2026年8月，DQ上海吴江路店。透明玻璃工作间里，一台双臂机器人从消毒柜取出金属杯圈，从叠放的纸杯中抽出一只，在冰激凌机下接出奶浆，舀上三勺奥利奥，高速搅拌，最后把杯子倒转过来——暴风雪没有掉。这个动作在DQ的品牌话术里叫“倒杯不洒”，是这家1940年起家的品牌对一杯暴风雪冰淇凌质量最古老的检验。而从这一天起，接住它最后一棒的是一台机器人。
机器人做冰淇凌并不新鲜，但这次不一样
机器人做冰淇凌这件事，其实并不新鲜。数年之前，机器人做咖啡、做冰淇凌的新闻已经见怪不怪。而几乎所有的展示内容都只是：取一个容器，从咖啡机或者冰淇凌机里直接接一杯，再递送到用户手中。这种级别的场景demo，本质上是一种“搬运”，仅靠自动化机械臂就可以完美呈现，跟AI可谓毫无关系，WAIC和WRC上比比皆是。
但直到你走进这家机器人暴风雪餐厅，真正看完机器人的工作全程，无论你是机器人行业的老兵，还是第一次看见机器人在吧台后面干活的普通顾客，都会产生各自不同的震惊。普通顾客会震惊于暴风雪冰淇凌全套制作流程的复杂和机器人动作的流畅丝滑，它的某些动作细节（翻腕推门、刮净杯口等等）甚至会让人产生一瞬间的恍惚，让你分不清眼前做冰淇凌的到底是机器还是人类。
而对于行业从业者来说，则会产生更大的震撼：55步的长程任务规划能力、精密的触觉和力控算法、90%的成功率、本体与大脑的软硬一体以及真正的场景0改造所体现出的泛化能力。这已经不是一个展会上的demo，而是一个真正可以交付到真实场景里的解决方案。
最神秘的公司，挑了个最固执的场景
完成这个解决方案的，并非是那些耳熟能详的具身智能名宿，而是一家在公关传播上极为克制的神秘公司——Sharpa。Sharpa成立于2024年底，三位联合创始人李一帆、向少卿、孙恺同时也是激光雷达公司禾赛科技的创始人。2026年1月，当媒体首次披露这层关系时，行业才发现，那只在demo里剥鸡蛋壳的灵巧手背后，是一家已经估值过百亿的公司。
它在机器人圈内迅速建立起一种近乎口耳相传的声望。全球多家头部机器人公司的视频demo里，那只来自中国的银色灵巧手成了默认的最优操作终端；想买Sharpa Wave的人被告知“没有库存”，只能相互租借；英伟达、谷歌、MIT、斯坦福的机器人实验室里也都能看它的身影；今年6月，当宇树的H2 Plus机器人被英伟达钦定成为其NVIDIA Isaac GR00T的参考人形本体时，不少人发现，这具本体的手并不是宇树的手，而是Sharpa Wave。彼时，我们认识的几乎所有研究机器人操作的从业人员对于Sharpa Wave的评语都是“除了贵，几乎没有缺点。”
然而在机器人圈内如此火爆的Sharpa，其公开曝光的克制也是罕见的：ICRA亮相后近八个月，国内也没有官方社交账号，投资人在各种渠道寻找其对接人，但Sharpa都选择避而不见；其产品唯一一次大规模进入公众视野，还是2026年春晚上借另一家公司的片段，展现了那双盘核桃的银色灵巧手，甚至都没有出现公司名。
我们从公司方面获悉，Sharpa已完成超45亿人民币融资，估值超200亿人民币。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、九坤创投等投资机构。与其他公司争先恐后地曝光自己抢入100亿/200亿俱乐部的热闹场面不同，Sharpa之前从未主动传播过这件事。“主动频繁地传播融资，会让员工误认为融资才是公司的核心KPI。而我希望我们的工程师能够感受到，公司会更关注更有意义的事情。我们希望打造一个纯粹的‘工程师乐园’”，李一帆这样解释。
从终局倒推：为什么是DQ
