分类：AI动态 标签：具身智能、机器人、大模型、人工智能
过去一年，人形机器人和具身智能赛道热闹非凡，但伴随而来的也是无尽的喧嚣与同质化内卷。真正在推动行业前行的人，看的是谁在践行非共识、谁手握完整的底层逻辑。近日，极客公园 In The Loop 对话了 Sharpa 联合创始人李一帆。从上海吴江路一家门店里正在制作暴风雪的机器人，到通用的软硬件技术栈，李一帆系统地阐述了关于机器人技术路线、落地标准和商业价值的深度思考。
冰淇淋店里的“真诚”测试
在上海吴江路的 DQ 门店里，Sharpa 的机器人正在挑战一项并不简单的任务：在不改造任何现场环境、不降低任务难度、不改变原有工具的前提下，连续跑完制作一杯暴风雪所需的 55 个步骤。从取杯、出料、加料到搅拌，甚至包括极具代表性的倒杯检验，这台机器人正在直接面对真实消费者的日常检验。
在李一帆看来，这是 Sharpa 迈向真实商业化的一次“真诚”测试。当前的行业里，许多所谓的“落地”往往是通过改造环境、定制设备来实现的自动化，这本质上是“修电话亭”式的专用自动化。而 Sharpa 的目标则完全不同：让机器人适应人类原有的环境与工作流程，接下一份原本由人完成的工作，并在其中积累能够迁移的通用能力。
斩杀线：中间形态是不存在的
在探讨机器人的商业化落地时，行业里常常有一种观点：先让机器人完成 90% 的简单工作，剩下 10% 复杂的交给人来做，以此作为过渡。然而，李一帆对这种“中间形态”提出了严厉的批判。
他指出，只要那 10% 的核心难点还得交给人，人就无法离开这个岗位，所谓的降本增效在账本上便毫无意义。“90% 有时候不是离 100% 很近，而是更接近于 0。”
更残酷的是机器人在商业化上面临的**“斩杀线”**：
- 如果你想做通用机器人：你拥有几十个自由度、触觉和算力，却只用来做单一环节，其成本和效率根本无法与结构简单、节拍稳定的专用自动化设备竞争。在“跟人比通用，跟设备比价格”的夹击下，两边都占不到便宜。
- 如果你认输去做专用设备：放弃通用硬件，把结构做简单，这虽然是一门能跑通的生意，但绝大部分利润最终会被买单的老板拿走，而不是供应商。
因此，李一帆坚定地认为：人形机器人这件事，最终只有两个状态——要么全能，要么无能，没有中间形态。
数据驱动下的泛化能力：拒绝“为机器人创造就业机会”
为什么 Sharpa 坚决不走“先找个简单环节落下来”的捷径？核心原因在于数据的信息密度与泛化价值。
许多团队通过部署大量简单的“抓取-放置”任务来积累数据，但这种专用场景下跑出来的数据，无法自然长出处理复杂任务的通用智能。真正的泛化能力，来源于把一个复杂场景 100% 做穿。
李一帆解释道：“把做冰淇淋的 55 个步骤拆解后，未来做汉堡时，可能其中 40 步已经学过，只需要重新组合并学习剩下的新步骤。这才是泛化最朴素的定义：一件事干好以后，再干另一件事，时间会显著缩短。”
总结
从激光雷达的破局者到具身智能的探索者，李一帆和 Sharpa 正在用一种近乎“偏执”的非共识路线穿透行业的浮躁。不改环境、不走捷径、直面 55 个步骤的真实挑战，这种对通用智能底层逻辑的坚持，或许正是当下具身智能走向真正成熟所必经的阵痛与洗礼。