苹果HALO验证仿真训练路线，群核联手禾赛推3D空间相机补数据短板

这个成绩让外界看到，仿真训练有机会让机器人少在真实环境里反复试错，仿真路线的重要性也跟着往上走。近几年，全球玩家都在抢空间仿真与合成数据基础设施的位置，盯的是机器人 Sim2Real 迁移这道核心壁垒。

英伟达用 Isaac Sim 做机器人仿真布局；国内也有企业盯着高保真仿真与合成数据，或者尝试拿大规模合成数据训练机器人模型。国内这批玩家里，群核科技动手最早，2018 年就发布了全球最大的室内场景深度学习数据集 InteriorNet。

之后，公司先后铺开空间理解、空间生成和 3D 高斯重建，把技术能力延伸到空间智能训练服务。近日它又往数据生产的源头走了一步，把原本相对独立的空间采集能力收进自己的技术体系：11 月 9 日，群核科技与禾赛科技发布联名 3D 空间相机 Aholo x Kosmo One，用激光雷达加 8K 影像采集真实场景，直连群核旗下的空间重建平台 Aholo Reality 完成 3DGS 重建和智能编辑，加快空间数据、空间智能在各领域的落地。

Aholo x Kosmo One 3D 空间相机

从早期三维数据积累，到空间生成模型、真实场景重建，再到仿真训练与产业应用，群核这几年的动作一直围着同一件事转：缩小 Sim2Real 的差距，做物理 AI 的数据基础设施。当越来越多企业去争机器人本体和模型能力时，数据生产、空间理解、仿真训练这条线上，另一场竞争也在铺开。

物理 AI 最缺的可能不是模型。让机器人认出一把椅子，现在或许不算难事；但要它在陌生客厅里绕过椅子、躲开茶几，再伸手拿起桌上的水杯，就是另一回事了。

而是数据

机器人得识别物体，还得看懂空间关系、判断哪里能走，并且掌握接触、碰撞这些物理规律。这些日常动作看着简单，背后是对真实世界的理解。麻烦在于，互联网记下了海量文字和图像，却没按同样的规模记录物理世界。大语言模型靠互联网攒下的文本和图像成长，物理 AI 要的是理解空间结构、物体关系和物理规律。

黄晓煌是群核科技的联合创始人兼董事长，他近日在一封内部信里提到，空间智能眼下最难迈过的一道坎在数据上，根本原因在于物理世界被数字化的那部分实在少得可怜。具身智能机器人想在真实环境里自己做任务，影视行业想用 AI 把虚拟场景做出来，商业空间和文旅文博领域想做数字化升级，这些事都缺不了对真实世界的高精度三维还原。

传统二维图像之外，能表达空间几何、物体位置、尺度关系和环境细节的三维数据，正成为 AI 理解物理世界的重要基础。怎么高效、低成本地拿到高质量真实空间数据，再把它变成 AI 能理解、产业能复用的数字资产？这是当前空间智能产业发展绕不过去的关键问题。

这也让空间采集硬件与三维重建平台越走越近。近几年，群核科技、影石创新、禾赛科技等产业链企业开始试软硬件结合的路子，想压低真实空间数字化的成本和门槛。

这次群核与禾赛的联名款 Aholo x Kosmo One，把激光雷达、影像系统和高精度 IMU 装进一台设备。激光雷达管空间测量，摄像头记录颜色与纹理，IMU 为设备运动估计提供信息，再经过同步、标定和融合，把不同来源的数据纳入统一的空间参照体系。

采集到的数据与群核 Aholo Reality 平台原生打通。原始数据进平台后，空间对齐、点云融合和 3DGS 重建可以自动完成。依靠自研 3DGS 重建算法，在已测试的专业设备链路中，Aholo Reality 能做到采集时长与重建耗时约 1:2，高效完成三维场景重建。

