「一杯暴风雪的 55 步」 —— Sharpa 融了 45 亿，具身智能的估值锚从出货量换成了零改造

一句话摘要：8 月 28 日《晚点 LatePost》独家披露，禾赛科技三位联合创始人二次创业的 Sharpa 完成超 45 亿元融资、投后估值 220 亿元，阿里 / 美团 / 腾讯 / 京东与红杉中国、启明创投同框；8 月 29 日其与 DQ 合作的上海吴江路门店上线，人形机器人用店内原有设备独立完成暴风雪冰淇淋全套 55 步制作，这是国内连锁餐饮里罕见的「零改造全自主」落地。在宇树上市后市值腰斩 44%、上半年全球出货 2.2 万台却仍有六成流向文娱商演与科研教育的当口，这场融资把行业的估值锚从「卖了多少台」硬生生掰向了「能不能不改造环境就把一件事做穿」。

🧭 一杯冰淇淋，值 220 亿吗

先说清楚这件事的形状。

2024 年底，禾赛科技 CEO 李一帆、CTO 向少卿、首席科学家孙恺，三位把激光雷达做成全球第一的清华系博士，转身创立 Sharpa。2026 年 8 月 28 日，这家公司第一次公开披露融资：总额超 45 亿元人民币，投后估值 220 亿元。投资方名单长得像中国互联网的半张董事会名单：阿里巴巴、美团、腾讯、京东、传音，加上红杉中国、启明创投、美团龙珠、光合创投。

第二天，8 月 29 日，Sharpa 与 DQ 合作的上海吴江路门店正式上线。门店里那台人形机器人的工作是：用店员原来就在用的设备，独立完成一杯暴风雪冰淇淋的全部 55 个步骤，包括点单、操作冰淇淋机、开盖、加小料、搅拌、交付。

220 亿估值换一杯冰淇淋，这笔账乍看荒唐。但如果你把 55 这个数字拆开看，会发现它恰好卡在具身智能当前所有技术难题的交叉点上。

55 步意味着什么？它意味着摆在这里的是一条有状态、有分支、有纠错、有时序依赖的长程任务链，远超「抓—放」这种两三步原子动作。第 30 步的手势取决于第 12 步有没有把盖子拧紧；第 47 步加小料的力度取决于杯子里冰淇淋的硬度；中途任何一步失败，机器人得知道该回退到哪一步重来，而不是从头开始。

🎯 三条铁律：不为机器人改造一寸环境

李一帆给「真实可用」下了三条硬标准，这三条比融资额更值得抄下来：

第一，绝对不改造环境。 标准句是「店员走了，机器人进来就能干活」。DQ 店里没有为机器人加一个定位支架、换一个把手、挪一台机器。

第二，一定要把事情做穿。 10 个步骤里机器人做 9 项、人做 1 项，看似替代了 90% 人力，其实一点没替代，因为那个人得一直守在那里等着。这话说得极狠，也极准。

第三，做高价值的复杂任务。 55 步连续操作，同时考验触觉感知、模型计算、实时纠错与灵巧操作。

第二条尤其值得展开。它其实给出了一个计算「替代率」的正确公式：机器人真正替代的人力，取决于流程中最后一个仍需人类介入的环节，而非被自动化步骤的占比。这在排队论里叫瓶颈约束，整条生产线的吞吐由最慢的一站决定，与前九站跑多快无关。

小贴士：这条标准还能翻译成一句更好记的话：判断一个机器人有没有生产力，只看一件事：人能不能彻底离开。

李一帆还有一句更损的：「杀鸡不要用牛刀，不要为机器人创造就业机会。」

他举的例子是某台咖啡机器人：咖啡是自动咖啡机做的，机器人的工作是用机械臂把咖啡递过去，而且咖啡机被故意放得离人很远，放近点人自己就拿了。这不是创造就业，这是给机器人制造就业。

