Sharpa获超45亿融资，联合DQ落地全球首个“零改造、全自主、全年无休”机器人餐厅

Sharpa选择从一家真实营业的机器人餐厅开始，验证机器人走向商业泛化与真正通用的可能。

本文为IPO早知道原创

作者｜Stone Jin

据IPO早知道消息，Sharpa日前已完成超45亿人民币融资，投后估值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、光合创投等投资机构。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。

成立于2024年的Sharpa作为一家专注于灵巧操作的AI机器人公司，由禾赛科技 CEO 李一帆、 CTO 向少卿、首席科学家孙恺等联合创办，致力于打造面向真实世界的机器人大脑与全栈系统，为通用机器人走向实际应用构建核心能力底座。

Sharpa认为：机器人应当帮助人类，而不是替代人类；机器人应把人类从重复、繁重和高强度工作中解放出来，让人们把时间投入到更有创造力和更有意义的事情上。

目前，Sharpa的产品面向机器人整机公司、科研机构和餐饮服务场景。未来，Sharpa的通用机器人还将进入更多应用领域，并最终走进家庭，解放人类的时间。

值得注意的是，由Sharpa与CFB集团旗下运营的全球知名冰淇淋和快餐连锁品牌Dairy Queen (以下简称DQ) 联合打造的全球首个“零改造、全自主、全年无休”机器人餐厅于8月29日在DQ上海吴江路店正式落成。

Sharpa机器人将实现行业首次在真实商业场景中完成复杂制作任务：全自主完成一杯暴风雪冰淇淋从点单、制作到交付的55步复杂连续流程，并在每日10:00至22:00的营业时间长期稳定运营，全年无休，无需人工持续操控。这也是世界范围内机器人第一次在真实餐饮门店中，沿用全球统一标准的制作设备、原料、工具和操作规范，接手连锁经营的日常工作，并完整服务真实顾客、处理真实订单。

此次合作标志着Sharpa克服了机器人商业化落地的三道难题：部署高度依赖定制化设备，AI能力不足以支撑复杂的长程工作，低可靠性无法稳定创造商业价值。Sharpa与DQ联合打造的机器人餐厅，正式推动机器人商业化的检验标准从“完成任务”迈入了“提供完整生产力”的新阶段。零改造、全自主、全年无休将成为机器人商业化落地的崭新标准，机器人行业的“暴风雪时刻”由此开启。

Sharpa联合创始人李一帆表示：“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。Sharpa选择从一家真实营业的机器人餐厅开始，验证机器人走向商业泛化与真正通用的可能。”

克服三道商业化难题机器人行业迎来“暴风雪时刻”

DQ是全球知名冰淇淋和快餐连锁品牌，“暴风雪”冰淇淋是其明星产品。其拥有高度统一的制作设备、原料、流程和质量标准，每一杯暴风雪都必须稳定达标方可交付。要进入这套成熟的全球经营体系，Sharpa机器人必须克服三道商业化难题。

第一道是零改造，检验机器人能否摆脱专用设备和定制流程，适应人类现有的商业环境。DQ门店的设备、原料、流程和标准保持不变，Sharpa机器人直接使用为人类设计的工具，融入既有空间与流程，由适配单一定制场所走向广泛存在的真实商业环境。

能够使用人类现有的设备和工具，只是第一步；下一步是全自主完成复杂制作任务，这要求机器人将任务理解、动作执行、状态判断与自我纠错连成完整链路。暴风雪从点单到交付包含55个环环相扣的步骤，任何偏差都可能影响结果。Sharpa机器人通过连续操作稳定制作符合DQ标准的产品，将能力从简单动作推进到独立应对复杂长程任务。

而当机器人具备独立作业能力，最后一道难题便是能否持续创造商业价值。Sharpa机器人需要长期稳定运行，在每日10:00至22:00的营业过程中，持续经受订单、客流变化与随机干扰的可靠性检验。零改造降低部署门槛，全自主建立独立工作能力，全年无休验证长期商业价值，三者共同推动机器人走向可持续生产力。

重新定义行业落地标准背后

Sharpa将灵巧操作贯通全程

Sharpa从模型到本体构建的灵巧操作原生技术栈，托起三项标准的落地。55步复杂、连续超长程任务中自纠错能力、触觉感知与面向通用灵巧操作的全模态世界模型形成闭环，共同指向结果可靠性。

长程任务的难点既在于步骤多，更在于微小误差会沿任务链累积；若将55步作为完整轨迹训练，状态偏差还会衍生新的数据分支，令数据组合迅速膨胀。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，系统便评估状态并将偏差作为后续输入；结果不及预期时，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。

触觉感知解决真实操作中的“最后一毫米”。Sharpa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：抽取纸杯需要感知摩擦与阻力，高速搅拌需要随滑动、振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。

面向通用灵巧操作的全模态世界模型则负责判断任务如何继续。Sharpa机器人融合视觉、语言、触觉与力反馈，以及关节角、本体觉等自身状态，使机器人能够理解当前情况、判断执行结果并规划下一步。与System 1协同后，世界模型根据多模态信息和历史上下文预测动作后的状态，据此生成或修正后续动作。

自纠错控制长程误差，触觉闭环守住接触精度，世界模型让决策建立在真实状态之上。感知、预测、执行、验证与纠错由此贯通，为55步任务建立结果可靠性，也为迁移至更多任务和场景奠定基础。

从一家DQ机器人餐厅到千家万户规模化路径需要真正的通用

针对商业场景，Sharpa的技术路线有着先天的可迁移能力。机器人沿用人类工具，数据源自真实世界，积累下来的能力也可以跨门店、跨任务和跨行业生长。DQ机器人餐厅是首个落点，首次革新了通用灵巧操作的落地范式，也是通往餐饮、服务业和家庭的起跑线，为未来的机器人跨场景通用能力奠定基础。

技能的迁移始于硬件层。Sharpa Wave灵巧手的尺寸、形态和自由度以人手为参照，可以沿用人类使用的杯子、柜门和勺子，在不改变环境的情况下，将相同原子动作迁移到更多DQ产品、商业厨房和家庭任务。

在硬件具备通用基础之后，数据的迁移则来自门店与日常生活的同源性。Sharpa通过第一视角人类视频、仿真和真实遥操作获取高质量数据；门店与家庭厨房共享相似的视角、工具和动作逻辑，全年无休的运营还将持续产生端到端数据，推动模型成长。

当硬件、数据与模型能力可以跨场景复用，迁移便不再只是单项技能的复制，而成为通用能力规模化生长的起点。技能与数据的迁移将为规模化的通用场景打开空间，Sharpa就能够从一家DQ机器人餐厅走向更多门店和餐饮市场，再沿相似的工具、动作与流程进入其他服务场景。一杯暴风雪由此成为通往万亿餐饮赛道的第一块路标；随着端到端数据闭环逐步跑通，数据飞轮将把Sharpa推向更多行业和千家万户，让通用机器人从技术愿景走进真实生活。