人形机器人，去冰淇淋店打工了

上海吴江路的DQ门店里，一台轮式人形机器人正慢悠悠地做冰淇淋：取杯、加料、搅拌，6分钟出一杯。旁边的熟练店员，2到3分钟就能搞定。

放在两年前，这画面只配出现在展会的围挡里。现在，它就站在消费者面前，还宣布背后公司刚融了超45亿元。

这不是孤立事件。同一周，小鹏机器人完成超9亿美元首轮融资，IDG资本领投，腾讯、阿里跟注；欧洲首座人形机器人量产基地在塞尔维亚投产。钱、产能、场景，三条线在同一时间收紧——人形机器人这场仗，正式从PPT打到了门店。

🍦 一杯冰淇淋，为什么值得做6分钟

先看这件事的主角。

8月28日上午，上海市吴江路一家DQ冰淇淋店的操作台前，轮式人形机器人「North」开始接单。这台机器人由总部位于新加坡的AI机器人创业公司Sharpa研发——Sharpa成立于2024年底，创始阵容相当豪华：激光雷达供应商禾赛科技CEO李一帆、联合创始人兼CTO向少卿、首席科学家孙恺，三位禾赛联合创始人集体下场做机器人。同一时间，Sharpa宣布完成超45亿元人民币融资。

有意思的是，李一帆明确说了：选冰淇淋场景，不是因为冰淇淋好做，而是因为它不好做。

Sharpa有意挑了加料、搅拌和「倒杯不洒」这类复杂任务。原因很工程化：

• 纸杯是软的，会发生形变，抓取力度得实时调；
• 冰淇淋的温度和黏度会随设备运行状态变化，同一个动作不同时段结果不一样；
• 前一个动作产生的误差会传导到后续环节，形成误差累积。

机器人必须结合视觉、触觉和力反馈来动态调整动作。这套能力一旦跑通，迁移到其他餐饮产品上就是降维打击。

而6分钟对2-3分钟的效率差距，李一帆显然心里有数——这第一阶段的任务不是拼效率，是在不改造门店设备和流程的前提下，先跑通完整闭环。慢没关系，能一直跑、不砸杯，才是第一优先级。

💰 钱从哪来，往哪去

一个冰淇淋店打工机器人，背后站着45亿元融资。这不是最夸张的。

翻开8月22日至28日这一周的融资数据：国内统计口径内共发生136起投融资事件，已披露融资总额合计约161.50亿元。其中先进制造披露的融资总额最多，约66.25亿元；而具身智能、AI行业应用、半导体设备等细分赛道，是本周投资人集中追捧的方向。

单笔最大的，是小鹏机器人——完成由IDG资本领投、高榕创投、腾讯、阿里巴巴参投的超9亿美元首轮融资，直接刷新本周纪录。

从轮次看，市场结构很能说明问题：种子天使轮49起，占比约36%；A轮36起，占比超26%。但金额上A轮以约82.15亿元高居第一。翻译一下：入场的人越来越多了，而头部玩家单笔吸金能力也越来越猛——这个行业正在同时完成「扩容」和「头部集中」两件事。

据多位接近投资机构的人士透露，现在具身智能项目的尽调重点已经从「团队履历」转向「场景数据」——有没有真实环境跑起来的机器、攒了多少操作数据，比论文和Demo值钱得多。这也解释了为什么Sharpa愿意把机器人放到冰淇淋店里天天挨消费者的眼光检阅。

🏭 量产这事，欧洲已经动手了

场景在跑，产能也没闲着。

当地时间8月29日，塞尔维亚首座机器人工厂在该国西部城市沙巴茨正式投产。这座由中塞联合建设的工厂，还有一个更重要的头衔——欧洲首座人形机器人量产基地。

几个关键数字：一期投资额2000万欧元，占地约3000平方米，主要开展人形机器人和机器狗的组装、运动及视觉系统校准和性能测试。按照规划，后续将在塞尔维亚建设机器人产业园，计划总投资额约2亿欧元，全部建成后年产能预计最高可达2万台，产品面向欧洲及全球市场。

