重新认识 Sharpa：菜农、AGI 信徒和夏尔巴人

220亿估值背后，Sharpa 到底在讲什么故事？

作者丨高景辉

编辑丨董子博

在喜马拉雅山上，有一群“天生的攀登者”，世代游走于群山之间，即使是外人眼中无比险峻的珠峰，对他们来说登上去也如同家常便饭。他们，就是珠峰挑战者们常说的“夏尔巴人（Sherpa）”。

地图的另一侧，一位创业者借用夏尔巴人这一文化符号，把新创立的公司命名为“Sharpa”，从灵巧手赛道切入具身智能领域。不到两年的时间里，Sharpa 已成为具身智能圈子里无人不知的明星公司，估值高达 220 亿元。

Sharpa 在灵巧手赛道是什么样的存在呢？不久前我们在 WRC 上走访时，就在多家灵巧手展台上看到了 Sharpa 的影子，甚至有品牌这样介绍自家的灵巧手：“我们产品的性能和 Sharpa 不相上下，但价格只有它的三分之一。”

就连 Sharpa 创始人李一帆在和我们交流中，也丝毫不掩饰对过去工作的自豪：“Sharpa 影响了很多行业决策，无论是当年的直驱还是现在的触觉，灵巧手行业在 Sharpa 出现之前和之后，大家看到的是一个不一样的世界。”

不过，即使登上了灵巧手行业的巅峰，Sharpa 的野心也并未止步，于今年相继推出了轮式双臂本体和灵巧操作基座模型 CraftNet，从零部件走向全栈。

今年8月，Sharpa 更是和 DQ 联动，开了家全程由机器人自主操作的冰淇淋店，让机器人独立完成从制作到交付的55步连续复杂任务。 从实地探店的结果看，Sharpa 的真实场景落地进度，并不落后于一些头部具身公司。

但随着 Sharpa 的能力边界扩张，一个重要的问题也浮出水面：做零部件和做全栈的估值逻辑并不相同，业务扩张意味着供应商的身份不再纯粹，C端落地更是要面临无数双眼睛轮番审视。这些变化传达到战略层面，必然需要新的叙事逻辑加以支撑。

那么，撑起 Sharpa 220亿估值的，究竟是怎样的故事？

01

讲落地：不做“雕花”的大厨，

做“种菜”的农人

很多人第一次认识 Sharpa，是因为那几个出圈的 demo。

年初 CES 上，Sharpa 的灵巧手完成抓牌、切牌、发牌等一系列动作，直观展示了微小力控与滑移预测能力；打乒乓球，又展示了整套系统响应与仿真能力；还有含金量最高的折风车，就连联合国秘书长看完都不敢相信这是现阶段机器人能做到的事。

但和行业内所有的 demo 一样，无论效果做得多好，都会面临“炫技”的质疑，甚至还有人把 demo 演示比喻为“雕花”——食材还是那个食材，只是外观变好看了，本质上没有两样。

有意思的是，Sharpa 并不回避“雕花”这个说法。李一帆直言，在商业化机会尚未出现的时间段里，雕花未必是贬义，只要能验证相关的能力就是件好事，说是追求极致也不为过，就像机器人运动会上那些追求“更快更高更强”的机器人一样。

但同时他也清醒地认识到，“雕花”不可持续，一是因为雕花的人越来越多了，观众逐渐已经审美疲劳；二是“雕花”不直接产生经济价值，相比雕花更应该“种菜”，也就是把能力应用在实际的生产活动中，即人们常说的落地。

而 Sharpa 把机器人送进 DQ 门店“打工”，就属于一种“种菜”。通过复盘我们发现，Sharpa 的场景选择非常巧妙，因为它满足了具身智能落地最重要的三个要求：

第一，场景要够难，够难才能“向下兼容”。 Sharpa 制作一杯暴风雪冰淇淋乍一看每一步都没那么难，但将所有55个步骤堆成一个长程任务，难度变陡增几个数量级。任何⼀步的微⼩偏差都可能沿任务链累积，最终造成整杯制作失败。

