人形机器人，开始上桌吃饭了？

2026年8月底，不到一周时间，三件事接连落地：小鹏为机器人业务融了超过9亿美元，Meta被曝正在数据中心测试插线缆的机器人，Sharpa的轮式人形机器人North站在上海吴江路一家DQ店里，6分钟做出一支冰淇淋。

一个在烧钱，一个在裁员线上试探，一个在门店里跑闭环。三条路线看似毫不相干，其实指向同一个问题：具身智能到底能不能上桌吃饭了？

我的判断是：钱和场景都已经到位，但离真正规模化还差最后一道关——长期、稳定、划算地干活。这道关，目前没有一家公司敢说自己迈过去了。

📈 小鹏砸20亿，把算力卷到万卡量级

“烧钱不可怕，可怕的是别人烧得比你狠、还烧得起。

8月24日，小鹏公布二季度财报。上半年研发投入58.2亿元，同比增长39%，全年研发预算约120亿元。其中约70亿元投向物理AI相关领域，人形机器人IRON正是重头。

据雷峰网了解，仅在机器人这一单业务上，小鹏今年的投入预计就超过20亿元，主要砸向三个地方：研发人员、高质量数据采集、物理AI模型训练。更关键的是，小鹏为机器人业务单独配置了万卡级算力集群。

这是什么概念？目前国内多数具身智能公司的算力规模还在数百卡到数千卡之间。小鹏一脚把机器人AI训练的算力门槛踹上了一个数量级。

同一天，小鹏机器人业务宣布完成首轮超过9亿美元融资，投后估值超过63亿美元（约合430亿人民币），刷新中国具身智能行业单轮私募融资纪录。IDG资本领投，高榕创投参投，腾讯、阿里巴巴战略参与，小鹏集团保持控股。

据多位接近人士的说法，这笔钱的估值锚定的不是“机器人卖了多少台”，而是物理AI模型路线的想象空间。这和特斯拉FSD的逻辑一脉相承——车是数据入口，模型才是资产。小鹏把同样的剧本搬到了人形机器人上。

产业逻辑很清晰：当具身智能的竞争从本体硬件转向“模型+数据+算力”的三位一体，玩家就只剩下两种——有钱自建体系的，和抱大腿的。中间地带的公司会越来越难受。

🖥️ Meta的数据中心，机器人先抢谁的活

“最大的落地场景，可能不在工厂，而在数据中心。

8月30日，据Wired报道，多位Meta现任及前员工透露，Meta正在测试能在数据中心内插接线缆、重启服务器、执行其他任务的机器人，使用的是Watney Robotics、Kinova和ABB等多家厂商的硬件。

其中一项实验，是评估Kinova Gen3机械臂能否完成服务器的电源循环——断电再通电。另一款机器人负责更换网络线缆。还有一款更朴素的：长得像一根尖头小棍子，人类远程发指令，它去按下Mac Mini上的电源键。

一名Meta数据中心员工估计，如果测试成功，这种机器人可能取代部分员工高达80%的工作量。他的原话是：“很遗憾，它最终会影响我们所有人。”

有意思的是Meta的官方口径。发言人Francis Brennan声明称，美国正处于二战以来最大规模的基础设施建设热潮，技术工人严重短缺，“我们需要更多工人，而不是更少”。但Meta机器人部门高级经理Eric Xu去年就公开表示，机器人进数据中心是公司的“长期目标”。

这两句话放在一起，恰恰道破了具身智能落地的真实驱动力：AI基础设施投入飙升，劳动力成本却在刚性上涨，用机器人对冲这个剪刀差，是再自然不过的账。

值得注意的是素材里的一个细节：过去机器人不仅贵，行业早期测试中还曾把服务器压坏。如今硬件成本下降、AI模型能力暴涨，第一批商用机器人公司开始出现，能组装服务器、换零部件、接线缆。场景成熟度和技术成熟度，第一次对上了表。

