全球首款，中国造！8K AI空间相机来了，皮克斯抢先上手

新智元报道 皮克斯园区那盏经典大台灯，被一台中国相机扫进了3D世界。 旁边的彩球、树木，连地面的光影，也一起被记录下来。 操刀的人，是皮克斯RenderMan创意负责人Dylan Sisson。相机来自禾赛，名叫Kosmo。 把电影公司的园区扫描进电脑，乍看像一次技术炫技。可顺着这条线往下看，会发现它与最近AI圈最热的方向，撞到了一起。 就在昨天，刚开放的Gemini 4 Argon，已经被谷歌用于探索机器人任务。 官方演示中，波士顿动力的Spot先在仿真环境里练习踩垃圾桶踏板，再去现实中把易拉罐丢进去。 AI要走出屏幕，得先有一个靠谱的地方练手。 电影人也有类似的烦恼：眼前这条街很漂亮，怎样把它完整带进电脑，让导演随时换机位，让艺术家接着改？ 10月14日，禾赛正式发布三维世界数据引擎Kosmo，与云平台Kosmo World。 与此同时，全球首款集成8K影像系统的AI空间相机——Kosmo One诞生了！ 这家以激光雷达闻名的公司，开始把真实世界转成可反复使用的三维数据。 影视创作与具身智能，看似隔着十万八千里，却在这里找到了交集。 连皮克斯都坐不住了 那盏大台灯搬进「赛博世界」 要搞懂Kosmo的杀伤力，就得先看看它在皮克斯手里，到底掀起了多大的风浪。 了解影视业的朋友们都知道，皮克斯旗下的RenderMan，是好莱坞绝对的「御用神级渲染器」。 从《玩具总动员》开启电脑动画时代，到后来的《阿凡达》《星球大战》《曼达洛人》，几十年里拿下无数座奥斯卡最佳视觉效果奖。 在计算机图形学这片丛林里，皮克斯就是规则的制定者。 而RenderMan的灵魂人物之一Dylan Sisson，前不久干了一件极其浪漫又硬核的事。 他提着一台禾赛的Kosmo空间相机，走到了皮克斯加州总部的标志性广场上。 那盏全宇宙影迷都无比熟悉的巨型台灯（Luxo Lamp），以及那颗经典的皮克斯红黄蓝三色球，就立在广场中央。 Dylan打开相机，在园区里溜达着扫了一圈。 用Kosmo扫描的皮克斯广场，再用RenderMan渲染的效果 传统好莱坞团队要是想把这样的实景搬进电脑做特效，得怎么干？ 一支几十人的专业扫描和测绘团队，架着重型设备在现场待上好几天，拍成千上万张不同曝光的照片，再由几个高薪的模型师花上两三个星期一点点手工拓扑、贴图、抠细节。 但Dylan拿着Kosmo，在短时间内就完成了微秒级的数据采集。 紧接着，这些数据被导入Houdini，再接入RenderMan 28测试版的渲染工作流。 凭借3DGS技术与激光雷达的毫米级精度融合，皮克斯广场的每一寸地砖、跳跳灯金属外壳上的斑驳反光，被完完整整地还原在数字空间里。 更震撼的是，他还用RenderMan的风格化渲染工具，在这些真实三维高斯数据上进行艺术二次创作。 短短几步操作，真实世界里的皮克斯总部大楼，瞬间化身成了带有细腻手绘笔触、浓郁油画质感的动画梦境。 Dylan甚至专门为这个项目制作了一套官方教学案例，发布了这套工作流的教程。 好莱坞找上门，其实在禾赛的计划之外。 禾赛CEO李一帆坦言，Kosmo本来是为机器人训练做的，影视圈的热情，是品质做得太好带来的「意外惊喜」。 皮克斯负责渲染的老大给他的评价是：这类技术一直存在，但从没见过完成度这么高的产品。 真实空间，就这样变成了艺术家手里的数字积木。 几百万搭的景，它一周搞定 对剧组来说，这条路径还有个很实在的吸引力：省工夫，也省预算。 过去拍电影，剧组最怕两件事：勘景和搭景。 