激光雷达之王，死磕冰淇淋

激光雷达之王，沉迷做冰淇淋 出品｜虎嗅科技组 作者｜宋思杭 编辑｜苗正卿 头图｜SharpaXDQ 冰淇淋店 海粟文化广场内，与上海李宁中心为邻的是禾赛与Sharpa共同的总部。进入禾赛10层的会议室，需要先拿起门外的老式拨盘电话，那扇隐藏的门才会像机关一样打开。 门后也不像一家科技公司的会议室——达·芬奇的《维特鲁威人》、酒柜、黑胶唱片机和壁炉还有一些从禾赛创立到上市以来的纪念品，空间是复古的美式风格。这里没有严肃的长桌，也感受到不到办公室外的车水马龙，它通常会留给适合deep talk的会议。 这也是作为禾赛CEO、Sharpa联合创始人的李一帆，最喜欢进行deep talk的会议室。这位工程博士也曾是人人网上的旅行红人，这间会议室便足以体现出李一帆的个人风格。 实际上，这次和李一帆对话的主题并非是禾赛科技这家物理AI公司，而是一家具身公司Sharpa。 Sharpa与禾赛拥有同一支创始团队：李一帆、孙恺、向少卿。三人平时在同一间办公室工作，两家公司也位于同一栋楼的上下层，但它们所处的行业地位完全不同。 禾赛已经在汽车供应链中占据了明确的位置。根据禾赛援引的Yole Group报告，2025年，全球乘用车长距ADAS激光雷达出货量中，43%来自禾赛，位居第一。截至2026年5月，公司已获得40家车企、超过160款车型的定点。 Sharpa则年轻得多。它的灵巧手产品于2025年10月开始量产交付，早期客户包括科技公司和研究型大学。对这支已经做出一家全球市场份额第一企业的团队而言，新的问题是，如何让Sharpa这家具身公司也做到同样的位置，方法论是否可以复制？以及如何在新的一波具身浪潮中穿越周期？ 2025-2036年全球灵巧手市场份额，来源：QY Research 禾赛更偏向于做基础设施，但Sharpa是应用层的公司。这是两类完全不同的公司，但在同一支创始团队的管理下，却有着完全不同的组织文化。 “禾赛的人开会从来不迟到，但Sharpa的自由度会更高一些。”李一帆说。 对于一家要为大部分车企提供基础设施的禾赛而言，一颗激光雷达如果少交付一台，客户就可能有一辆车无法下线。这是绝不能允许的，它要求严谨、纪律和接近百分之百可靠的交付。但Sharpa是一家仍在探索技术边界的AI公司。它需要允许一些不确定性，需要用一部分秩序，交换创新所需的自由。 从禾赛到Sharpa，李一帆重除了改变办公室风格和组织文化，还有另一种更复杂的交互，是 大脑与机器人身体的交互 。 八公里外的静安区吴江路，Sharpa的机器人已经站到了DQ门店的操作台前。今年8月29日，双方合作的机器人餐厅正式开业，成为Sharpa机器人首个商业落地场景。傍晚6点，店里俨然成了一处打卡点，人们围在透明玻璃操作间外，观看机器人如何取杯、接冰淇淋、加料、搅拌，最后把做好的冰淇淋倒过来，完成DQ标志性的“倒杯不洒”检验。 （ 虎嗅注：倒杯不洒是DQ的招牌性动作，指在交到顾客手上之前会把杯子倒过来且冰淇淋不会洒，需要使用专用设备将冰淇淋高速搅拌至浓稠状态才能成功。实现这一动作，Sharpa机器人需要手部触觉能力，并且具备高稳定性与速度。 ） 在外界的认知里，Sharpa更像一家灵巧手公司，与男性手掌1:1大小的手，被很多高校和科技公司买走，但更多的订单则来自海外。 李一帆告诉虎嗅，手只是Sharpa最先被看见的部分。Sharpa真正在做的是“大脑”，只是外界很少这样定义Sharpa，李一帆也很少对外讲。 在他看来，模型看懂世界，需要场景来展示，而机器人和大脑的配合却是极难的一部分。