而这个刻意隐身的机器人公司，选择的第一个公开落地场景，却是一个极具破圈潜力的零售场景。选择场景的逻辑并非是落地实现的难易程度，而是从他们心中的终局倒推而来。“终局一定是家庭，但进入家庭需要足够多的数据，所以我们找场景的第一标准就是跟家庭操作最接近的真实场景。”李一帆对我们表示。跟家庭直接相关的服务业就很接近，餐饮、酒店、零售，这些场景既需要极其复杂的灵巧操作，操作内容又和家庭高度重叠。
制作冰淇凌这个任务的本质就是与工具和设备的交互：开柜、取物、舀取、搅拌、倾倒、递送等，这些基础的原子任务天生具备高迁移性，完成这个长程任务也让Sharpa后续向其他品类和场景的扩展变得更为容易。而选择DQ这样一家以固执和流程严格著称的连锁品牌合作，除了考虑DQ本身的品牌影响力和未来品类扩展上的优势，更像是Sharpa给自己强行上的难度。
我们了解到，DQ的所有设备和物料必须全部从美国进口，连勺子的颜色都不允许调整，为的就是保持品牌和产品口味的一致性，这种固执无疑给机器人进驻提出了更高的要求。而对此，李一帆却表示：“要的就是这种固执”。而DQ的这种固执，恰好是Sharpa对场景真正“零改造”的强制背书。
拒绝“造电话亭”：零改造背后的泛化逻辑
具身行业里大部分公司的demo，是先给环境做减法。最常见的下手处是操作对象：贴标签、固定位置、固定形状——物体越标准化，视觉和抓取越不容易出错；再进一步是环境本身：场地布定位、贴反光点、货架位置调整、灯光调到识别算法最舒服的亮度。改造本身不可谓不合理，当感知和操作不足够可靠时，降低任务难度最便宜的方式就是改造环境，这也是大多数场景demo“看起来能干活”，但总感觉哪里不对劲的原因。
在李一帆看来，开一家Sharpa自己定制的冰淇淋店没有任何价值，只会变成为机器人量身定制出来的场景和工具。他将这种为机器人定制工作环境的行为比喻为“造电话亭”——将原本应该随身携带的手机装进一个电话亭里，会失去了追求具身通用和泛化的意义。“本来我们追求的是一个完全通用的终极目标。如果因为能力不足，需要改造现有环境、工具和工作方法，这本身是在走捷径，是为了落地而落地，也是对泛化能力的一种阉割和妥协。而这种妥协一旦开始，就会一直妥协下去。”
在落地场景的打磨上，李一帆还有一条近乎苛刻的标准：这个场景里面人能干的所有事，机器人都得能干。“制作一杯暴风雪有55步，就算能干54步也没有意义。剩下那一步最终还是得人来干，我们并没有节省人力，而只是给机器人创造了一个就业岗位。”李一帆表示，“我们从一开始追求的就是把一个场景‘做穿’。在具体场景里，机器人做不到全能，就是无能。”
机器人行业缺一个标准
Sharpa的这次动作，将机器人商业化的验收标准从“完成任务”真正拔高到了“提供完整生产力”，我们或许可以将其称之为机器人行业的“暴风雪时刻”。而于Sharpa和李一帆而言，暴风雪餐厅也不仅是一门生意，在近两个小时的交流中，他反复提到的一个词，是“共识”。
机器人行业似乎有太多的共识了，尤其是方法论上的共识。一阵子一股脑全是VLA，然后又全是世界模型，接着又全是落地场景。整个行业都在被“共识”裹挟着前进，以至于我们很难分清“跟风”与“共识”间的差别。但另一方面，行业又极度缺乏另一种共识——评判标准。当我们将具身公司进行比较时，每个人都觉得自己是第一名，而且每个人都有一套自圆其说的故事来支撑。
“一个行业有明确的排名标准，其实非常必要。因为排好队之后，大家才知道哪些事情是真正有价值的，也才能明白资源该往哪投。”李一帆说。禾赛所处的激光雷达行业同样经历过从非共识到共识的收敛，只不过那个过程非常漫长。而这一次，Sharpa想用一家冰淇凌店，把机器人行业缺失的那个标准，先立起来。
热门跟贴