45 亿融资之外,Sharpa 真正值钱的是那句"电话亭":零改造落地标准的第一次定价
Sharpa 首次披露累计融资超 45 亿、投后估值 220 亿,但真正值得抄的不是金额,是它给自己定的三条落地标准:不为机器人改造环境、任务全程独立完成、任务本身有商业价值。这三条把"表演到底算不算落地"这个含混问题,第一次变成了可分级的题。
- 融资口径:上海大裂谷智能(Sharpa)2024 年底成立,首次披露累计融资超 45 亿元、投后估值 220 亿元;投资方含阿里巴巴、美团、腾讯、京东、传音及红杉中国、启明创投、美团龙珠、光合创投。首次公开披露时间 2026-09-07。
- 团队来源:CEO 李一帆、CTO 向少卿、首席科学家孙恺,三人同为激光雷达公司禾赛科技的联合创始人,属集体二次创业;公司员工规模超 100 人。
- 首个验证场景:上海吴江路 DQ 门店,机器人从点单到交付全流程独立完成,55 个步骤,"倒杯不洒";8 月 25 日开放预约首批名额不到一天抢空,8 月 29 日开业,开业三天累计在岗 36 小时。
- 产品三层:底层 Wave 五指灵巧手(22 个可活动关节,单价数万美元)、中间 North 整机(67 自由度)、上层 CraftNet 模型;应用端指向餐饮、酒店、零售、制造,2028 年起探索家庭市场。
- 供给侧的硬数字:2026 年 3 月禾赛开始向 Sharpa 供应激光雷达与机器人执行器,6 月底执行器专线累计交付超 1 万套;7 月底双方年度关联交易上限由 1 亿元提高到 3 亿元。
- 反常识点:Counterpoint 数据显示 2026 上半年全球人形机器人出货增长接近 300%,但主力需求仍集中在表演、数据采集和科研,制造、物流、商业服务仍在验证期。
45 亿与 220 亿:一家不到两年的公司
上海大裂谷智能科技有限公司(Sharpa)成立于 **2024 年底**,到 2026 年 9 月首次对外披露融资时,公司成立不到两年。一次性公布的数字是:累计融资超 **45 亿元人民币**,投后估值 **220 亿元**。
股东名单是这轮融资被反复转述的原因:产业资本一侧是**阿里巴巴、美团、腾讯、京东、传音**;财务投资人一侧是**红杉中国、启明创投、美团龙珠、光合创投**。一家具身智能公司同时集齐四家互联网平台,此前少见。
团队构成解释了为什么资本愿意在同一轮里同时下注。CEO 李一帆、CTO 向少卿、首席科学家孙恺,三人是禾赛科技的联合创始人——那家公司把激光雷达从几万美元一台做到了千元级并实现百万级出货。禾赛 2025 年的经营数据提供了一个可核查的参照:激光雷达出货 **162.04 万台**,同比增长 **222.9%**;营收 **30.28 亿元**,GAAP 净利润 **4.36 亿元**;随着 ADAS 产品占比提高,平均售价从 2024 年的约 **530 美元**降至 2025 年的约 **260 美元**,全年毛利率仍有 **41.8%**。
这套能力正在被直接搬过来:**2026 年 3 月**,禾赛开始向 Sharpa 供应激光雷达、机器人执行器,并提供装配、测试和交付支持;到 **6 月底**,禾赛机器人执行器专线累计交付已超 **1 万套**,并计划从灵巧手延伸至全身关节;**7 月底**,双方年度关联交易上限由 **1 亿元提高到 3 亿元**。
"不为机器人改造环境"是一条很贵的线
钱之外,这份材料里更值得拆的是 Sharpa 给自己定的落地标准——三条,缺一不可:**不为机器人改造环境、任务全程独立完成、任务本身复杂且有实际商业价值**。
第一条最难。李一帆把常见的做法比作"电话亭":因为手机还不够好用,就在城市里到处修电话亭。这样的项目当然能跑起来,也可能解决某个具体问题,但机器人学到的能力很难离开那套特制环境。
对照到 DQ 门店这个首个验证场景:位于上海吴江路,机器人独立完成从点单、制作到交付的全流程,**55 个步骤**,用的是 DQ 品牌全球统一标准的设备、原料和操作规范,出餐标准做到"倒杯不洒"。门店 **8 月 25 日**开放预约通道,首批名额不到一天被抢空;**8 月 29 日**正式开业;**开业三天累计在岗 36 小时**。
改环境("修电话亭"):调整工作台高度、换成机器人专用夹具、重排物料位置、加装定位标记。项目能验收,但能力不迁移,换一家店要重做一遍。
不改环境(Sharpa 口径):沿用门店原设备与原操作规范,机器人去适配人的流程。能力可迁移,但每个新场景的前期工程投入显著更高、失败风险更早暴露。
Wave、North、CraftNet:一只手能撑起多大估值
产品结构分三层:底层是五指灵巧手 **Sharpa Wave**(**22 个可活动关节**,单价数万美元),中间是通用人形机器人 **North**(**67 自由度**),上层是 **CraftNet** 模型;应用端指向餐饮、酒店、零售和制造。
这个结构解释了 220 亿估值到底买了什么——不是一只手的硬件价值,而是"灵巧手—本体—操作大脑"垂直打通的可能性。李一帆的表述是:物理 AI 赛道的最终赢家需要同时掌握硬件、数据、模型和整机四种能力。
时间表上,Sharpa 的选择是先从商业场景积累操作能力和真实数据,**从 2028 年起**逐步探索家庭市场。
增长 300%,但主力需求仍在表演与数采
这批材料里最该被中国从业者划重点的,是 Counterpoint 的口径:**2026 年上半年全球人形机器人出货增长接近 300%**,但**主力需求仍集中在表演、数据采集和科研**,制造、物流、商业服务仍在验证期。
这句话同时确认了两件事。第一,行业规模确实在快速扩大,不是虚火。第二,真正付钱的场景,目前仍然是"让人看见"和"产出数据",而不是"替代产线上的岗位"。
| 需求类型 | Counterpoint 口径下的状态 | 对交付方的含义 |
|---|---|---|
| 表演 / 演绎 | 主力需求 | 现金流最可靠的入口,但单项目毛利随竞争者进入快速下行 |
| 数据采集 | 主力需求 | 卖的是"数据产出能力",考验采集规范与标注一致性 |
| 科研 / 教育 | 主力需求 | 预算来自课题与专项,周期性明显,回款节奏不同于商业客户 |
| 制造 | 验证期 | 要求零改造与产线节拍对齐,Sharpa 三条标准正是为这一档准备 |
| 物流 | 验证期 | 与既有 AMR/分拣自动化竞争,需证明增量价值而非替代已有设备 |
| 商业服务 | 验证期 | 客单价低、场景碎,D Q 这类单点是少数能承担前期投入的形态 |