🖐️ 为什么是灵巧手：摄像头解决不了的那一半

Sharpa 的产品布局有三层：

• Sharpa Wave：1:1 人手尺寸的灵巧手，22 个主动自由度，指尖搭载 1000 多个触感单元；
• Sharpa North：70 自由度全身人形机器人平台；
• CraftNet：面向精细操作的 0/1/2 分层式全模态操作基座模型，把推理、视觉与触觉纳入同一操作体系，瞄准精细交互的「最后一毫米」。

公司目前 200 余名员工，研发占比约 80%。

李一帆对「为什么必须做手」的论证是我见过最干净的：

「所有机器都可以用摄像头感知，但摄像头解决不了的问题怎么办？每天看 3 小时足球比赛，已经有很强的视觉世界模型，但不代表能上场踢球。因为还需要知道脚碰到球的触感、发力大小等。」

这个类比精确到了残忍的程度。视觉数据能帮模型理解和预测世界，但要真正与世界交互，你需要触觉、力觉、本体感觉，也就是那些只有接触才会产生的信号。接触信号的最大特点是：它不会出现在任何互联网视频里。你能在 YouTube 上找到一百万个打鸡蛋的视频，但找不到一条记录「蛋壳破那一刻指尖压力曲线」的数据。

这就是为什么李一帆坚持机器人的预训练世界模型必须是全模态的，也是为什么 Sharpa 选择全栈自研。

🔄 数据飞轮：什么叫「有效数据」

关于数据，李一帆给了一个反共识的定义：有效数据指的是真实场景中机器人遇到 edge case、解决问题后回流的数据，采集人手的多少决定不了它的成色。

他还补了一句关键的成本逻辑：「如果选对场景，成本会更低，因为你是靠做了一个有用产品获得的数据，而不是靠花钱获得的数据。就像特斯拉的辅助驾驶数据主要来自用户使用，真实且可复制。但难点是你做的产品不一定有用。」

这段话拆开是三层：

第一层，数据的价值取决于它的来源，不取决于它的量。 实验室里雇人遥操采集一万小时，和店里真实营业时遇到一万次意外，后者的信息量大得多，因为它包含了那些你没预料到会出错的情形。

第二层，采集成本的正负号取决于产品是否有用。 无用产品的每一次部署都是净成本；有用产品的每一次部署都在产生收入的同时顺带产生数据。这就是为什么 Sharpa 宁可花五个月死磕一个场景，也不去做十个「能演示」的场景。

第三层，这是特斯拉剧本的复刻。 特斯拉辅助驾驶的数据飞轮之所以成立，前提是有几百万辆在路上跑的、用户真金白银买了的车。机器人行业目前还没有任何一家跑通这个前提。

李一帆承认，现在各类数据，从第一人称（Egocentric）数据、遥操数据到视频数据，都有，但「下一步不会直接进家庭的原因是有效数据量还不够大」。

🔁 泛化曲线：第一个场景可以贵，第二个必须便宜

关于训练成本，李一帆给了一条判断标准，我认为这是整篇访谈里最有价值的一句：

「第一个场景哪怕花了 10 万个小时也没关系，只要第二个场景只需要花 100 个小时。但第一个场景花 10 万小时、第二个还是，那就比较差。」

DQ 这个场景，团队做了不到五个月的综合训练。机器人目前的速度是人的一半。

这两个数字要放在一起读：五个月 + 半速，在绝对值上都不算漂亮。但它们的位置在曲线的最左端，真正决定成败的是斜率，比如做汉堡时能复用多少？做咖啡时能复用多少？李一帆的预期是「应该不少」，并且承诺今年办 Tech Day 时把模型怎么做的讲清楚。

关于速度，他的回答也很有意思：「速度是人的一半。但这不用太担心，解决这个问题有确定方法论。你看机器人运动会，一年内大家的速度提高了多少。」

这句话有实打实的数据支撑。8 月 26 日闭幕的第二届世界人形机器人运动会上，400 米纪录从首届的 1 分 28 秒 03 跃升到 45 秒 66，1500 米从 6 分 34 秒 40 突破到 2 分 21 秒 64，原地跳高从 0.96 米跃至 3.40 米。一年时间，多项赛会纪录被碾压式刷新。

