前言：

灵巧手正在进入典型的硬件产业化阶段。GGII预计，中国销量将从2025年的1.92万只增至2026年的7.02万只，2030年超过43万只。

性能上探，价格下沉，低自由度产品已跌入万元以内。宇树、Figure等整机厂也在强化自研，供应商最大的客户，随时可能变成竞争者。

作者 | 方文三

图片来源 | 网络

Sharpa想从DQ拿走的比订单更贵

Sharpa在上海吴江路DQ门店做的是一杯暴风雪，底层考题却是具身智能最容易被忽略的成本，技能迁移。

这套系统没有要求门店为机器人重做厨房，纸杯、柜门、料勺、金属杯圈、冰淇淋机都沿用人类设施，机器人要自主完成55个连续步骤。

抓杯偏一点，后面装杯圈、搅拌、倒杯都可能把误差放大。纸杯会形变，原料会变化，光线也不稳定。55步里，触觉直接参与98%，相机看得到杯子的位置，却判断不了握力是否合适。

Sharpa因此把「手」放在系统核心，用CraftNet融合视觉、触觉、语言和动作，System以约100Hz处理接触反馈。

DQ项目综合训练不到5个月，目前制作速度约为人类店员的一半，做1杯约需6分钟。眼下的效率并不惊艳，但更值得追踪的指标，是第二个场景还要训练多久。

机器人一边工作创造收入，一边把真实世界的数据带回模型。数据采集由研发支出变成产品运行的副产品。

冰淇淋只是第一张考卷，餐饮、零售、酒店都处在标准流程与非标准现场的交界处。只要抓取柔性容器、开柜门、操作旋钮、控制接触力度这些能力可以复用，新增场景的训练成本就会下降。

到那时，Sharpa的商业价值将从单个机器人项目，逐步延伸为一套能在现实世界持续积累的软件与数据能力。

禾赛留下的是把实验室产品压进量产曲线

近日，Sharpa首次披露累计融资超过45亿元，投后估值220亿元。公司成立于2024年底，创始团队来自禾赛，投资方既有阿里、美团、腾讯、京东、传音，也有红杉中国、启明创投等机构。

Sharpa算是「禾赛创始团队二次创业」，李一帆、向少卿、孙恺曾亲历激光雷达从昂贵、小众走向百万级出货，他们熟悉的是精密机电、成本下降、可靠性和规模制造。

这套能力正在被迅速迁移，2026年3月，禾赛开始向Sharpa供应激光雷达、机器人执行器，并提供装配、测试和交付支持。

到6月底，禾赛机器人执行器专线累计交付已超1万套，并准备从灵巧手延伸至全身关节。7月底，双方年度关联交易上限也由1亿元提高到3亿元。

禾赛自身的规模化轨迹更具参照意义。2025年，其激光雷达出货162.04万台，同比增长222.9%，营收30.28亿元，GAAP净利润4.36亿元。

随着ADAS产品占比提高，平均售价由2024年的约530美元降至2025年的约260美元，全年毛利率仍有41.8%。

高端硬件降价一半，利润却没有被价格战吞掉，这正是机器人行业稀缺的制造能力。

难题也更重，激光雷达是一颗传感器，机器人却由几十个自由度和成千上万个机电零件共同构成。

Counterpoint数据显示，2026年上半年全球人形机器人出货增长接近300%，主力需求仍集中在表演、数据采集和科研，制造、物流、商业服务仍在验证期。

Sharpa因此选择先从商业场景积累操作能力和真实数据，再从2028年起逐步探索家庭市场。

创始人李一帆的核心判断更激进，他认为物理世界没有纯做OpenAI的机会，只有苹果的机会。Physical AI的基础设施尚未成熟，真实数据、算力形态、执行器都还薄弱。

模型不能悬在硬件之上，硬件设计、模型训练和数据回流必须形成闭环，这也是Sharpa押注全栈路线的逻辑。它更重、更慢、更烧钱，还可能让零部件供应商与整机客户逐渐走进同一竞争区间。

但创始人李一帆判断，机器人市场规模可能达到汽车的10倍，全球最终或只剩5家。

禾赛曾用工程能力把几万美元的激光雷达打到千元级。Sharpa如今赌的是，同样的规模化肌肉，能否把灵巧手从Demo变成月产万只、良率稳定、成本持续下探的工业品。

正在把公司边界向整机和模型推开

Sharpa正在把一只灵巧手，做成通往物理AI的入口。底层是Wave灵巧手，中间是67自由度的North整机，上层是CraftNet模型，应用端进入餐饮、酒店、零售和制造。

官方定位也转向全栈物理AI，这意味着Sharpa想拿到的，不只是一只手的硬件价值，还包括机器人如何使用这只手。

路线核心，是把硬件、触觉、模型、整机和部署压进同一套闭环。

Sharpa最值得关注的变量，是触觉。数字AI能从网页、代码、图片和视频中学习，物理AI却要理解力量、摩擦、接触、形变和身体状态。

视频能记录拧瓶盖，却无法直接告诉模型手指用了多少力。Wave因此既是执行器，也是传感器，更是高密度数据入口。

外部研究也在验证这一方向，NVIDIA、UC Berkeley和马里兰大学2026年发布的EgoScale，以超过20854小时第一视角人类视频训练22自由度灵巧操作任务，平均成功率较无此类预训练的基线提升54%。

Wave也已被NVIDIA GEAR用于机器人学习研究，并进入Isaac GR00T参考设计。

Sharpa的商业路径由此展开，Wave提供标准化触觉和运动接口，装机产生数据，数据推动模型进化，模型再进入North和其他本体，机器人进入真实场景继续制造高价值交互数据。 

手的战略位置因此被放大，它既卖硬件，也定义机器如何感知世界、执行动作和训练模型。

这也是Sharpa最棘手的矛盾，它希望把Wave卖给更多机器人厂商，同时又生产自己的North。供应商和潜在竞争者的双重身份，既能放大生态，也可能压低伙伴信任。

物理AI正在逼近一个共识，本体、传感、模型、数据和场景缺一不可，Sharpa想做的是把这几层尽量握在同一只手里。

结尾：

下一场考试，考题已经换了。大家不必再看机器人能不能把杯子倒过来。要看的是，离开这家冰淇淋店之后，它究竟带走了多少真正属于自己的能力。

部分资料参考：第一财经：《AI机器人公司Sharpa完成45亿元融资，多家大厂联合押注》，21世纪经济报道：《55步「倒杯不洒」：一台双臂机器人，正式在DQ门店做冰淇淋了》，界面新闻：《Sharpa官宣已完成超45亿元融资》，经济观察网：《Sharpa联手DQ，机器人挑战55步「暴风雪」制作》