一旦这个高难度的场景尝试成功了，机器人就至少掌握了七八个工具的用法，再迁移到做汉堡、烤披萨等简单的餐饮制作便手到擒来。这和一些灵巧手厂商一上来就做高自由度灵巧手的逻辑是一致的：向下兼容很容易，向上追赶很难。

第二，要挣得来钱，至少期望上可以。如果把“挣钱”定义为跑通 ROI，那么当下任何一家具身企业都是做不到的，毕竟跑通 ROI 是他们的终极目标之一。但“终局”不能成为逃避“算账”的理由，至少给出一个“进度条”：成本降到多低、速度提到多快才能算明白账？如果算不明白，进度条可能卡在哪一步？

从AI科技评论现场探店的结果看，Sharpa 工作的门店只能说是有收入，离真正挣钱还有一定距离。现场的工作人员坦诚地告诉我们，Sharpa 现在制作冰淇淋的速度是有点慢，但没有慢到不能接受的地步，大概是人工50%的速度。平心而论，作为一个刚开始落地的项目，这个起点已经不低了。

Sharpa 创始人李一帆对此则很有信心：“从 50% 提升到100%所需的时间，不会像大家以为的这么长。你看运动会上的机器人去年跑多慢、今年跑多快？技术过了临界点后加速是很快的。”

至于第三个要求，就是技术够硬，硬到可以成为变量。如果没有这个变量，就无法回答两个关键问题：为什么以前没法落地，现在可以了？为什么能成功落地的不是别人，而是你们？

触觉，就是这个变量。 李一帆告诉我们：“触觉在灵巧操作中的重要性还是被低估了。从汽车行业过来你就知道，最早按键调音量多方便，现在换了大屏反而要盯着屏幕找，这就是触觉的作用。再比如拿杯子这件事，用视觉判断有没有滑其实是很慢的，但触觉一摸就知道使多大力能维持它不掉。”

从 Sharpa 制作冰淇淋的过程中就能发现，确实很多地方离不开触觉。比如拿起纸杯的步骤，考虑到纸杯的柔软度，没有触觉很容易用力过猛导致纸杯变形；还有暴风雪的标志性“倒杯不撒”动作，也需要恰到好处的力度防止杯子滑落。相关技术人员表示，整个制作流程中98%的步骤都需要用到触觉，背后是 Sharpa 长期的技术积累。

至此，Sharpa 的落地叙事已十分圆满——用差异化的优势，做有挑战性的事，再给出确定性的解法。

02

讲通用：能力不完全，

等于完全没能力

落地的故事在具身行业并不新鲜，新鲜的是落地的方式。

行业的现实是，为了跑通第一个商业化项目，有些公司会在通用性上妥协：改造环境、限定工种、为机器人量身定制货架和工具。这种妥协无可指摘，毕竟先活下来才有资格谈理想。

然而，这 种模式有一个 隐性代价：做完一个项目后，他们得到的只是一台昂贵的专用设备，而不是一项通用技术。这与具身智能的初衷背道而驰，又回到工业机器人的逻辑。

因此，Sharpa 选择不妥协，而且为了约束自身的边界，给自己立了三条相当苛刻的条件：

第一，严格按原店员的方式工作，绝不改造环境。 把手改一改、勺子换一换、家具挪一挪，当然更容易跑通，但用李一帆的话说，这就像做自动驾驶的去改造道路，是不合理的，不改造当然更难，但因为难才有价值。

第二，场景必须做穿。 以冰淇淋店为例，哪怕55道工序中机器人做50步也不行，因为剩下的5步依然需要人守着，表面上节约了店员80%的时间——“你只是让那个人轻松了一点，但代价是制造了一个机器人的专属岗位”，李一帆强调，做机器人就要让机器人适应人类环境，而不是人类给机器人创造额外岗位。

