4400亿市值敲钟全场狂欢，为什么唯独创始人面色凝重？
一杯6分钟的暴风雪，暴露了机器人行业最真实的问题
上海一家DQ门店的柜台后，一台轮式人形机器人正在制作奥利奥暴风雪：取杯、加料、搅拌、交付，一共55个步骤，动作不快，但全程没有店员干预。现场估算，完成一杯大约需要6分钟，熟练店员通常只要两三分钟。
8月28日，这家AI机器人公司Sharpa对外披露，累计融资已超过45亿元人民币，投资方包括阿里巴巴、美团、腾讯、京东、传音等产业资本，以及红杉中国、启明创投、美团龙珠、光合创投等机构。同一天，这家机器人餐厅正式亮相，采用“零改造、全自主、全年无休”模式，门店原有的厨房设备、原料和操作流程均未因机器人重新设计。
“斩杀线”：Demo与商业化的分界
Sharpa联合创始人李一帆在接受多家媒体等媒体采访时，把Demo和商业化之间那条门槛称为“斩杀线”。他的判断标准很直接：系统能否完整跑通、客户是否愿意持续使用、有没有进一步上量和降本的空间。
在他看来，Demo做到70分、80分还是90分，都可以展示技术进展，但进入真实场景后判断标准变了。以这次做冰淇淋为例，流程有55步，如果机器人长期只能完成54步，最后一步仍需人工处理，企业就无法真正把人从岗位上撤下来，部署价值也会大打折扣。
Sharpa坚持不改环境，让机器人适应真实场景。李一帆认为，如果机器人必须依靠改造门店、定制工具才能工作，本质上更接近传统自动化，换一家门店、换一个行业就要重新适配一遍。通用机器人真正要解决的，是在为人设计的环境里完成工作。
效率、价格、可靠性：三道商业化的硬门槛
这笔账目前还算不过来。被问及单店投资回报时，李一帆坦言这一台设备还谈不上盈利。据公开信息，整套设备的标价仍在几十万元，长期目标是降到10万元人民币量级。可靠性方面，他希望机器人最终达到接近汽车产品的水平。
速度同样是变量。李一帆表示，动作速度和可靠性之间存在直接权衡，压缩时间的同时出错概率会提高，因此Sharpa目前选择先保证稳定，再通过训练和工程优化逐步提速。相比眼下回报，他更关注速度、设备使用周期和硬件成本这几个长期变量能否持续改善。
数据路线之争：真实运营优于数据农场
在数据获取上，李一帆的思路也与主流做法有所差异。相比单纯建立数据农场，或通过第一视角视频记录人类动作，他更看重真实运营产生的数据——视频难以获得发力、触觉等信息，而机器人在真实工作中产生的失败数据，同样是模型训练的重要来源。
真实场景还会出现仿真阶段难以预设的变量。他举例称，冰淇淋机开机后的不同温度状态会改变原料黏性，进而影响抓取和搅拌，这类问题往往要到实际运行中才暴露。至于场景方是否愿意开放数据，他认为顺序应该反过来：机器人公司先证明产品有用，之后才能在不影响对方商业利益和隐私的前提下获得数据。
行业图景：资本热涌与落地冷启动并存
Sharpa成立于2024年底，由禾赛科技CEO李一帆、联合创始人兼CTO向少卿、首席科学家孙恺共同创立，与禾赛独立运营。其首款产品为22个主动自由度的触觉灵巧手SharpaWave，已于2025年10月量产，目前产品线还包括轮式全身人形机器人North和面向灵巧操作的AI模型CraftNet。
值得注意的是，产业资本正密集押注这一赛道，阿里、腾讯、美团、京东同时出现在一家成立不足两年的机器人公司股东名单中，反映出市场对通用机器人的期待。但从行业整体看，能够高度重复的工作大多已交给传统自动化设备，剩下的是复杂、非重复的任务，人形机器人进入这些岗位，还要同时满足节拍、可靠性和成本要求。
李一帆表示，相比讲解、表演等展示型应用，他更关注机器人能否真正承担人的工作；工厂价值很大，但难度也更高。
从这个角度看，这家DQ门店更像一次长期的商业验证，而非机器人已经跑通商业化的证明。从Demo到可复制的产品，答案最终要看它能否在真实营业环境中长期稳定工作、减少人工介入，并把效率和成本做到客户能够接受的水平。
本文由AI辅助生成