小贴士：运动能力的快速提升与操作能力的缓慢爬升，构成了当前具身智能最刺眼的不对称。原因不复杂，奔跑有明确的物理最优解和海量的运动捕捉数据可参考，而「用店里那把勺子从桶里舀小料」没有标准答案，也没有现成数据集。

硬件和运控的迭代速度，在这三年里被验证得足够充分。问题在于：奔跑能力可以靠运动捕捉数据和物理最优解快速推进，操作能力不能。

📉 估值锚的迁移：宇树腰斩背后的行业换挡

把 Sharpa 的融资放回同一周的产业背景，意味完全不同。

宇树科技于 2026 年 8 月登陆科创板，成为 A 股「人形机器人第一股」，发行价 150.80 元 / 股，对应发行后市值约 609.93 亿元。开盘市值一度突破 4449 亿元。但截至 8 月 27 日收盘，股价报 615 元，距最高点跌幅达 44%，总市值 2488 亿元。

为什么腰斩？市场关注点正从「出货量」切向「有效智能工时」。一组刺眼的数字：宇树 2025 年前 9 个月，超过 73.6% 的人形机器人收入来自科研教育，工业应用仅占约 9%。

再看 Counterpoint Research 的行业数据：2026 年上半年全球人形机器人出货量突破 2.2 万台，同比增长接近 300%，全年预计突破 5 万台。智元以 43% 份额居首（约 9700 台），宇树 31%（约 7000 台），银河通用、优必选、乐聚分列其后，前五均为中国厂商，合计占全球 86% 份额。

但隐忧同样明显：文娱商演、科教数采合计占比仍在六成以上，智能制造仅 13%，仓储物流仅 5%。真正「进厂干活」的不到两成。

宇树创始人王兴兴在 2026 WRC 主论坛上坦言：「为什么我们现在没有大规模推广，最主要的原因就是目前人形机器人干活的效率、泛化能力还不够。」他给出的判断标准是「两个 80%」：在 80% 的陌生场景中，通过语音或文字指令，机器人能顺利完成大约 80% 的任务，那就算具身智能的 ChatGPT 时刻。「快的话可能两到三年，慢的话五年或者十年。」

银河通用创始人王鹤则判断，当前具身智能基础模型能力「大约只相当于数字世界当年的 GPT-2 阶段」，到 2028 年前后有望达到 GPT-3.5 至 GPT-4 之间水平。

🍎 物理 AI 没有 OpenAI 的机会，只有苹果的机会

李一帆最锋利的一个判断，是这句：

「今天大部分人都把注意力放在模型训练方法上，只说大脑、模型，就像找到九阴真经能马上顿悟，但我觉得不是。具身行业不存在只做大脑的机会……物理世界没有纯做 OpenAI 的机会，只有苹果的机会。苹果也没说我只做 iOS。」

他用「三级火箭」来解释这件事。Digital AI 的三级是：底层基础设施 → 中间 AI 模型 → 顶层应用。Digital AI 的底层是完善的，数据、算力、网络都现成，所以 OpenAI 可以只做第二级。但 Physical AI 的底层严重残缺：真实世界数据、算力、灵巧手都还不完善。这时候只关心第二级模型，等于在地基没打好的楼里装修。

由此推出他的产业终局判断：

• 市场规模会是汽车的 5 到 10 倍；
• 集中度远高于汽车。汽车全球一百多个玩家，手机几十个，通用机器人不会超过 5 个玩家；
• 护城河层层叠加：用的人越多 → 数据越多 → 泛化越强 → 效率越高 → 生态伙伴越多。