第三，做自动化做不了的事。 简单重复工作的最大敌人不是人工，而是自动化。一套70多个自由度的系统去做简单的活，未必干得过两三个自由度、带夹爪的专用机械臂。

从三条边界可以看出，在 Sharpa 的定义里，机器人能力不完全，就等于完全没能力；既然决定要做通用，就把泛化能力做到极致，不能有任何让步。

实际上，在不妥协之外，还有一层隐性要求：高可靠度。Sharpa 内部有一个可靠性排序：视频 demo 的要求最低，现场演示高一级，开店再高一级，最高级是卖给家庭用户的消费品，因为消费品不是一锤子买卖，在用户日常使用过程中，产品要经受时间的考验。

其实，通用这件事，本身就是要经受时间考验的，因为这是一件短时间内既无法证实又无法证伪的事，没有人知道要三年、五年还是十年才能迎来这一天，亦或永远都不会来。这就带来了一个问题，在这种巨大的不确定性面前，靠什么维持队伍走下去不散呢？

很多创始人告诉我们的答案都是“信仰”，Sharpa 也不例外。这一点倒毋庸置疑，如果他们不信，就不会选择二次创业，也不会在 Day1 就选择做高自由度灵巧手。但问题是，其他的员工呢？

Sharpa 内部人士向AI科技评论透露，他们会从招聘环节就开始铺垫，筛选出那些有兴趣和有信仰的人——要么不计成败，享受做这件事的过程；要么矢志不渝，坚信通用这件事能成。当一家公司的人有了同一个目标，其效率就会有肉眼可见的提升。

讲到这里我们会发现，Sharpa 的“通用”故事不只是讲给外人听的，他们从上到下都愿意相信自己讲的故事，都是“AGI信徒”，这在具身智能行业并不常见。

也正因如此，这套叙事的可信度变得更高了。

03

讲定位：不与人竞争，

而是像珠峰向导一样帮助人

除了如何落地、做不做通用这些问题，所有具身智能公司都面临着另一个“灵魂拷问”：机器人和人，到底是一种怎样的关系？就拿 Sharpa 来说，店员眼里的它应该是工具、同事还是竞争对手？

这个问题乍一看很难回答，但其实从 Sharpa 这个名字诞生起就有了答案。

就像本文开头说的那样，Sharpa 这个名字是李一帆亲自起的，源于夏尔巴人。李一帆说：“夏尔巴人天天上珠峰根本就不是个事，朋友圈都不屑于发，但他们选择了帮助你，帮你扛东西，这样你可以更轻松、更自由地爬山，有更多时间享受生活。”

Sharpa 对机器人的定位，就是夏尔巴人这样的角色，他们想让机器人能够帮助人，干人们不想干的事，不希望机器人与人类竞争，而是希望机器人把人类从重复、繁重和高强度的工作中解放出来，让人们把时间投入到更有创造力和更有意义的事情上。

举例来说，很多店铺是24小时营业的，从凌晨到清晨的6、7个小时里，能卖出的商品相对较少，但依旧需要人“值夜班”驻守，同时完成进货、上货。但有了机器人，他们就不必过昼夜颠倒的生活。

世界上比夜班员工更辛苦、更危险的岗位还有很多，矿工、消防员、化工厂工人……如果这些工种可以由机器人替代，其中的价值恐怕都无法用商业标准衡量。

李一帆并不怕把这个故事讲得更大，他还提出了一种设想：具身智能的终局可能不是互联网级别的技术，而是像电力、公路一样改变一切的基础设施。如果这个设想成立，那么今天所有关于"哪个场景先跑通""哪家手更灵活"的争夺，可能都只是基础设施铺设期的序章。

所以，那些押注 Sharpa 的人，看到的可能不只是一个明星团队，一款国内最好的灵巧手，一个惊艳的 demo，更是一个精彩的故事本身。

只不过，Sharpa 未来能如李一帆所说，坚持目前的方向，一步步把故事化为现实吗？我不知道，但等到 Sharpa 真的像夏尔巴人一样，帮助人们登上珠峰的那一天，或许就能有一个更清晰的答案。

上车，带你看遍全球 AI 顶会精华

可独家畅览：

专家演讲PPT

大会报告全文

热门论文解读

学术新星访谈

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。