从激光雷达、空间数据到动力执行，禾赛正把车载时代积累的工程能力，变成物理AI时代的底层基础设施。

作者|王蕊

编辑|西子

拿下全球43%的长距ADAS激光雷达市场份额后，禾赛的新增长，正在机器人赛道快速兑现。

最新Q2财报显示，禾赛单季度机器人激光雷达交付14.24万台，同比增长193.4%；激光雷达之外的战略增长业务（SGI）首次入账4494万元，全年收入指引从年初的1亿元直接上调至2亿—3亿元，预计2027年达到约1亿美元并实现盈亏平衡。

SGI核心包含Kosmo空间相机与机器人动力模组，加上已规模化出货的机器人激光雷达，禾赛已串起完整链路：激光雷达让机器人“看见”，Kosmo输出可训练的3D数据，动力模组驱动肢体行动。

从感知、理解到执行，禾赛正切入物理AI的底层基础设施。

“没有基础设施，物理AI就是空中楼阁。”2026WRC期间，禾赛科技机器人感知业务VP刘兴伟接受「智车星球」等媒体采访时直言。

14万台的单季交付与成倍上调的业绩指引，正让这套“卖铲子”的逻辑，从战略判断变成实打实的财报业绩。

一个「激光雷达之外」的禾赛

Q2禾赛总营收8.61亿元，其中机器人激光雷达业务跑出“加速度”，增速领跑全公司，已从车载补充分支成长为独立增长极，正式走出概念期，进入规模化落地阶段。

而拆解这14万台的构成，会发现它并非单靠人形机器人的热度拉动，而是一条务实的梯次落地路径。

割草机器人仍占据相当大的出货比重，主打极致性价比的JT16贡献了主力销量；物流车、AGV、叉车等工业场景已形成稳定批量需求；人形、四足等通用机器人增速最快，几类合计已迈入万级规模。

其中定位高性能的JT128年内出货已突破5万台，覆盖宇树、荣耀机器人、星动纪元、星海图等50多家头部具身智能企业，成为高端通用机器人的主流感知方案。

但这绝不意味着，把车载零部件直接平移到机器人上就能用，最典型的教训是“摔”出来的。

车规级激光雷达的抗冲击要求通常在50G左右，而人形机器人翻跟头，重重摔倒的瞬间，冲击加速度可能达到1000G，整整高出20倍。

禾赛最初按车规标准设计的产品，在适配宇树春晚机器人的高强度动作时，也曾出现损坏，后来双方重新优化内外减震结构，才解决这一问题。

这背后是整个产业的底层现状：时至今日，机器人行业仍没有一套成熟统一的“机器人规”。汽车工况经数十年沉淀已形成标准，而机器人场景分散、载荷多变，工况远未收敛。

在标准尚未收敛的行业早期，市场比任何时候都更依赖具备强落地能力的头部供应商 —— 既要能跟上客户的快速迭代，也要能为分散的场景需求提供底层技术支撑。而这，恰恰是禾赛的长项。

十余年车载赛道深耕，留给禾赛的不只是某款产品，更是自研芯片、光机电设计、精密制造、质量管控的全套量产工程能力。

机器人提出新问题，但解题的底层能力，禾赛已在百万级出货中打磨成熟。

单季14万台的激光雷达，只是能力外溢的第一步。

首次单独披露的SGI业务，单季实现收入4494万元，对应经营亏损约6404万元，目前仍处技术投入与产能爬坡期，但指引翻倍直接说明下游需求爆发超预期。

禾赛正将同款工程能力延伸至空间数字化与动力执行，一个“激光雷达之外的禾赛”，正在清晰显形。

大脑决定上限，基建决定下限

大模型与VLA快速迭代机器人“大脑”的同时，行业正撞上现实壁垒：大模型决定“想做什么”，底层工程能力决定“能不能做到”。

机器人要走出Demo，必须闯过三道物理关卡。

第一道是稳定“看见”。

机器人面对的是楼梯、桌椅混杂的三维非结构化场景，纯视觉方案需消耗巨量算力从2D推测3D，既推高成本，也存在边缘盲区。

刘兴伟举例，人遇到模糊台阶都会踩空，机器人一次误判就可能停机。

如果传感器能直接输出精准的3D数据，模型就能省掉“从2D猜3D”的步骤，直接降低复杂度与训练成本。

在禾赛看来，物理AI时代，“看不见”本身就是最大的瓶颈之一。

看清之后，还要真正“理解”物理世界。

互联网大模型的燃料是文本与视频，具身智能需要的是物体距离、交互关系等真实3D数据，这恰恰是当前最稀缺的训练资源。

Kosmo空间相机的价值正在于此：它输出可编辑的三维数字场景，物体可删除、移动、替换，本质是为具身大模型提供3D训练数据。

目前禾赛已开放硬件售卖与云算力两种模式，银河通用为首批客户。

最后一道坎，是身体能“跟上”大脑的指令。

动力模组看似不起眼，却直接决定机器人的续航与工作能力。禾赛的动力模组体积缩小37%，扭矩与功率密度提升3倍，解决了小空间高动力与低发热的行业痛点。

目前已为Sharpa灵巧手供货超1万套，未来将拓展至全身关节。

从感知看见，到数据理解，再到动力执行，三条业务线看似跨度极大，实则共同补上AI从屏幕走向物理世界的底层缺口。

模型定义了机器人的能力上限，而感知、数据与执行，决定了它的落地下限。

机器人，终会长出自己的Tier 1

当下的具身智能产业，正处在“家家全栈自研”的早期阶段。场景分散、形态未定，本体公司为了跑通Demo，不得不把上下游环节尽数包揽。

但这不会是产业的终局。

当行业走向几十万、上百万台规模，传感器、动力模组、工具链是否还需要每家自研？

禾赛的答案是：未必。

刘兴伟认为，机器人全栈的核心是本体与大模型，上游环节终将回归价值规律，谁效率更高、成本更低，就由谁来做。

这也是禾赛“不跟客户抢生意”的底层逻辑：不碰本体，不做通用大模型，只补位客户没精力、做不出差异化价值的底层环节，比如3D高斯轻量化算法这类，影响硬件易用性的“最后一公里”问题。

这套清晰的边界感背后，是典型的“卖铲子”逻辑：不用赌哪一家本体公司会跑赢，也不用押哪一条应用赛道先爆发。

宇树起量，可以卖激光雷达；世界模型公司扩张，可以供Kosmo；灵巧手放量，可以出货动力模组。

工业、零售、家庭，无论哪个场景先成熟，禾赛都能接住共性需求。

当然，这场押注如今才刚刚开局。

当前禾赛超9成收入依然来自车载激光雷达，SGI业务单季收入占比仅约5%，且处于亏损投入期。

对于“机器人业务何时超越车载”的追问，刘兴伟的回答极其克制：“3年之内难度很大，5年维度有可能发生，但没有明确时间表。”

时间表或许尚无定数，但产业演进与能力平移的逻辑，却已经无比清晰。

上一轮智能汽车浪潮，禾赛向市场证明了“给汽车装眼睛”能做成一门大生意；而在这一轮物理AI的变革中，它正在把这套能力从感知延伸至空间数据与动力执行。

最真诚的智能汽车报道