Sharpa 由禾赛科技 CEO 李一帆、 CTO 向少卿、首席科学家孙恺 2024 年底创立，开发专注于灵巧操作的通用机器人及零部件。

联合创始人李一帆说他作为连续创业者，从未见过钱如此多、人才如此密集、关注如此高但没有明确标准的行业。他认为，机器人行业市场会是汽车的 10 倍，但集中度远高于汽车，全球最后也许只剩 5 家，有做成苹果这类超大公司的机会——这是他在这份创业中最大的新知。

另一区别是，在激光雷达行业，真实收入、真实利润是重要衡量标准。到具身行业，客户愿意付费也许是因为不清楚机器人到底能做什么。创业者要克制，分清短期收入和长期有效的商业落地场景。

Sharpa 的逻辑是先 “做穿” 几个真实落地场景，在 “赛道” 上积累泛化能力和真实数据，2028 年起逐步进入家庭。真实场景要达到三项条件：不为机器人专门改造环境、全程由机器人自主操作、完成包括多个步骤的复杂任务。

“杀鸡不要用牛刀，不要为机器人创造就业机会，对吧？用 70 多个自由度的机器人干自动化机械臂就能干的事，那不可能算得过来账。” 他们第一个选定的场景是让机器人在 DQ 门店中做一杯暴风雪冰淇淋，包括点单、操作冰淇淋机和搅拌机、打开盖子加小料等 55 个步骤，花了几个月训练。下一步，Sharpa 会扩展到其他商业场景。李一帆说，泛化时间接下来会大幅缩短。

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。但李一帆说，创业十几年，拉长周期看，一家创业公司、一个行业最终还是要评估生产力、收入和利润，回归商业常识。以下是我们和李一帆的对话：

晚点：机器人在 DQ 门店制作暴风雪冰淇淋，为什么这是你们认为最适合的落地场景？

李一帆：举个最简单的例子，那天我遇到一个咖啡机器人，但咖啡是自动咖啡机做的，机器人的工作是用机械手臂递咖啡。咖啡机故意放的有点远，因为放近点，人自己就拿了。这就很离谱，没有任何商业价值。

我们要创造机器人的就业机会，不是为机器人特意制造机会。杀鸡不要用牛刀对吧？真实落地场景有三个条件：

晚点：有多绝对不能改造环境？比如那间 DQ 门店里，任何东西都不需要为机器人单独设置吗？

李一帆：标准是店员走了，机器人进来就能干活，或者看一看、练一练就能干活。这是很重要的机器人有生产力的标志。DQ 店里的杯子、小料基本有固定的摆放位置，勺子什么的肯定是像人一样从桶里抽。

晚点：先改造环境适配机器人，可以作为机器人通用化的其中一步吗？还是从始至终都不要这样做？

李一帆：也有可能是对的，但我们不准备干这事。因为这些能力和数据也可能没法泛化，或者做了半天还是搞不过自动化。

晚点：机器人做一杯冰淇淋需要多久？

李一帆：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。现在是先打个样，它以后可以上菜、加各种小料、做不同的冰淇淋。

晚点：你们花了多长时间训练做冰淇淋这个场景，到下个场景会更快吗？

李一帆：时间上花了不到五个月做综合训练。如果你问复制到下个场景的小时数，现在还不知道。但我们之所以选这样一个技术泛化 + 商业泛化的场景，就是出于这个原因：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。做冰淇淋在厨房设备上有 55 个操作步骤，那在做汉堡上能有多少被复用？应该不少。

如果为了机器人改造环境，第二个场景的训练时间不可能缩短太多；如果只用机器人递咖啡，肯定能复制到 100 个店，但没意义。

晚点：机器人今天的生产力和成本算下来，比工厂里的工人贵多了。

李一帆：第一，可靠性长期会越来越好，要对中国电动车带领下的供应链能力有信心。第二，机器人成本肯定也会下降，大概率不会降到 1 万块，但 10 万块是有可能的。如果 70 个自由度的人形机器人做 2、3 个自由度的机械臂就能做的操作，做得再好，也不可能算得过来账。这更像自动化设备该解决的问题。

晚点：这是明显的非共识吗？不要和自动化设备竞争，听起来逻辑不复杂。

李一帆：我说完后，有人会觉得自己被伤害了。那这算非共识吗？还是有的。

晚点：你之前有一个 “暴论”，具身公司找商业落地，大多时候是拿着锤子找钉子。

李一帆：这不丢人。像我这样的古典创业者有条金科玉律，付费需求才是真需求。但在 AI 时代，客户的需求很清楚——替代人力，但他不一定知道机器人能做什么，他只是看新闻、视频说通用机器人什么都能干，各行各业都会找你。

