估值220亿，Sharpa不想只卖一双手

发布时间：2026-08-29来源：腾讯科技

文｜顾翎羽

编辑｜徐青阳

2026年8月28日，上海吴江路的DQ门店里，一台机器人从消毒柜取出金属杯圈，从杯筒抽出纸杯，以一种缓慢的速度在冰淇淋机下接料，舀奥利奥、搅拌、刮净杯口，再将纸杯倒转——冰淇淋没有掉。

DQ把“倒杯不洒”当作产品是否合格的标准。一名店员可以在约2-3分钟达成这个目标。而机器人做完它需要约6分钟。但现在显然无人从效率的角度考虑问题。

这台机器人的生产方Sharpa是一家成立于2024年末的AI机器人公司。在高度同质化的机器人行业，Sharpa的特点主要有两个，一是其是从灵巧操作赛道切入、现已延伸至通用机器人及关键部件的全栈公司；二是其三位联合创始人李一帆、向少卿和孙恺是激光雷达厂商禾赛科技创始团队的原班人马——他们想用灵巧手，把激光雷达之于自动驾驶的故事在人形机器人行业再复制一遍。

截至8月28日收盘，禾赛科技市值27.33亿美元，不到200亿元人民币。同一天，Sharpa公布了新一轮融资，首次披露融资超过45亿元、投后估值约220亿元；投资方包括阿里巴巴、美团、京东等产业资本以及红杉中国、启明创投等机构。

即使是在泡沫巨大的人形机器人赛道里，灵巧手也是其中目前最热的细分领域之一。据高工人形机器人不完全统计，截至2026年7月30日，国内灵巧手赛道累计融资金额已超80亿元，较2025年同期增长约1500%。这轮热度押注的是人形机器人最终能否“用手干活”，但灵巧手作为单一部件也面临价格、量产一致性和整机客户自研的压力。

Sharpa从零部件延伸至全栈，本质上是在尝试把一双高性能的手，变成可由自己定义软硬件和数据闭环的整机入口。

进入DQ是这个故事的重要节点。8月29日，这台机器人会正式上岗，它服务的DQ上海吴江路店将成为全球首个“零改造、全自主、全年无休”的机器人餐厅，这也是行业首次机器人第一次在真实餐饮门店中，沿用全球统一标准的制作设备、原料。

一台比人慢一倍的机器人，想象空间在哪里？

机器人不该只替人递一杯咖啡

餐饮里的机器人并不罕见。以国内某家头部机器人厂商为例，其官网在2026年称，覆盖服务配送、商用清洁、工业配送和通用具身智能四条产品线的全球累计出货量已超过13万台，业务遍及85个以上国家和地区。这类产品通常不进入操作台，它们在餐厅里做的是端盘、送餐、避障和回充，把餐品或物料从A点送到B点。

Sharpa不想做这类工作。

李一帆提过一个案例：自动咖啡机本身完成制作，人形机器人只负责把咖啡递给顾客。若一台拥有数十个自由度、视觉和力控能力的人形机器人，最终只做一个低自由度机械臂就能完成的动作，成本很难算得过来。

他认为，机器人不能因为要落地，就要求环境为它让路；不能做完10步中的9步，把最后一步和异常处理留给人；也不能用高自由度机器去替代成熟自动化设备。否则，它不是在替人创造生产力，而是在为机器人安排一份工作。

DQ恰好是一个不好妥协的场景。打冰淇淋这个流程涉及到55个连续操作：取杯、套圈、接料、加小料、搅拌、倒置、交付环环相扣，纸杯会形变，冰淇淋状态会变化，三次加料在视觉上又极其相似。所以，机器人如果只会递杯，毫无价值。如果完成54步，第55步仍要店员守在旁边，也没有意义。

李一帆认为，让店员走开，机器人应该接着按店员的方式工作，这才是“把场景做穿”。

第一家店不是为了替人

Sharpa为这条流程训练了不到5个月。按公司说法，当前单杯制作的成功率已约为90%，不过这一数字目前还没有得到真实场景的验证——这也是吴江路门店的价值，它给Sharpa建立了第一条完整的训练链：一台机器人要在人的操作台上，连续完成一套人类工具定义的流程，并把触觉、力觉、视觉、失败和恢复动作留下来。

李一帆告诉腾讯科技，数据是具身智能最难直接获得的门槛，尤其是私域、真机和失效数据。只有机器人在真实工作中遇到边缘情况、尝试解决、再把结果回流，数据才可能帮助下一项任务缩短训练时间。看人做只能得到运动轨迹，不知道接触时如何发力；更有价值的是抓错杯子时手上发生了什么，以及倒杯洒了以后能否反推是哪一步出了问题。“得让机器人变得有用，有人用它，你才能让它干活过程中获取数据。”

开门、取物、舀取、加料、搅拌、倾倒、递送。这些动作既出现在餐饮，也出现在酒店、零售和家庭。Sharpa从家庭倒推，先选一个比家庭规则更多、但工具和动作相近的商业场景。李一帆称，第一个场景即使投入10万小时，只要第二个类似场景能缩短100小时，就值得；如果第二个场景仍需10万小时，第一家店就是一次性的工程项目，而非泛化能力。

这才是进入DQ门店对Sharpa的真正考题——下一个餐饮品类、第二家DQ门店，是否还能复用大部分模型、数据、工具理解和异常处理方法。

因此，Sharpa当前的策略可以概括为：先用一个不改环境、全程自主、任务链完整的商业场景，把精细操作“做穿”；再检验同一套触觉、控制与数据是否能缩短下一个场景的训练和部署。这比“先拿订单、再做定制交付”慢，也比只卖灵巧手更重，但它试图解决的是部件公司和整机公司之间最难的一跳——从一个硬件指标，变成一台机器人在客户流程里持续交付结果的能力。

行业都想把一双手做成系统，但策略已经分化

目前，灵巧手、触觉和精细操作的玩家，都在试图向数据、模型和整机延伸。

帕西尼感知的产品矩阵覆盖多维触觉/力学套件、灵巧手、人形机器人和数据生态。灵心巧手则同时提供连杆、直驱和腱绳三类灵巧手、机械臂、人形机器人、遥操作、数据和技能库。它们和Sharpa同样在争夺，谁先定义机器人如何接触、学习并复现人类操作的入口。

硬件的竞争只是其中的一部分。真正难以替代的是后面的三段链路：一是触觉和力控数据能否在反复接触中稳定工作；二是遥操作、真实作业和失败恢复能否变成可训练的数据；三是模型能否把这些数据转化为新任务中的连续成功率，而非只在一个被调好的工位上复现。

行业有不同的策略。一位灵巧手厂商管理层告诉腾讯科技，商超、餐饮等低薪服务岗位容易成为机器人试点，却未必最先算得过账。“你的稳定性好不好？你的性价比好不好？你的售后服务好不好？”他认为，这些才是场景客户真正会问的问题。因此，他们更倾向把复杂流程拆开、由人补位，先做可交付的局部方案。Sharpa则要求55步“做穿”，不把最后一步交给人。前者是先让账算过来，后者是先把全流程自主做出来。对Sharpa而言，它最终要证明全流程自主带来的数据和系统收益，足以覆盖它相对于人机协作更高的吞吐、可靠性和维护门槛。