1杯冰淇淋与45亿元融资巨头们在Sharpa身上赌什么？
1杯冰淇淋与45亿元融资 巨头们在Sharpa身上赌什么？
2026年09月11日 09:52
上海市静安区南京西路，全世界最繁华的商圈之一，新地标LV邮轮“路易号”矗立于此，而在“路易号”正对面的DQ冰淇淋店内，一个全尺寸人形 机器人 正在为顾客制作冰淇淋。
这个 机器人 做一个冰淇淋需要55个步骤，使用的工具和人类服务员一样，会开消毒柜、会拿纸杯、会用搅拌机和经典的DQ红色勺子。
《中国经营报》记者在现场采访了解到，该 机器人 来自于具身智能企业Sharpa，而这个 机器人 所服务的门店正是Sharpa和知名冰淇淋品牌DQ联合打造的全球首个“零改造、全自主、全年无休”的 机器人 餐厅。
“目前， 机器人 的工作时间是从上午十点到晚上十点，未来机器人的工作时间将逐步拓展至24小时。”Sharpa相关工作人员告诉记者，公司的机器人已经达到了DQ流程的标准，接待的顾客也很多。“尤其是下班后。”
相关资料显示，Sharpa自2024年创立至今，已完成超45亿元人民币融资。投资方包括 阿里巴巴 、美团、腾讯、 京东 等产业资本，以及红杉中国、启明 创投 等投资机构。
巨头们在Sharpa身上“赌”什么？随着具身智能的快速发展，商业化落地成为市场和行业关注的焦点。Sharpa联合创始人李一帆表示，Sharpa选择从一家真实营业的机器人餐厅开始，验证机器人走向商业泛化与真正通用的可能。“机器人商业化的关键，不是完成一次任务，而是在零改造的真实环境中，长期、全能地完成复杂工作。”
据了解，Sharpa超过45亿元的融资资金将用于加速核心技术研发、持续吸引与培养顶尖人才，推动通用机器人从技术验证走向真实世界。
“自主掌勺”
（Sharpa的机器人在店内等待顾客。杨让晨/摄影）
在全球首个机器人餐厅内，记者在现场看到，机器人流程开始时会先从消毒柜中取出杯环，随后再到一旁取出纸杯，接入冰淇淋，撒入饼干碎，最后用搅拌机搅拌，共计55个标准化步骤。
这55个步骤中没有一个经过Sharpa方面的改造。“这就是零改造，机器人使用的工具和人类使用的工具一模一样，例如流程中使用的红色勺子，这也是DQ的标准。DQ是全球知名冰淇淋和快餐连锁品牌，‘暴风雪’冰淇淋是DQ的明星产品。其拥有高度统一的制作设备、原料、流程和质量标准，每一杯暴风雪都必须稳定达标方可交付。”Sharpa方面告诉记者，保证使用的设备、流程不变，只是机器人适应人类现有商业环境的第一步。
同时，记者注意到，在机器人制作冰淇淋的现场，没有任何摇操人员，换而言之，Sharpa的机器人在自主制作冰淇淋。Sharpa的机器人能够做到55个步骤自主操作一步不错吗？出错了怎么办？
“如果出现一次失误，会立刻纠正，勺子摆放的位置是随机的，机器人需要不断地推理，也有记忆机制，并不是无限循环地重复同一个动作。”Sharpa方面告诉记者，全自主完成复杂制作任务，要求机器人将任务理解、动作执行、状态判断与自我纠错连成完整链路。“DQ暴风雪任务的55个步骤环环相扣，任何偏差都可能会影响结果。”
有了零改造，有了全自主，商业化如何落地？记者在现场发现，Sharpa机器人目前制作一个冰淇淋需要花费大概5—6分钟。不少顾客表示，制作的时间稍慢，“效率有点低”。
对此，Sharpa方面告诉记者，这是因为机器人餐厅刚开始运营不久，如果运行速度过快，机器人的推理可能会出现小误差，随着运营时间的不断推进，制作冰淇淋的时间会慢慢缩短。和DQ合作的机器人餐厅是长期项目。开始时，为了高完成度，公司会选择通过长时间、慢动作来收集更高的数据，随着时间推移和数据的累积，数据飞轮开始跑通，机器人的动作会越来越快，效率会越来越高。
拆解长程任务
（Sharpa的机器人正在从消毒柜中取物。杨让晨/摄影）
对机器人而言，实现“零改造、全自主、全年无休”需要什么样的技术傍身？
Sharpa方面告诉记者，55个步骤属于长程任务，难点在于步骤多，微小误差会沿任务链累积；若将55步作为完整轨迹训练，状态偏差还会衍生新的数据分支，令数据组合迅速膨胀。
