core。重建时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的光度损失注入颜色参数，最终得到位置、形状、颜色同时收敛的3DGS表示。一次重建还会同步导出 mesh 与 depth 两种同源数据，空间坐标系统一，不需要跨格式配准；此外还带 AIGC 补全与语义分割能力，可对盲区自动补全、把场景内物体单独识别标注，让静态三维模型直接变成可训练的结构化数据。按禾赛给出的数据，100 平方米左右的空间手持采集大约需要 15 到 20 分钟。

影视和游戏只是这套能力最直观的出口。《黑神话·悟空》制作方游戏科学当年就拿着禾赛的激光雷达去采集各种古建筑模型，这也是 Kosmo 诞生的驱动因素之一；测绘、机器人训练、VR 看房等场景同样在需求清单上。

更“初心”的定位是具身智能与物理AI的数据入口。此前行业里的通行做法是各自采购不同传感器、自己手搓一套采集设备，非标、可靠性低、昂贵且难以迭代。禾赛试图用一台前融合、出厂标定的设备替代这套重复劳动，并称 Kosmo 的主要营收未来可能不是硬件售卖，而是用户生产数据资产时消耗的 token。

这家公司也因此把自己从车载激光雷达供应商，讲成了物理AI的基础设施供应商。这套叙事能否成立，还要看两个节点：一是世界模型与真实采集之争会怎么演化——至少在现阶段，生成式场景仍难以回答尺度与物理约束的问题，真实数据的需求未必会随模型变强而消失；二是 Kosmo 在具身智能客户中的实际铺开规模，以及它设想中的数据资产平台能否吸引外部贡献者。