对物理 AI 来说，把三维场景快速重建出来只是开头。3DGS 重建做的，更多是把物理世界长什么样在视觉上还原出来。

机器人还得看懂物体是什么、空间怎么摆、哪里会撞上，才能在虚拟环境里走起来、动起来。三维场景怎么变成能直接拿去训练 AI 的 SimReady 数据，成了行业绕不开的需求。

群核科技也在往这个方向走，把空间理解能力和 3DGS 技术放在一起做。2025 年，群核开源了带几何语义信息的 3D 高斯数据集 InteriorGS，想让 3DGS 场景不光看着像，还能对应到具体物体和它的几何信息。这个数据集开源后很快冲到 HuggingFace 数据集榜首，业内对这条技术路线的认可可见一斑。

图：机器人在虚拟场景中识别、理解空间

之后群核又开源了基于 3D 高斯的 VLN 具身学习数据集 SAGE-3D，继续试把 3D 高斯场景和碰撞体结合起来，让它能支撑具身导航的训练与评测。

放到行业里看，这类研究说明 3DGS 的用法在变：早先拼的是视觉重建效果，现在慢慢转向支撑空间理解和机器人交互。

顺着这条路，Aholo Reality 平台已经攒下不少 3D 高斯场景编辑本事：自动识别、语义分割、智能对象编辑、智能补洞。同一处空间采集重建完，除了拿去做空间设计、数字孪生，还能补上语义标注和物理属性，继续适配机器人训练，数据可以不断更新、反复使用。

图：Aholo Reality 平台的语义分割能力

拿一家真实门店来说，采集设备能把墙面、货架、桌椅、商品陈列都还原出来。但要拿去训练机器人，还得进一步弄懂场景里有哪些对象、彼此什么空间关系，再按具体任务补上对应属性。物体的位置可以挪，物品也能替换。经过空间理解、识别和结构化处理，原本主要用来看的三维场景，才进得了仿真系统，成为能继续加工、调用的训练环境。

空间数据从重建走向应用，这是关键的一步。

从三维数据到世界模型，

Sim-to-Real 的差距怎么缩小？

放在整条生态链里看，群核科技的位置不好替代。它不是从零去找空间数据，手上早有多年攒下的三维数据和空间技术底子。

酷家乐平台这些年沉淀了大量三维场景和模型，群核科技的相关探索起步不算晚。

2018 年发布的 InteriorNet，给室内场景深度学习提供了大规模数据基础；后来推出的 Structured3D，接着试怎么把房屋、房间、墙面、门窗这些空间信息结构化表达出来。这些早期工作，给后面的空间理解和具身智能研究垫了底。

沿着这个方向，群核科技的技术探索一路往外延：先攒三维空间数据，再让模型理解和生成场景，接着试怎么把它变成机器人能学、能交互的环境。

数据来源上，群核已经跑出两条互补的路。

一条是靠 Aholo Reality 以及禾赛、影石等合作采集设备拿真实空间数据；另一条是用自研空间生成模型 SpatialGen 和 3D 生成模型 Lux3D 造出更多样的虚拟环境和资产，补上真实采集一时覆盖不到的空间布局和场景变化。

真实采集给出现实世界的参照，生成模型负责把数据规模和环境多样性撑大。说到底，就是让数字世界和物理世界不断对齐，让数字世界接住更多物理世界的信号。

具身智能对训练数据的需求往上走，空间数据的用法也开始从场景重建延伸到仿真训练。

2024 年，群核推出 SpatialVerse，为物理 AI 训练提供合成数据服务。它的价值不只在给出三维场景，还把空间数据、仿真环境和训练应用接到了一起：一边通过数据生产和加工持续供给更丰富的空间资产，一边让机器人和智能体在虚拟环境里低成本试错、跑任务训练。

训练完还有另一个问题要答：机器人到底学得怎么样？模型在哪些场景容易翻车？它在虚拟环境里练出来的能力，能不能搬到现实世界？

图：机器人在工厂场景训练

仿真和现实之间的差距怎么缩小，产业界和学术界都在试，把数据采集、仿真训练和能力评测捏到一起。

群核和业内伙伴的探索，走的就是「从能训练，到能评估，再到能闭环」这条路。在 CVPR 上，群核与宇树科技等提出 Arcadia 框架，想把真实采集、仿真重建、统一学习、部署反馈串成一个训练闭环。

