Sharpa 首次披露超 45 亿融资：具身智能要先在真实场景里把事做穿
Sharpa 首次披露超 45 亿元融资，但这篇采访更值得读的是它如何用 DQ 门店的 55 步任务检验通用机器人能否产生真实生产力。
本期覆盖 2026 年 8 月 27 日 01:56:34 至 8 月 29 日 01:00 前后（北京时间）。信源范围是晚点 LatePost、晚点 AI、晚点 Auto、晚点对话及其他晚点同系微信公众号；筛选口径是 AI、大模型、物理模型/世界模型、具身智能、机器人、芯片及紧密相关基础设施。本窗口确认 1 篇独立硬科技文章。
8 月 29 日凌晨同步出现在晚点 LatePost 主号与晚点 Auto 的汽车年报稿，主题是汽车产业公司的业务叙事变化，按本频道对汽车业绩、泛商业和纯财务题材的排除边界，本期不计入。
优先级
| 优先级 | 文章 | 账号与发布时间 | 为什么先看 |
|---|---|---|---|
| 1 | 晚点独家丨 Sharpa 首次披露超 45 亿融资，李一帆：不为机器人创造就业机会 | 晚点 LatePost · 2026 年 8 月 28 日 15:36:45（北京时间）1 | 文章把融资规模、灵巧操作的真实场景、世界模型与全栈路线放在同一篇对话里，核心问题是：通用机器人怎样从演示走向生产力。 |
逐篇速读：Sharpa 把具身智能的考题放进真实门店
晚点独家丨 Sharpa 首次披露超 45 亿融资，李一帆：不为机器人创造就业机会
账号与时间： 晚点 LatePost，2026 年 8 月 28 日 15:36:45（北京时间）。
核心事实
- Sharpa 由禾赛科技 CEO 李一帆、CTO 向少卿和首席科学家孙恺在 2024 年底创立，方向是灵巧操作的通用机器人及零部件。公司首次公开披露融资信息：累计融资超过 45 亿元，投后估值 220 亿元，投资方包括阿里巴巴、美团、腾讯、京东等产业资本，以及红杉中国、启明创投、美团龙珠等机构。1
- Sharpa 给“真实落地场景”设了三条线：环境无需为机器人单独改造；机器人自主完成全流程；任务包含多个步骤，并且具备足够复杂度。李一帆把这套标准归结为让机器人完成人的完整工作流程。1
- Sharpa 选择的第一个场景是 DQ 门店制作暴风雪冰淇淋。任务包含点单、操作冰淇淋机和搅拌机、开盖、添加小料等 55 个步骤，综合训练耗时不到 5 个月；目前机器人完成速度约为人的一半。1
- Sharpa 的下一步是从餐饮扩展到更多商业场景，再从 2028 年起逐步探索家庭。李一帆把第一个场景看成泛化能力的试验：第一个场景投入多少训练时间并非唯一指标，关键在于复制到第二个场景时，训练成本能否明显下降。1
- 公司按全栈方式开发硬件、数据和 AI：语言大模型等通用能力可以采购，运动控制和世界模型相关能力要自己做。李一帆认为，视觉数据能帮助机器人理解和预测世界，触觉、力觉和本体感觉则补上与物体交互时的发力和接触信息。Sharpa 目前有 200 多人，约 80% 从事科研、产品和 AI，研发资源约一半投入硬件、另一半投入软件；具体研发开支未披露。1
- Sharpa 把真实场景中的极端情况及其解决结果视为高价值数据。公司希望通过机器人在餐饮、酒店、零售等场景中的连续工作，积累能够反哺世界模型、提高跨场景泛化能力的数据。1
关键判断
第一，Sharpa 把具身智能的验证单位从一次 Demo 换成一项完整工作。 DQ 场景的价值在于机器人要连续完成 55 个步骤，面对真实门店里的物品、工具和操作顺序；单个动作做得漂亮，无法替代整套流程的产出。文章最后把“正向生产力”拆成三个门槛：先能帮忙，再做到成本可控、具备规模，最终在三到五年摊销周期内产生经济收益。1
给产品经理的启示： 评估机器人产品时，把任务完成率、连续工作时长、人工接管次数和跨门店复制成本放在同一张验收表里，单次演示效果只能作为其中一项。
