澎湃新闻记者 喻琰

取杯、加料、搅拌，机器人6分钟出餐。8月28日上午，上海市吴江路一家DQ（Dairy Queen）冰淇淋店的操作台前，轮式人形机器人“North”正在为消费者制作冰淇淋，而一位熟练的店员通常只需2-3分钟。

这台人形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，由激光雷达供应商禾赛科技CEO李一帆、联合创始人兼CTO向少卿及首席科学家孙恺共同创立。同一时间，Sharpa宣布完成超45亿元人民币融资。

当前，人形机器人从更复杂的工厂、仓库场景走向冰淇淋店，但成本、稳定性和执行效率仍是实现大规模部署的门槛。具身智能、机器人行业资深从业者冯源告诉澎湃科技（www.thepaper.cn），这类项目能否从展示走向长期运营，取决于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。

机器人试水零售和餐饮

零售和餐饮两大场景正成为机器人公司集中试水的场景。

银河通用的Galbot机器人已进入药品零售仓，承担取货、补货和盘点等任务；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年初，越疆的人形机器人也曾在电影院售卖爆米花，擎朗智能在2026年7月的展会上展示了人形机器人制作咖啡、识别货架等功能。

Sharpa联合创始人李一帆称，选择冰淇淋场景并不是因为冰淇淋制作相对简单，Sharpa有意选择了加料、搅拌和“倒杯不洒”等较为复杂的任务，试图先在不改造门店设备和流程的情况下跑通完整闭环，再将操作能力迁移到其他餐饮产品。比如，制作冰淇淋的纸杯可能发生形变，冰淇淋的温度和黏度会随设备运行状态变化，前一个动作产生的误差还可能会影响后续环节，机器人需要结合视觉、触觉和力反馈调整动作。

此外，对Sharpa而言，机器人走进冰淇淋店，不只是在验证产品，也是在获取真实环境中的操作数据。李一帆认为，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。

冯源告诉澎湃科技，机器人公司尝试进入零售和餐饮场景，是因为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，机器人门店还具有吸引客流等作用。

迈向商业化的多道坎

门店应用机器人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。李一帆认为，机器人从Demo走向商业化，关键在于把场景“做穿”：完整跑通整套系统，并具备进一步扩大部署规模、降低成本的可能。他关注的是制作速度、设备使用周期和硬件成本等长期变量能否改善。长期来看，机器人的可靠性应当接近汽车产品。

在执行效率上，目前North制作一杯冰淇淋大约需要6分钟，是熟练店员的2-3倍。这不仅意味着消费者等待时间增加，也会影响门店高峰期的出杯量和设备利用率。对此，李一帆表示，目前慢速降低出错率，未来通过训练积累数据、优化操作环节，逐步提高速度。

成本则是大规模商业化另一道门槛。李一帆透露，目前整套设备的对外标价在数十万元，现阶段North还谈不上盈利。形成量产规模后，机器人的价格有望降至10万元级。

目前North暂未部署到其他DQ门店。冯源表示，要实现大规模部署更多零售门店，首先需要解决机器人长期运行和维护问题，人形机器人五指灵巧手材料耐久性和维修频率都会直接影响设备的可用时间和维护成本。他认为，判断这类项目能否从展示走向长期运营，不能只看开业初期是否吸引消费者围观，而要观察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。

“不要最后变成一个快闪店。”冯源说。