主创团队满世界飞，勘景动辄吃掉前期筹备预算的30%；搭一个上万平米的欧洲街景，施工队要紧锣密鼓干上两个月，烧掉几百上千万，拍完一拆全成建筑垃圾。 中途导演想改个光照、换个机位，全组都得跟着加班脱层皮。 现在用Kosmo，一个人、一天就能搞定现场数字化采集，勘景成本有望从前期预算的30%直降到5%；万平米的街道实景，扫描加上重建编辑只需要一周，综合成本能省下高达80%。 更重要的是，场景里的每棵树、每扇窗都变成了可交互、可编辑的三维资产。 白天随时能调成黑夜，灯光能重新布置，如果后期需要补拍，直接调出已有资产在虚拟棚里就能拍。 全球首款8K AI空间相机 Kosmo One登场 这台设备，某种程度上是被客户「逼」出来的。 李一帆回忆，测绘、建筑这些行业不断来要更高精度的激光雷达，从几厘米一路做到毫米级，而且东西够好就愿意多付钱。 但一颗高精度激光雷达，只是开始。客户还得配齐摄像头、惯导和计算平台，再把这些部件整合成一套系统。 禾赛于是决定，把这套集成工作也接过来，直接做成一台完整的设备。连里面那颗激光雷达，都是为毫米级精度和小体积重新开发的。 那么问题来了，普通相机也能拍照片、录视频，Kosmo One多做了哪一步？ 看一张桌子的照片，你能认出桌子。可要准确知道桌沿离机器人多远、台面有多高，或恢复拍摄时相机的位置，还需要额外的空间信息。 Kosmo One把激光雷达、8K影像系统、一英寸大底CMOS和高精度IMU装进了同一台设备。 雷达负责测距离，影像系统记录颜色和纹理，IMU跟踪设备运动。它能对空间几何、影像与设备位姿进行微秒级同步采集。 然后，重建系统把它们拼成三维场景。 其中的关键技术，便叫3D Gaussian Splatting，简称3DGS（3D高斯泼溅）。 很多人以为3DGS就是给点云上个色，或者把照片贴到墙上，李一帆专门纠正过这个误解。 墙上挂的时钟，正面和侧面反射的光完全不一样。全景照片只能站在固定点看，点云贴图也只有一个亮度，换个角度就假。 3DGS的做法说起来「很土」：扫描时把各个角度的光都采一遍，拼成一个信息量高得多的模型，从哪儿看都是真实的那一面。 镜头可以在重建的空间里移动，看看同一个地方从另一个角度是什么样。 这种能力对电影人很有用：导演试机位、做镜头预演，终于有了可以绕着看的实景素材。 它的几何精度达到了毫米级，而且最高能录8K画面。不过这里要说明一下，8K是指镜头本身的最高采集分辨率，最终导出的成片其实最高是6K。 此外，使用流程也被压缩了。普通室内100平米大概15分钟就能扫完，当然具体多久还得看户型复不复杂、要求高不高。 设备开机就能直接扫，中间有智能引导，断了也能一键续扫，后续直接把数据扔给Kosmo World云平台去跑就行。 扫描一间屋子的门槛降下来，3D采集才有机会从专业团队的项目，变成更多创作者日常能用的工具。 机器人上课，还得把距离算准 电影里，一处场景首先得让观众相信。 机器人走进去，还得知道哪里能走、哪里会撞，伸手能不能碰到目标。 假设它要拿起柜台上的杯子，训练场景里杯子的位置偏了一截，再漂亮的画面也救不了抓空的手。 禾赛联合创始人、CTO向少卿把这个难题概括为数据的「不可能三角」：高质量、大规模、低成本，很难同时拿到。 照片、视频记录了画面，距离、相机位姿和真实空间关系，还要额外获取。纯仿真能批量生成，材质、摩擦和形变却容易偏离现场。真机遥操足够真实，又得投入设备、人力和时间。 李一帆举过一个例子：同一个场景让纯视觉模型重建，桌子歪了、椅子歪了，因为全靠概率猜。200个特征猜对150个就没法用，激光雷达能把200个全做准。 因此，高质量的真实世界数据，已经成为物理AI发展的最大瓶颈