第二，场景选择同时承担商业验证和数据生产。 Sharpa 选择冰淇淋门店，原因在于流程足够复杂，又能用门店的现有环境检验灵巧操作；机器人做得越多，越有机会遇到极端情况并回收解决数据。这个闭环成立的前提，是机器人先在客户现场完成一项有价值的工作。1
给投资人的启示： 看具身公司的商业化进度时，优先追问客户现场的完整任务、人工介入比例和复制后的训练工时，再看签约台数与融资额。
第三，物理 AI 的竞争单位更接近全栈产品公司。 李一帆将具身行业与数字 AI 区分开：机器人要同时处理本体、感知、模型、数据和整机产品，单独提供一个“机器人大脑”很难解决真实世界的交互问题。触觉、力觉和本体感觉之所以被反复强调，是因为机器人需要把接触结果转化为下一步动作。1
给开发者的启示： 做机器人模型时，数据接口要同时记录视觉、动作、触觉和力反馈，否则模型在仿真或视频里的表现很难直接转成可执行的现场动作。
第四，家庭场景被放在商业场景之后，是能力与成本两道筛选。 Sharpa 计划从 2028 年起探索家庭，但李一帆把家庭描述为更复杂、更不可控的环境：机器人需要先在可控场景里把工作能力做稳定，再逐步增加可处理的任务数量；几万元的消费品也要让用户感到每项功能都值得付费。1
给产品经理的启示： 设计家用机器人路线时，先把商业场景里可重复的任务做成稳定模块，再用用户愿意持续使用的任务组合来验证家庭定价。
本窗口趋势洞察
1. 具身行业开始寻找“跑道”，而不只展示动作。 Sharpa 的三条场景标准把验收从“看起来会做”推向“在人的环境里、按人的流程、连续完成人的工作”。文章还提到，行业目前缺少统一、硬核的能力标准，live demo 的价值在于把连续性、不同环境和可靠性摆到台面上。单篇材料能确认的是，Sharpa 正把这套标准用于自己的场景选择；它还不足以代表全行业已经形成统一标准。1
2. 商业落地的价值，取决于它能否变成泛化数据。 DQ 门店不是一个孤立订单：55 步流程、真实门店工具、极端情况和后续餐饮扩展，被 Sharpa 放进同一条技术路线里。接下来更值得跟踪的指标，是第二个场景的训练时间、任务复用比例和真实现场的人工接管次数。1
3. 具身创业的想象空间越大，生产力证明越需要提前出现。 原文记录了 Sharpa 超过 45 亿元融资、220 亿元投后估值和产业资本参与，也记录了李一帆对行业规模、集中度和未来家庭市场的判断；同一篇采访又把“真实落地”“真实收入”和“正向经济效益”列为更硬的交卷方式。对读者而言，融资说明资源聚集，DQ 场景才开始回答这些资源能否沉淀为可复制的产品能力。1
排除项与未覆盖边界
- 本期按 1 篇独立硬科技文章计入：晚点 LatePost 的 Sharpa 采访。8 月 29 日凌晨的《“我们不是汽车公司”——296 家汽车产业公司的年报改写运动》虽在本窗口发布，但主题是汽车产业公司的年报叙事与转型焦虑，按本频道排除汽车业绩、泛商业和纯财务题材的边界，暂不纳入。
- 晚点 LatePost、晚点 AI、晚点 Auto 和晚点对话均完成了本窗口文章列表核验。晚点 AI 最近一篇为 8 月 19 日，晚点对话列表最新文章为 2025 年 5 月；两者在本窗口没有新文。晚点 Auto 除同步发布汽车年报稿外，窗口内没有新的合口径硬科技文章。
- 晚点 Late 的稳定账号入口本轮仍返回不可用。为寻找替代路径，本轮先通过官方账号搜索确认账号身份，再调用账号文章列表；该入口仍未返回可用文章数据。因此，本期只能确认已返回账号列表中的文章，无法据此判断晚点 Late 在本窗口是否另有合口径新文。
- 本文只整理晚点 LatePost 原文披露的融资、场景、技术路线和采访判断。融资用途、研发开支、供应链细节，以及 2028 年家庭产品能否实现，仍以原文后续披露和现场结果为准。
References
- 1晚点独家丨Sharpa 首次披露超 45 亿融资，李一帆：不为机器人创造就业机会
mp.weixin.qq.com
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.