注意投产次序：相关机器人将首先应用于工业生产，再逐步拓展至教育、公共服务等领域。

这个路径选择很务实。工业场景对机器人外形的美观度要求低、任务重复性高、回报容易核算，是天然的量产爬坡场。等产能和可靠性在工厂里磨出来，再去碰面向消费者的复杂场景，风险可控得多。

从这里也能看出整个行业的分工正在细化：有人在建产能（塞尔维亚工厂），有人在磨操作（Sharpa的冰淇淋店），有人在攒数据（各家门店里的真机运行），三条线最终会在「规模化商业部署」这个点上会师。

📈 零售餐饮，凭什么成了兵家必争之地

再看一个正在发生的集体动作——零售和餐饮，正在成为机器人公司集中试水的场景。

为什么大家不约而同往店里扎？具身智能、机器人行业资深从业者冯源点得很透：

与复杂的工厂装配任务相比，零售场景通常物料种类较少、流程更容易限定，单店投入、运营成本和回收周期相对容易计算。另外还有一层容易被忽略的账——机器人门店本身具有吸引客流的作用，相当于机器人一边干活一边帮店里做营销，商业模型里多了一项隐形收入。

但李一帆强调的另一点更本质：机器人走进冰淇淋店，不只是验证产品，也是在获取真实环境中的操作数据。机器人在实际工作中产生的失败、纠错等数据，难以仅通过仿真或观看人类操作获得。在实际场景中，机器人根据失败结果反推抓取、加料或搅拌环节出现的偏差，这类数据可继续用于模型训练。

换句话说，那杯6分钟的冰淇淋，本质上是一份付费的数据采集任务单——只不过这次是门店出场地，机器人出劳动力，投资人的钱出学费。

⚠️ Demo很热闹，商业化隔着三道坎

热闹归热闹，行业里的人反而更冷静。

冯源的判断很直接：这类项目能否从展示走向长期运营，取决于三个问题——机器人能否持续运行、门店是否愿意扩大部署、以及项目在新鲜感消退后是否仍具备经济价值。

三个问题翻译成工程师语言，就是三道坎：

第一道坎：稳定性。 展会上演一天和门店跑一年是两个物种。冰淇淋的温度黏度变化、纸杯形变、误差累积，每一项都是长期运行中的故障源。真机在门店里断一次电、卡一次料，社交平台上的口碑反噬比广告费贵得多。

第二道坎：效率。 6分钟对2-3分钟，目前机器人只是「能干」，还不是「好用」。门店的最终判断标准，是机器人能否以可接受的速度和成本，长期、稳定地完成任务。效率上不去，排队的消费者先流失。

第三道坎：成本。 单店投入、运营成本和回收周期是门店老板最关心的算术题。新鲜感是消耗品，客流红利退潮之后，机器人留下的必须是一笔算得过来的账。

李一帆给出的解法是把场景「做穿」：完整跑通整套系统，并具备进一步扩大部署规模的能力。这也是为什么Sharpa不选「倒一杯水」这种简单演示任务，而是死磕「倒杯不洒」——把最难的操作能力在真实环境里磨透，其他场景都是顺手的迁移。

据多位接近行业的人士私下说，现在头部公司内部评估门店项目，看的不是社交媒体声量，而是两个冷冰冰的指标：无故障连续运行时长，和单店模型的回本周期。谁的曲线先爬过线，谁才有资格谈规模化。

结语：从展会围挡里走出来的这一步

把这一周发生的事连起来看，画面其实很清晰：

场景验证、数据积累、产能建设，三条线同步推进，人形机器人正在同时回答三个问题：能不能干活、钱从哪来、货从哪出。

冰淇淋店6分钟出一杯，确实还比不过熟练店员；45亿元和9亿美元的融资，也还没换来一笔盈利的账。但方向已经没什么可争的了——机器人不再是展台上的展品，而是门店里的同事、工厂里的工位。

接下来的看点不是谁又发了Demo视频，而是哪家门店的机器人，能把那杯冰淇淋做到3分钟以内，并且连着跑上一年不罢工。到那天，规模化才真正开始。