🧘 克制：一个老登的敬畏之心

访谈里最不像 AI 创业公司的一段，是李一帆谈「什么时候该拒绝订单」。

他说，在激光雷达行业，真实收入和真实利润是重要衡量标准。但到了具身行业，客户愿意付费，也许只是因为他不清楚机器人到底能做什么。他举了个例子：一家以羊绒著称的国际品牌找到他们，说你们触觉这么厉害，能不能检测羊绒质量？

「他愿意买几台，不代表你的产品真的能解决问题，而是因为他有一些对产品的幻想。」

他的处理原则有三条：第一，认真了解需求后确认做不到，就忍住不接；第二，PMF 不成立时接单，会浪费客户的时间和钱；第三，万一你特别有责任心，会花无限时间去解决工程化的问题而不是 AI 的问题。

最后一句是真正的刀：「AI 问题是往上爬一座山，工程化是在半山腰停下来，开始横着走。」

他给自己定了条线：这事合理性不超过 90 分，坚决不干。「连续创业者有个毛病，因为经历过周期，大概知道哪些事即便早期能做、但长期价值不高，主要工作是否定自己。」

关于进家庭，他的时间表是 2028 年起，而且措辞谨慎，原话是「如果连做冰淇淋的商业场景都做不穿，能去得了家庭吗？」「现在我们都还不敢说去其他门店能工作，就说能进家庭，自己都不信。」

🔍 值得盯的三件事

第一，8 月 29 日之后 DQ 门店的实际运行时长。 上线是一回事，连续跑三个月不崩是另一回事。真正的指标是「日均自主完成订单数 / 人工干预次数」这个比值。

第二，第二个场景的训练小时数。 李一帆自己给的标准是「第一个 10 万小时，第二个 100 小时」。如果这个数字真的能做到三个数量级的下降，那 Sharpa 的技术路线就被验证了；如果第二个场景还要五个月，那 220 亿估值就是提前兑付的预期。

第三，禾赛的关节模组出货曲线。 禾赛向 Sharpa 供应执行器模组，截至 2026 年 Q2 末累计出货超 1 万套，近期爬坡至月产约 1 万套，预计 2027 年达到六位数。整机模组计划 2026 年下半年 SOP，并向肩部、腕部关节扩展。这条供应链曲线是具身智能「有没有真在量产」的最硬先行指标。

🧾 尾声：澡堂子里讨论谁跑得快

李一帆有句话精准描述了当下的行业氛围：「行业太热太早期时，人人都觉得是第一梯队，真实落地场景很少，像在澡堂子里讨论谁跑得快。」

这句话的杀伤力在于，它指出了一个结构性困境：当评价体系里没有客观标尺时，所有的比较都退化成叙事之争。出货量可以刷，融资额可以吹，视频可以剪辑，唯一不太好造假的是「在一家真实营业的 DQ 门店里，用店员原来的设备，连续做出一杯又一杯可以卖给顾客的暴风雪」。

55 步，零改造，全自主。这三个词组成的标尺，比任何参数都更难糊弄。

2028 年进家庭的目标是否乐观？以目前具身的水平看，确实乐观。但至少这条路的每一步都踩在真实地面上。

📚 参考文献

1. 《晚点 LatePost》独家《物理 AI 没有纯做 OpenAI 的机会，只有做苹果的机会》，2026-08-28
2. 猎云网《超 45 亿融资落地！禾赛核心团队逐鹿具身智能，Sharpa 估值 220 亿》，2026-08-28，https://www.163.com/dy/article/L5EIAG9O05118HJE.html
3. 机器人前瞻《阿里、腾讯等机构联手，砸 45 亿，投出一家灵巧操作独角兽》，2026-08-28，https://www.sohu.com/a/1068882430_122054251
4. AInvest《Sharpa Robotics Secures 4.5B Funding at 22B Valuation for Physical AI》，2026-08-28，https://www.ainvest.com/news/sharpa-robotics-secures-4-5b-funding-22b-valuation-physical-ai-2608
5. 科创板日报 / Counterpoint Research 行业数据汇总，2026-08-27，https://www.chinastarmarket.cn/detail/2466860

#具身智能 #Sharpa #人形机器人