《科创板日报》8月29日（记者 李佳怡）首台机器人冰淇淋制作师，今日正式上岗。

在上海吴江路DQ门店，《科创板日报》记者见到了一台通体白色的双臂机器人"小沙”，它来自AI机器人公司Sharpa。操作台前，小沙动作连贯顺畅——取杯、打料、搅拌、倒置交付，全程无人干预，55步复杂流程一气呵成，用时约6分钟，约为普通店员制作速度的一半。

这不是一场普通的机器人快闪，也不只是一次技术演示。这台机器人将在这家DQ门店长期运行，每日10：00至22：00正常营业，全年无休。

《科创板日报》记者了解到，该门店机器人服务已开启线上预约，未来几周预约名额均已约满。

同日，Sharpa宣布已完成超45亿人民币融资，投后估值达到220亿。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、光合创投等投资机构。这是Sharpa自2024年底成立以来首次公开披露融资。

“绝不改造环境”，全球首个零改造、全自主机器人餐厅落地

走进吴江路DQ门店，几乎看不出任何“机器人专属”的痕迹。门店的厨房设备、原料、工具和操作流程没有因为机器人而做任何调整。Sharpa的机器人直接使用为人类设计的工具，包括纸杯、勺子、搅拌主轴等，在原本为人类设计的空间里完成工作。

在门店，《科创板日报》记者见到了Sharpa联合创始人李一帆，其向记者反复强调“不改造环境”。Sharpa给这个项目设定的第一条规则，就把自己置于一个并不舒适的位置：门店原有的设备、原料、流程和标准全部不变，机器人直接使用为人类设计的工具。

这一选择在当前仍在起步阶段的机器人行业并不多见，不少具身智能项目落地时或多或少都有改造环境来降低操作难，调整设备位置、定制专用夹具、简化流程等等。而李一帆认为，为机器人落地定制专属操作流程、改造原有场景，好处在于做起来容易，但此类场景无实际商用价值，且难以实现规模化复制。

李一帆强调：“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。”

绝不改造环境，这就意味着Sharpa机器人必须直面人类工具带来的全部不确定性。

纸杯易变形、金属环需持续固定、搅拌时受力复杂，DQ暴风雪的制作工具和流程最初都为人手操作而设计，这对机器人的精度与适应性提出极高要求。而物理世界中大量仿真平台无法覆盖的不可控变量，也进一步放大了机器人实际操作的难度。

针对这类复杂的任务场景，Sharpa从模型到本体构建了一套灵巧操作原生技术栈。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，根据触觉与力反馈实时修正手指动作和力度。55个步骤中，98%有触觉直接参与：抽取纸杯需感知摩擦与阻力，高速搅拌需随滑动和受力变化调整握力，“倒杯不洒”则要随姿态和重心变化修正抓握。

这套系统解决了长程任务的累积极差问题，55步操作中，任何微小误差都会沿任务链累积。Sharpa将长任务拆成可规划、可验证、可恢复的子任务，每完成一个阶段便评估状态并将偏差作为后续输入；结果不及预期时，则会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。

需要注意的是，选择不改造环境的路线，也意味着现阶段很难同时兼顾速度。《科创板日报》记者现场估算，机器人完成一杯暴风雪大约需要6分钟，熟练店员通常只需两三分钟左右。

李一帆解释，起步阶段，需要在机器人动作速度和可靠性之间权衡，同样的流程可以进一步压缩时间，但出错概率也会随之提高。Sharpa目前选择先保证稳定，再通过训练获得更多数据以优化环节，从而再进一步提速。

从8月29日起，这台机器人将在每日10:00至22:00的营业时间长期稳定运营，全年无休。门店采用机器人柜台与真人柜台双轨并行的运营模式。

《科创板日报》记者了解到，该门店机器人服务已开启线上预约，未来几周预约名额均已约满。

45亿融资背后，Sharpa的商业逻辑是什么？

同一天，Sharpa对外披露了累计超45亿元人民币的融资，投后估值达到220亿元。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。

这是Sharpa成立以来，首次公布融资进程。据悉，此轮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。

这家由禾赛科技三位创始人于2024年底创立的公司，正试图用一套不同于行业主流的逻辑，回答具身智能商业化最核心的问题：Demo之后，路该怎么走？

在接受《科创板日报》等媒体的采访中，李一帆提出一个概念——“斩杀线”。

在他看来，场景和Demo之间有一条根本性的分界线。Demo只需单次完成，70分还是90分并无本质区别；而但场景需要做大量，需要可复制、上量，一旦没达到"斩杀线"，比如85分，达不到让店家持续使用并共同降本增效的标准，即宣告失败，"做穿"一个场景的价值是单次演示的千倍万倍。

“Demo 没有斩杀线，因为 demo 就是跳个舞，就好就是好，不好就是不好。场景的意思，有点像是你要每天晚上开一场演唱会，如果你跳得不太好、没人来，就演不下去了。”李一帆表示。

跨过斩杀线靠什么？李一帆认为具身智能最核心的门槛，是真实场景中产生的私域数据。

“数据以外的绝大多数东西都不会是某家独有的。”他认为，每家对世界模型都有自己的理解，但真正拉开差距的，是谁有大量真实的、在物理世界中跑出来的数据。但获取这种数据没有捷径，雇人做数据农场、戴眼镜录人类操作的视频等方式，在他看来都远不如真实场景的数据质量。

“把全世界所有NBA比赛视频都看完，直接上场打球，除了肌肉力量不够，你也不太会协调的。因为你不知道他实际是怎么发力的。”李一帆强调，机器必须自己去操作、去试错，才能获得真正有价值的数据。

他还特别强调了一个容易被忽视的数据类型——“失效数据”。比如做暴风雪时倒杯洒了，“洒完之后，你能不能通过它怎么洒去理解为什么洒、是哪个步骤出了问题？”其认为，这种失效数据可以说是更高级别的数据，也只有让机器人在真实场景中持续运行才能获得。

值得注意的是，李一帆还指出了行业普遍低估的一个环节：硬件本体和数据采集对模型的影响。“最好的硬件本体和最好的操作模型，如何形成一个闭环来迭代AI模型？这件事也是只有在大量的实践过程中，我们才能看到。”

可以看到，Sharpa的商业化节奏很清晰——先在真实场景中把一套流程跑通、跑稳，跨过“斩杀线”，再谈规模复制。

李一帆表示，初代机器人当前未实现盈利，行业首批落地场景在短期内实现正向ROI的概率极低，无需将短期盈利作为核心考核指标。

在他看来，长期ROI变量核心取决于三点：操作能否通过持续优化达到接近人工水平、设备能否像汽车一样有10年以上的使用寿命、量产成本能否从现在的几十万降到10万量级。