比如一家以羊绒著称的国际品牌，说你们触觉这么厉害，能不能帮我们检测羊绒质量？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。那创业者要非常非常小心，认真了解完需求，明白不可能做到，就要忍住不接订单。因为这个 PMF （Product Market Fit）不成立，第一让客户失望、浪费别人的时间和钱；第二，万一你特别有责任心，会花无限时间去解决工程化的问题，而不是 AI 的问题。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。

晚点：因为创业者通常高估自己的能力，还是迫切地想要商业化落地？

李一帆：高估自己的能力也正常，对吧？自动驾驶行业很长一段时间都高估自己，机器人行业也有可能。也可能是觉得客户一定是对的，既然愿意付费，那我就做。换句话说，总得找个事干。

我们对落地场景的标准比较严：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。等努力地否定完自己、确定想清楚了，才会去做。但典型的初创公司可能 10 个理由里有一个成立，就先跑起来再说。

晚点：今天的初创公司有大把钱、大把资源，两者的核心区别是什么？太谨慎也可能抓不住机会，尤其是在 AI 时代。

李一帆：可能是我们这种 “老登” 更有敬畏之心。我大概看过或朋友经历过 100 种失败原因，所以比较谨慎。初创公司天然无畏。这没有对错，只是我觉得做过大量市场调研、充分思考、有够强的底层能力才会找到足够完善的事。

第一这件事听起来光鲜，但最好是第一个做成的，而不是第一个去做的，特斯拉也不是第一个造电动车的。对 Sharpa 来说， 2028 年起，我们希望能看到进家庭的雏形，大概率也做不到 5000 美金一台，那是我们的愿景。

晚点：一些机器人公司最终目标也是进家庭，但他们不是先去其他相对简单的场景，而是给机器人配一个家政、一个工程师，直接进真实家庭训练。

李一帆：家庭是一个极其复杂、不可控的环境。如果在商业场景里面还没做好，没有必要进家庭。再退一步，如果在自己训练室还没做好，没有必要去商业场景。所以其实我们觉得，最终一定要进家庭，但是先在自己公司和工厂的可控环境把它训练好，是更合理的路径，也更高效。

晚点：最开始我觉得 2028 年起进家庭比其他公司要晚，现在觉得以目前具身的水平看，这个目标也挺乐观。

李一帆：如果我们连做冰淇淋的商业场景都做不穿，能去得了家庭吗？第一，进家庭得有明确的工作能力，不能说接个语言模型和人对话，哪怕只能做 5 件事，也要做得足够好、几乎永不犯错。第二，几万块钱的东西卖给消费者，只能干 5 件事，他能接受吗？肯定要能干越来越多的事，要做到能力泛化。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。

晚点：到 2028 年就能解决吗？

李一帆：我还是那句话，管理好期望值。它不会是全能的，但最终靠软件升级越来越全能。在 “killer app” 上会做得特别好，既有娱乐性，也能解决问题。比如一个机器人能帮我把快递拆开、包装扔掉、东西整理好，我觉得是还不错的功能。

晚点：如果花几万块钱买机器人，大部分人宁愿自己拆快递吧。

李一帆：如果一上来就让机器人干的事值回票价，那它做不到。但它会慢慢做更多的事，比如叠被子、洗厕所、收拾桌子、甚至做饭，你就想家政人员能做什么，我们一项项解决嘛。

晚点：你第一份创业做禾赛科技找融资，年轻气盛，曾见了上百个投资人但大多被拒绝。第二份创业做机器人，你是连续创业者，Sharpa 变成了融资热门。还会遇到什么怀疑吗？

李一帆：有人会说，做机器人大脑和机器人是两件完全不同的事，他们喜欢做大模型的人。也能理解，更看大家对产业终局形态的判断。

晚点：还有一个疑问是 Sharpa 能做好灵巧手、硬件能力强，但不代表能做好机器人。

李一帆：能理解，但这个说法有点片面。我们一开始就计划做全栈，硬件、数据和 AI 同时开发、互相迭代。因为最优的硬件不是把硬件工程师逼疯，而是用模型和数据去定义机器人架构，就像马斯克说 Software Defined Vehicle。

手、尤其是有完整自由度的灵巧手才是机器人获取信息最独特的渠道。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。机器人也是一样，视觉数据能帮它理解和预测世界，但要真正与世界交互、完成精细操作，还需要触觉、力觉和本体感觉等真实交互信息。

