8 月 29 日，上海吴江路 169 号的 DQ 门店重新开门后，柜台后多了一名机器人店员。它按 DQ 原有的步骤制作暴风雪：取杯、出料、加料、搅拌，取杯圈时像店员一样拉开为人手设计的柜门，加小料时打开盖子用小勺盛，最后把杯子倒过来——冰淇淋不能掉。这套动作共 55 步，计划每天在店里稳定运营 12 小时，直接接受每一位到店顾客的检验。

这台机器人来自 Sharpa——一家 2024 年成立、近期宣布完成超 45 亿元融资的公司，投资方包括阿里巴巴、美团、腾讯、京东、传音等产业资本，以及红杉中国、启明创投、美团龙珠、光合创投等机构。联合创始人李一帆此前创办过激光雷达公司禾赛，产品从早年几十万元一台降到千元级。在他看来，通用机器人最终只有两种状态：要么全能，要么无能，没有中间形态。

55 步为什么难

单个动作拿出来都不算特别难：纸杯要拿稳又不能捏坏，柜门把手很窄要靠手指精确抓取，勺子要从大杯子里挑出来，搅拌时杯壁受到的拉力和扭矩一直在变化，机器人要根据视觉和触觉反馈实时调整握杯的位置、力度和移动幅度。难的是把 55 步连续做完，任何一步失败，都交付不了一杯完整的暴风雪。

更难的是约束条件：不改造环境、不改设备、不改流程、不改原料，机器人用的就是人原本使用的工具。李一帆说，「不改」是这次项目最强调的两个字——DQ 的设备规范和品牌标准都不能动，做得好不好顾客一眼就能判断，只有在这种约束下跑通，才有说服力。

能做 90%，更接近 0

行业里常见的落地思路是：机器人完成 90%，剩下 10% 交给人。李一帆认为这是一个陷阱。

剩下那 10% 往往是最难的部分——好做的都做完了，剩下的正是今天解决不了的问题。而且只要 10% 还得交给人，这个场景里的人就不能离开；机器人接手的动作嵌在人原来的流程里，做完这一件，剩下的活才能接上，你慢他就得等。对真正付钱的人来说，账本上什么都没有发生。

他的结论是：90% 有时候不是离 100% 很近，而是更接近于 0。

斩杀线：只做一个环节，比价必输

如果只做某一个环节，只有两种结果。想做通用机器人却只做一个环节——客户不会因为你有两条胳膊、一双手就多付钱，只会拿你跟已经在做这件事的专用设备比价。专用设备只有三个自由度，结构简单、节拍稳定、成本压到极低；通用机器人几十个自由度，还有触觉和算力，不可能更便宜。自动化成本线过去十年、二十年基本没有变过，李一帆把它叫作斩杀线：你做的事，一台专用设备能做，你就一定比它贵。

另一种结果是干脆认了，把自己做成专用设备。这条路成立，但那是另一门生意：老板不会把省下的工资打给你，只会在几台设备里挑一台便宜的买下。供应商能拿走利润，只有当这件事足够复杂、足够独特，难到没有几个人能做。

修电话亭，造不出手机

针对改造环境让机器人绕开难点的做法，李一帆的比喻是修电话亭：手机还不够好用，就在每个地方修一座固定电话亭。项目可以运行，甚至是一门好生意，但每一次改造——把勺子固定住、重新设计柜门把手、把任务拆到只剩下机器人会做的部分——都替模型绕过了一个它本该学会的问题。

改造和泛化在很多时候是反的：为了让今天的项目尽快落地而绕过去的能力，恰恰是将来想回到通用路线时最难补的东西。你以为只是绕了一下，实际上可能已经换了一条路。

什么数据能长出通用智能

李一帆相信智能是数据驱动的，但他追问：什么样的数据才能长出通用智能？

在同一个场景里跑到一亿次，得到的是那件事的极致，但它不会自己长出第二件事。把一个场景做穿，得到的不是单一数据，而是一组可以重新调用的技能：做冰淇淋的 55 步被拆解后，将来做汉堡的 60 步里可能有 40 步已经学过，剩下 20 步再示教；做披萨时需要的步骤可能全部在前面的任务里学过。一件事干好以后，再干另一件事，时间会显著缩短——这是他给泛化下的定义。

反过来，用专用硬件完成专用任务，采到的是专用数据，训练出来的模型大概率还是专用的。铺出去的规模本身不产生价值，铺出去的东西够不够复杂，才决定数据能否长成通用智能。

先做穿，再谈提速

这个项目目前仍是一家门店试运营：品类有限、做一杯比人工慢、第一代整机成本几十万元。李一帆把问题分成两层：先问能不能做——能否可靠跑完 55 步、连续工作 12 小时，不行就承认失败；再谈快不快、便宜不便宜。他认为只要跨过能做这条能力线，提速和降本就是两件确定会成功的事——禾赛的曲线他走过一遍：东西好用、量起来、成本才降下来。

慢的原因他归结为模型稳定性，而不是推理速度：动作一快，还能不能稳定地把事情做对，涉及非专家示教学习、分布外容错和真机强化学习。模型现在艺不够高，胆也不能太大，门店不能接受频繁出错，只能先慢一点，保证成功率，再随数据积累逐步加速。

机器人行业对落地的定义正在被重新检验：项目运行起来了，究竟是机器人学会了工作，还是人们重新设计了一份更适合机器人的工作？李一帆给出的检验标准是三条：不改造环境、像人一样用原有工具把一整份工作做穿、做穿后技能能否迁移到下一个场景。按这个标准，DQ 只是第一步，而且是肯定很早的第一步——但 45 亿元融资和一家真实门店的 12 小时连续运营，让这个判断有了可检验的落点。