对话Sharpa联创李一帆：机器人商业化落地，需跨越场景“斩杀线”

徽声在线记者 | 徐美慧
徽声在线编辑 | 文姝琪

8月28日，专注于AI机器人领域的创新企业Sharpa对外宣布，其累计融资额已突破45亿元人民币大关，吸引了包括阿里巴巴、美团、腾讯、京东、传音等在内的众多产业资本，以及红杉中国、启明创投、美团龙珠、光合创投等知名投资机构的青睐。

就在同一天，Sharpa与知名冰淇淋品牌DQ携手打造的机器人餐厅在上海惊艳亮相。据Sharpa介绍，该餐厅采用了“零改造、全自主、全年无休”的创新运营模式，机器人将在正常营业的门店内独立完成暴风雪冰淇淋的整个制作流程，无需人工干预。

Sharpa联合创始人李一帆在接受徽声在线等媒体采访时深入剖析了机器人从Demo演示到商业化落地的关键路径。他指出，机器人技术的商业化并非仅仅在于展示某个动作的完成度，而在于能否“彻底打通一个应用场景”。这意味着，机器人系统必须能够完整、稳定地运行，赢得客户的持续信赖，并具备进一步扩大规模、降低成本的可能性。

李一帆将这一最低门槛形象地称为“斩杀线”。

在他看来，Demo阶段的技术展示，无论做到70分、80分还是90分，都只能反映技术进展的一部分。然而，一旦进入真实的应用场景，评价标准就发生了根本性变化。只有当整套系统的效率、可靠性等关键指标达到客户愿意持续使用的水平时，才能说这个场景真正被“打通”。否则，即便单项能力再出众，也难以实现复制和规模化应用。

具体到这次与DQ的合作项目，门店原有的厨房设备、原料、工具和操作流程均未因机器人的引入而进行重新设计。机器人需要独立完成一杯奥利奥暴风雪从取杯、加料、搅拌到交付的全过程，共涉及55个精细步骤。据徽声在线记者现场估算，完成一杯冰淇淋大约需要6分钟，而熟练店员通常只需两三分钟即可完成。

这一数据也暴露出机器人商业化目前面临的最现实挑战：尽管机器人能够完成任务，但在效率和成本方面仍与商业使用要求存在一定差距。

图片来源：Sharpa

当被问及单店投资回报时，李一帆向徽声在线记者坦言，目前这一台设备还远未达到盈利水平。相比眼前的回报，他更关注几个长期变量能否持续改善，包括机器人的操作速度、设备使用周期以及硬件成本等。

Sharpa成立于2024年底，由激光雷达供应商禾赛科技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。公司专注于开发通用机器人及其核心部件，与禾赛科技保持独立运营，不存在股权从属或业务管控关系。

其首款产品是具备22个主动自由度的触觉灵巧手SharpaWave，已于2025年10月实现量产。目前，Sharpa的产品线还包括轮式全身人形机器人North，以及面向灵巧操作的AI模型CraftNet等。

在接受采访时，李一帆更多谈论的是机器人真正进入应用场景后可能遇到的问题。他认为，Demo演示与真实场景应用的最大区别在于，后者不能仅满足于完成大部分工作。以这次制作冰淇淋的流程为例，如果机器人长期只能完成54步，最后一步仍需人工处理，那么人就很难从该岗位上完全撤离。对企业而言，这种部署的价值也会大打折扣。

这也是Sharpa坚持不改造环境、让机器人适应真实场景的原因所在。

李一帆指出，如果机器人必须依靠改造门店、定制工具才能工作，那么其本质上更接近于传统自动化设备。换一家门店或换一个行业，就需要重新进行适配和调整。而通用机器人的真正使命，是能够在原本为人设计的环境中独立完成工作。

然而，选择这条路也意味着现阶段很难同时兼顾速度。李一帆向徽声在线记者表示，机器人的动作速度与可靠性之间存在直接的权衡关系。同样的流程可以进一步压缩时间，但出错概率也会随之增加。因此，Sharpa目前选择先确保稳定性，再通过训练和工程优化来逐步提升速度。

如果机器人要从一家门店走向更大规模的部署，价格和长期可靠性同样是需要解决的关键问题。李一帆透露，目前整套设备的标价仍在几十万元级别，其长期目标是将价格降至10万元人民币量级。在可靠性方面，他认为机器人最终应该达到接近汽车产品的水平。

另一个不可忽视的问题是数据。李一帆认为，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，真实运营过程中产生的数据更具价值。他解释说，第一视角视频虽然能够记录人的动作，但很难获取操作过程中的发力、触觉等关键信息。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。

真实场景还会出现大量仿真阶段难以预设的变量。李一帆举例称，冰淇淋机开机后的不同温度状态会改变原料的黏性，进而影响机器人的抓取和搅拌效果。这类问题往往需要在实际运行中才能暴露出来，并通过补充不同状态下的训练数据来解决。

图片来源：Sharpa

对于场景方是否愿意开放数据的问题，李一帆认为顺序应该颠倒过来：机器人公司首先要证明自己的产品对场景有用，之后才有可能在不影响对方商业利益和隐私的前提下获得数据支持。如果产品本身没有解决问题却先要求场景方提供数据，那么合作很难成立。

这也影响了Sharpa对应用场景的选择和判断。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。在他看来，工厂虽然具有巨大的应用价值，但难度也相对较高。能够高度重复的工作大多已经交给了传统自动化设备来完成，剩下的往往是复杂、非重复的任务。人形机器人想进入这些岗位不仅需要“会做”，还要同时满足节拍、可靠性和成本等多方面的要求。

从这个角度来看，这家DQ门店更像是一次长期的商业验证而非机器人已经跑通商业化的证明。

机器人能否从一次Demo演示变成可复制的产品最终还是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，并将效率和成本控制在客户能够接受的范围内。只有这样一次场景验证才有可能复制到更多门店实现规模化应用。这也是李一帆所说的跨过场景“斩杀线”的真正含义。