一辆汽车只有前后、左右两个主要自由度，“但机器人有70多个自由度。每个自由度都有一个类似电机的来控制。”李一帆告诉虎嗅。 模型不仅要识别眼前的物体，还要同时控制70多个变量与70多个机电单元，让一只手拿起勺子、解开纽扣，或者操作真实世界里的设备。 大脑、本体、数据与执行系统之间，任何一个环节没有形成有效交互，都很难落地。 这也是Sharpa与当前一批“大脑公司”最根本的分歧。李一帆并不认为，只做模型就能做出真正可用的机器人。如果只做大脑能够解决问题，Sharpa没有必要进入本体，更没有必要从灵巧手一路做到整机。 但在当下的具身智能市场，声称自己做“大脑”，显然更容易获得高估值。但李一帆却不愿意为了融资，给Sharpa贴上一个更受欢迎的标签。 他相信，AI一旦到达临界点，变化会非常猛烈。只是从禾赛成立到上市，李一帆已经经历过一次完整的产业周期。他不相信依靠估值和非市场化收入制造的繁荣可以一直持续。 作为一名经历过周期的连续创业者，李一帆对泡沫时刻保持警惕。在他看来，所有看起来轻易得到的东西，最后都要付出代价。 “出来混都是要还的。”他说。 以下为虎嗅和Sharpa联合创始人李一帆的独家精选对话： Sharpa其实不是一家灵巧手公司 虎嗅：外界会把Sharpa看成是一家灵巧手公司，但你似乎不认同？ 李一帆：这个核心原因确实是我们手做的最好。但这不太准确。按上一代具身创业说法，我们是一家做大脑的公司。 虎嗅：那么要怎样才能判断一家公司的“大脑”做得好不好？ 李一帆：先抛开各家的宣传口径，我们实际有没有看到足够好的产品出现？我觉得不多。做大脑是一个说法，最终还是要说明，实现了什么功能，解决了什么商业问题。你说自己是什么公司不重要，重要的是实际交付了怎样的产品。 我们早期没有强调自己在做大脑，是因为当时确实还比较早期，而且我们不认为Demo就是真正的能力验证。机器人能跟你打牌，里面当然有AI，但展示了这个能力，不等于已经解决了真实问题。 我还是希望做出来东西再说。现在行业真正做出来的东西太少，我也没有那么多可以讲的成绩。等我们真正做出更多成绩，我才愿意讲。比如Sharpa和DQ一起做冰淇淋店这件事，我们就是做出来以后，大家才知道，具体落地在哪个场景，之前连投资人都不知道。 还有一个原因是，我们认为只做大脑，做不出这样的完整产品。如果只做大脑，再买各家的东西就能做成，我们也会这么做。但我们的诉求是把事情做成，不能为了一个对外的说法，改变对技术本身的理解。 李一帆：我觉得不能只看Demo、创始人的演讲或者论文，就说明能力强。这些标准有点低，或者说，能满足这些标准的公司不少，但不一定解决了真实问题。 一家公司的能力强，不能最后只是让别人到展厅里体验一下。我认为比较合理的标准是，你完成了这件事以后，从这里到真正有价值的大规模商业化应用，剩下的事情具有比较高的确定性。这有点像互联网说的MVP。 在展会上能展示，距离这个标准还很远。首先是可靠性要求不同：视频可以只展示成功的部分，展会里可以试几次，有一次成功，大家就能看到，失败也就失败了。但真实商业环境要求机器人日常、持续地工作。 工业是一个挺好的标准，因为可靠性和节拍要求都高。问题是工厂封闭、不对外，如果没有上量，也不太容易判断是不是真实应用。比如有一千台机器人，确实每天稳定工作，能够做原来人的工作，我觉得是很高的标准。一千台堆在库房里不算，一台机器人在工厂里做Demo也不算。 这样的应用我没有看到，也可能有我不知道的。我没有各家公司最准确的信息，所以不具体评价。商业场景里真正稳定、持续工作的机器人，我觉得也没有那么容易做到。 虎嗅：