思路大致是：机器人在真实环境里采到的数据，可以接着用来搭仿真训练环境；仿真里训练、验证之后，再把优化过的能力部署回现实，靠新的反馈继续改。

物理仿真和空间智能评测这块，群核还与英伟达等合作了高保真仿真器 SPEAR，重点试更真实的虚拟环境怎么搭；与宇树科技、浙江大学等合作的 WalkerBench，则试着把真实街景引进交互式空间智能评测，给衡量智能体在复杂空间里理解和行动的能力提供参照。

对机器人公司来说，用仿真平台低成本拿到更多训练场景，把真实环境里难以反复测试的长尾任务覆盖进去，还能提前暴露模型和控制策略的毛病，研发和验证的花费自然能压下来。机器人也就在这个过程中，一点点填平 Real-to-Sim-to-Real 之间的沟。

机器人抢「大脑」，群核想当物理 AI 时代的「卖水人」

把物理 AI 产业链摊开看，主线不止「大脑」和「身体」两条。还有一层常被忽略的基础设施：让 AI 认识物理世界、在虚拟世界里学本事、最后回到现实中验证，靠的是数据和工具体系。这层东西可能长期受益。

群核科技盯上的就是这一层。

苹果 HALO 带来的启发是，机器人可以在虚拟环境中学会现实世界的部分本事。但这类迁移不会自己发生。

虚拟世界够不够真、数据够不够多、场景能不能被机器理解和交互，这些都决定了训练结果能不能真正落地。

从生意定位看，人形机器人也好，移动机器人也好，面向工业、商业、家庭的智能设备也好，只要得理解空间、搭仿真环境、做训练和评测，就可能对三维空间数据和相关工具链产生需求。

群核想做「卖水人」，逻辑就在这：不掺和每一场机器人本体的竞争，而是给不同路线的物理 AI 企业提供数据基础和空间能力。

这套能力还不只用在机器人训练上。真正的数据飞轮得靠真实场景不断落地来驱动，而买群核这杯「空间智能」之水的人遍布千行百业，他们的落地给飞轮送来源源不断的数据。

影视短剧要拿真实空间的数字化重建当 3D 片场；游戏制作要可编辑的三维资产；文旅文博要对建筑和文化遗产做数字化保存；XR 和 AI 眼镜起来后，空间智能还有望成为下一代人机交互的重要基础。这些领域里，群核已经跟华策影视、PICO、遨森电商等各行业龙头在谈合作。

3D 片场生成的 AI 短剧场景

各产业需求不一样，但底层都绕不开真实空间的采集、重建、理解和再利用。这么看，Aholo x Kosmo One 的意义就不只是出了一款联名硬件。

它把真实空间采集和 Aholo Reality 的重建、理解、编辑能力接在一起；再叠上 SpatialGen、Lux3D 等生成能力，以及 SpatialVerse 承接的仿真训练和评测探索，群核正试着把真实空间到数字空间、再从数字空间回到真实应用的多个环节串起来。

不过，技术环节连起来，到真正形成一个能持续转的数据闭环，中间还有数据标准、不同应用场景的适配、真实反馈能不能持续用于模型改进这些问题要解决。

这也跟黄晓煌在内部信里提的方向对得上：空间智能要规模化落地，先得把数据基础设施这一环补上。

群核打算靠真实采集和空间生成两条路持续拿数据，再用重建、理解、训练和应用形成循环，最终做成 AI 通往物理世界的入口。

越来越多企业抢机器人「大脑」和「身体」的时候，空间智能的竞争也在往更广的产业延伸。从空间采集、理解到生成与应用，它的价值不只在服务机器人训练，更在于把数字世界和物理世界之间的连接打通。