晚点：Sharpa 是全栈自研吗？你们做什么、不做什么？

李一帆：我们以全栈自研的方式看待这件事。能买的就不自己做，只做机器人进化关键路径和差异化的东西。

就像把大象关进冰箱要分几步，分三步。理解指令的语言大模型没必要自己做，但是所有和运动控制相关的、世界模型相关的要自己做，比如怎么打开冰箱、使多大的力。

拆开来看，在模型上， 今天预训练比较好的办法是世界模型，它要解决泛化的问题，杯子抓住了和摔到地上都是有效数据。视频只能看到轨迹，不能学习发力。我们认为，机器人的预训练世界模型应该是全模态的，这部分需要自己做。

后训练自己做，要保证用户体验、拿到大量数据，再反哺预训练，提高世界模型的泛化能力。今年我们会办 Tech  Day，到时会把模型怎么做的讲清楚，能确定的是我们从一个场景扩散到很多场景的泛化会大幅加速。

晚点：那讲讲数据。数据的卡点怎么解决？

李一帆：现在各种数据都有， Egocentric 数据、遥操、视频数据都有。我们下一步不会直接进家庭的原因是有效数据量还不够大。有效数据不是雇多少人工去采集数据，而是真实场景中机器人遇到 edge case（极端情况）、解决问题回流的数据，质量差别很大。而且如果选对场景，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。

所以我们做冰淇淋做到各个环节泛化后，数据质量就会高很多，再继续做汉堡或其他餐饮、酒店、零售，都是在获取高质量的、最终进家庭的数据。

晚点：你经历过新能源汽车行业兴起、波动，看过一大批创业公司从生到死。长期来看，通用机器人行业会有什么相似、什么不同？

李一帆：通用机器人产业会比汽车大 5 到 10 倍，也许倍数不一定，但它一定不只是自动化的升级。这也会是一个极其罕见的集中产业。我原来以为机器人要做 100 个品类，是分散市场，后来新的认知是大多数人需要的是同一个机器人，接近苹果的逻辑——只要一台机器的体验够好，不太会有形态的个性化需求，就像几乎所有电脑需要同一类键盘。并且会有层层护城河：用的人越多，机器人会获得越多数据、泛化能力越强、效率越高、生态合作伙伴越多。

汽车全球可能一百多个玩家，手机几十个玩家，但通用机器人不会超过 5 个玩家。你愿不愿意成为其中一份子？当然。但它不会像数字 AI 那样一下子到 “GPT moment”，GPT moment 是所有事都可以试，Coding moment 是在相对高价值、市场可观的领域找到了大场景。我们期待具身行业会有 Coding moment，餐饮服务可能是一个。

晚点：为什么是 Coding moment？

李一帆：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，你得自己做本体、有大量数据、做整机产品、解决场景落地。就是为了做好大脑也要关心数据、关心模型在本体的表现，这就不是纯大脑的生意了。

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。

这是我昨天晚上 11 点多用 AI 做的图，三级火箭的最底层是基础设施、中间是 AI 模型，顶层是应用。Physical AI 的问题是基础设施远远弱于 Digital AI，这时只关心第二级模型没用。物理 AI 最终的赢家一定是巨无霸。

晚点：谁最接近这样的公司？

李一帆：特斯拉应该挺不错。但不代表我觉得特斯拉的灵巧手比 Sharpa 好，因为我们也没试过，只是基于视频。

晚点：现在中国具身创业公司不只 300 家，什么时候会看到大批机器人公司死掉？

李一帆：我没花太多时间想这事，我想的是我别被淘汰。有可能大家谁都到不了终点，也有可能跑着跑着被更大的公司收割了。今天还远远不到竞争时，大家应该想资本、人才、战略上要做哪些长周期的准备。

你要问我直觉，机器人创业公司确实比我想的多。只是大家都离做出真正的好产品还很远，更多是在竞争注意力。不如先想我们会不会最终连一个超越自动化设备的机器人都做不出来？

晚点：这挺残酷的。你的意思是，这不是谁死谁活的问题，如果大家做不好，全部都会死。

李一帆：机器人行业和汽车很不一样，汽车是确定需求，中国每年 2000 多万辆汽车销量，最终有人能卖出去。但机器人如果没有正向经济效益、只有情绪价值，市场会非常非常小。

晚点：机器人行业有几类玩家，从车企智能化转型、大模型厂商转型的，还有硬件制造商转型的。如果最后只能剩 5 家，谁会更有优势？

李一帆：那我再说个暴论。成功最终只有一个模式，大家都会趋同，团队基因不同，只是从山脚不同地方出发，但要爬的是同一座大山。那在同个维度的竞争中，看谁能把全栈能力跑通。最早也有很多人说我只做大脑、不碰硬件，现在大家陆续也都做了，因为没办法不做。这是缺什么补什么的过程，最好大家能明白自己缺什么和怎么补。