“对此，公司将长任务拆成可规划、可验证、可恢复的子任务。”Sharpa方面告诉记者，每完成一个阶段，系统会评估状态并将偏差作为后续输入，如果结果不及预期时，通过重试或错误恢复继续推进，形成规划、执行、验证与纠错闭环。
同时，Sharpa机器人的灵巧手也有着秘密。“55个步骤中，其中的98%有触觉直接参与。”Sharpa方面告诉记者，机器人制作冰淇淋的过程中不同的动作对触觉有不同的要求。
“以高速搅拌为例，机器人需要随滑动、振动和受力变化调整握力。”Sharpa方面告诉记者，DQ的搅拌头速度很快，机器人的灵巧手需要做到精准，不能够让搅拌头碰到杯壁，否则杯子会被弹飞，与此同时还要不让杯子与冰淇淋混合体来回晃动，“这就是触觉的体现”。
据了解，Sharpa自研的分层端到端模型CraftNet引入触觉模态输入，结合Sharpa Wave灵巧手的多指操作能力，能够根据触觉与力反馈实时修正手指动作和力度。
除此之外，模型对于机器人也十分重要。 东吴证券 相关研报指出，市场担忧中期机器人量产落地，会受到模型端瓶颈制约。“其核心逻辑在于，短期小批量落地，主要系部分企业数据采集和尝试需求，中期若机器人智能化程度不足，则会影响其大规模落地。”
在此方面，Sharpa的通用灵巧操作全模态世界模型已经学会判断任务如何继续。“Sharpa机器人融合视觉、语言、触觉与力反馈，以及关节角、本体觉等自身状态，使机器人能够理解当前情况、判断执行结果并规划下一步。与System 1协同后，世界模型根据多模态信息和历史上下文预测动作后的状态，据此生成或修正后续动作。”Sharpa方面告诉记者。
商业化仍有距离
当前Sharpa机器人在冰淇淋店取得的成绩，是否意味着 人形机器人 的商业化开始落地？
实际上，在业内人士看来， 人形机器人 的商业化还有一段距离。
“2026年确实可视为 人形机器人 从技术验证走向商业验证的重要转折点，但距离‘开始量产’与‘规模化商业落地’仍有一段距离。”TrendForce集邦咨询分析师曾伯楷告诉记者，目前人形机器人产业主要面临三项挑战。
“首先是可靠度与泛化能力，机器人在面对环境变化、异常状况或多任务时，仍需提升自主处理能力。”曾伯楷进一步对记者表示，“其次，成本与投资报酬率也在影响人形机器人的商业化落地，若机器人仍需要大量人工监控、远程接管或频繁维护，泛化能力不足最终就会转化为更高的运营成本，使ROI难以成立。最后，还有规模化量产的配套体系，包括零部件一致性、维修、软件更新与售后服务等也在影响商业化进程。”
通用能力可能会成为未来机器人大规模普及的一种途径。“机器人沿用人类工具，数据源自真实世界，积累下来的能力也可以跨门店、跨任务和跨行业生长。”Sharpa方面表示，DQ机器人餐厅是首个落点，首次革新了通用灵巧操作的落地范式，也是通往 餐饮 、服务业和家庭的起跑线，为未来的机器人跨场景通用能力奠定基础。
“公司的技能迁移始于硬件层，在硬件具备通用基础之后，数据的迁移则来自门店与日常生活的同源性。”Sharpa方面告诉记者，当硬件、数据与模型能力可以跨场景复用，迁移便不再只是单项技能的复制，而成为通用能力规模化生长的起点。
这将为Sharpa带来更广阔的天地。“技能与数据的迁移将为规模化的通用场景打开空间，公司就能够从一家DQ机器人餐厅走向更多门店和 餐饮 市场，再沿相似的工具、动作与流程进入其他服务场景。”Sharpa方面表示。
不过，在曾伯楷看来，工业制造中的物料搬运、上下料、分拣与简易检测，最有机会率先形成商业闭环，巡检、 物流 等缺工或高危险场景也具有发展潜力。“相较之下，家庭环境对可靠度与安全性的要求更高，长期来看市场空间大，但预计将较晚进入大规模商业化。”
“长期而言，当AI模型、泛化能力与任务学习等软件能力持续进步，使终端客户认可机器人的实际价值并扩大采用规模后，将能进一步形成规模经济。”曾伯楷进一步表示。
（文章来源：中国经营报）