🍦 冰淇淋店：最诚实的商业化考场

“Demo可以做秀，门店必须算账。

8月28日，上海吴江路的DQ店里，Sharpa的轮式人形机器人North在操作台前取杯、加料、搅拌，6分钟出餐。而熟练店员只需要2-3分钟。

效率差一倍，为什么还要上？Sharpa的故事值得细看：这家公司2024年底才成立，由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、首席科学家孙恺共同创立，同时宣布完成超45亿元人民币融资。

李一帆的解释是：选冰淇淋店不是因为简单，恰恰是因为难——纸杯会形变，冰淇淋的温度和黏度随设备状态变化，前一个动作的误差会传导到下一个环节，机器人必须结合视觉、触觉和力反馈实时调整。先不改造门店设备跑通完整闭环，再把操作能力迁移到其他餐饮产品。

另一层意图是数据。李一帆认为，机器人在实际工作中产生的失败和纠错数据，靠仿真或看人类操作拿不到。真实门店就是数据采集器。

这不是孤例。看看过去一年的落地时间线：

• 2026年初：越疆人形机器人在电影院售卖爆米花
• 2026年5月：商汤善惠与零次方合作的机器人便利店在上海运营
• 2026年7月：擎朗智能展会展示人形机器人做咖啡、识别货架
• 银河通用的Galbot进入药品零售仓，承担取货、补货、盘点
• 2026年8月28日：Sharpa North进驻DQ冰淇淋店

零售和餐饮为什么突然挤满机器人公司？资深从业者冯源点破了：相比复杂的工厂装配，零售场景物料种类少、流程易限定，单店投入、运营成本和回收周期相对容易计算，机器人门店还能吸引客流。

说白了，零售餐饮是具身智能最容易算清账的场景，而算得清账，才有第二台、第一百台。

三条路线放在一起看，结构就更清楚了：

小鹏烧钱建算力和数据体系，Sharpa进门店换真实操作数据，Meta在自己的数据中心里完成“自产自销”的闭环。三家殊途同归：具身智能的本质是数据飞轮，谁先转起来，谁就拿到下一张船票。

⚠️ 三道坎：成本、稳定性、效率，一个都不能少

“从6分钟到3分钟，中间隔着一整个商业化。

但热闹归热闹，门槛摆在那里。North做一支冰淇淋6分钟，店员2-3分钟——这个效率差，就是规模化之前必须填平的沟。

冯源的判断很冷静：这类项目能否从展示走向长期运营，取决于三件事——机器人能否持续运行、门店是否愿意扩大部署、新鲜感消退后是否仍具备经济价值。翻译成大白话：游客看一次新鲜，但房租水电是每天要付的。

李一帆的说法更直接：从Demo走向商业化，关键在于把场景“做穿”——完整跑通整套系统，并具备扩大部署规模、降本的能力。不是拍一条视频，而是让财务报表认可这台机器。

三家公司的现状对比，能看出各自的段位和短板：

三道坎的优先级，不同玩家排序不同。对Meta这种自用场景，成本不是第一位，稳定性才是——数据中心容不得机器人把服务器压坏的历史重演。对Sharpa这种To B玩家，经济账是第一位——单店模型跑不平，规模化就是空话。对小鹏，模型能力是第一位——算力和数据的投入必须转化成操作能力的代差。

按这个路径看，当前全行业基本卡在第二阶段：场景在打磨，单点盈利还没人敢拍胸脯。Meta的80%替代率是“如果测试成功”的假设，Sharpa的冰淇淋店还没回答新鲜感消退后的经济性问题，小鹏的20亿也还在投进去的阶段。

小结：上桌了，但还没吃上热菜

一周之内，融资纪录、巨头内测、门店实测接连落地，具身智能确实是上桌了——牌桌上的筹码前所未有地厚：小鹏一年70亿砸向物理AI，Sharpa一出手就是45亿融资，Meta把自家数据中心变成了试验田。

但上桌不等于赢牌。真正的分水岭，是2026年下半年到2027年：冰淇淋店的机器人能不能撑过新鲜期、数据中心的机械臂能不能跑出稳定运维的单量、小鹏的万卡算力能不能兑换成别人追不上的操作能力。谁能先把“能干活”变成“干活划算”，谁才能真正吃到这桌菜。在此之前，所有的热闹，都只是开胃前菜。