激光雷達之王，沉迷做冰淇淋

海粟文化廣場內，與上海李寧中心為鄰的是禾賽與Sharpa共同的總部。進入禾賽10層的會議室，需要先拿起門外的老式撥盤電話，那扇隱藏的門纔會像機關一樣打開。

門後也不像一家科技公司的會議室——達·芬奇的《維特魯威人》、酒櫃、黑膠唱片機和壁爐還有一些從禾賽創立到上市以來的紀念品，空間是復古的美式風格。這裏沒有嚴肅的長桌，也感受到不到辦公室外的車水馬龍，它通常會留給適合deep talk的會議。

這也是作為禾賽CEO、Sharpa聯合創始人的李一帆，最喜歡進行deep talk的會議室。這位工程博士也曾是人人網上的旅行紅人，這間會議室便足以體現出李一帆的個人風格。

實際上，這次和李一帆對話的主題並非是禾賽科技這家物理AI公司，而是一傢俱身公司Sharpa。

Sharpa與禾賽擁有同一支創始團隊：李一帆、孫愷、向少卿。三人平時在同一間辦公室工作，兩家公司也位於同一棟樓的上下層，但它們所處的行業地位完全不同。

禾賽已經在汽車供應鏈中佔據了明確的位置。根據禾賽援引的Yole Group報告，2025年，全球乘用車長距ADAS激光雷達出貨量中，43%來自禾賽，位居第一。截至2026年5月，公司已獲得40家車企、超過160款車型的定點。

Sharpa則年輕得多。它的靈巧手產品於2025年10月開始量產交付，早期客戶包括科技公司和研究型大學。對這支已經做出一家全球市場份額第一企業的團隊而言，新的問題是，如何讓Sharpa這傢俱身公司也做到同樣的位置，方法論是否可以複製？以及如何在新的一波具身浪潮中穿越周期？

2025-2036年全球靈巧手市場份額，來源：QY Research

禾賽更偏向於做基礎設施，但Sharpa是應用層的公司。這是兩類完全不同的公司，但在同一支創始團隊的管理下，卻有着完全不同的組織文化。

「禾賽的人開會從來不遲到，但Sharpa的自由度會更高一些。」李一帆說。

對於一家要為大部分車企提供基礎設施的禾賽而言，一顆激光雷達如果少交付一台，客戶就可能有一輛車無法下線。這是絕不能允許的，它要求嚴謹、紀律和接近百分之百可靠的交付。但Sharpa是一家仍在探索技術邊界的AI公司。它需要允許一些不確定性，需要用一部分秩序，交換創新所需的自由。

從禾賽到Sharpa，李一帆重除了改變辦公室風格和組織文化，還有另一種更復雜的交互，是大腦與機器人身體的交互。

八公里外的靜安區吳江路，Sharpa的機器人已經站到了DQ門店的操作台前。今年8月29日，雙方合作的機器人餐廳正式開業，成為Sharpa機器人首個商業落地場景。傍晚6點，店裏儼然成了一處打卡點，人們圍在透明玻璃操作間外，觀看機器人如何取杯、接冰淇淋、加料、攪拌，最後把做好的冰淇淋倒過來，完成DQ標誌性的「倒杯不灑」檢驗。

（虎嗅注：倒杯不灑是DQ的招牌性動作，指在交到顧客手上之前會把杯子倒過來且冰淇淋不會灑，需要使用專用設備將冰淇淋高速攪拌至濃稠狀態才能成功。實現這一動作，Sharpa機器人需要手部觸覺能力，並且具備高穩定性與速度。）

在外界的認知裏，Sharpa更像一家靈巧手公司，與男性手掌1:1大小的手，被很多高校和科技公司買走，但更多的訂單則來自海外。

李一帆告訴虎嗅，手只是Sharpa最先被看見的部分。Sharpa真正在做的是「大腦」，只是外界很少這樣定義Sharpa，李一帆也很少對外講。

在他看來，模型看懂世界，需要場景來展示，而機器人和大腦的配合卻是極難的一部分。一輛汽車只有前後、左右兩個主要自由度，「但機器人有70多個自由度。每個自由度都有一個類似電機的來控制。」李一帆告訴虎嗅。

模型不僅要識別眼前的物體，還要同時控制70多個變量與70多個機電單元，讓一隻手拿起勺子、解開紐扣，或者操作真實世界裏的設備。

大腦、本體、數據與執行系統之間，任何一個環節沒有形成有效交互，都很難落地。

這也是Sharpa與當前一批「大腦公司」最根本的分歧。李一帆並不認為，只做模型就能做出真正可用的機器人。如果只做大腦能夠解決問題，Sharpa沒有必要進入本體，更沒有必要從靈巧手一路做到整機。

但在當下的具身智能市場，聲稱自己做「大腦」，顯然更容易獲得高估值。但李一帆卻不願意為了孖展，給Sharpa貼上一個更受歡迎的標籤。

他相信，AI一旦到達臨界點，變化會非常猛烈。只是從禾賽成立到上市，李一帆已經經歷過一次完整的產業周期。他不相信依靠估值和非市場化收入製造的繁榮可以一直持續。

作為一名經歷過周期的連續創業者，李一帆對泡沫時刻保持警惕。在他看來，所有看起來輕易得到的東西，最後都要付出代價。

「出來混都是要還的。」他說。

以下為虎嗅和Sharpa聯合創始人李一帆的獨家精選對話：

Sharpa其實不是一家靈巧手公司

虎嗅：外界會把Sharpa看成是一家靈巧手公司，但你似乎不認同？

李一帆：這個核心原因確實是我們手做的最好。但這不太準確。按上一代具身創業說法，我們是一家做大腦的公司。

虎嗅：那麼要怎樣才能判斷一家公司的「大腦」做得好不好？

李一帆：先拋開各家的宣傳口徑，我們實際有沒有看到足夠好的產品出現？我覺得不多。做大腦是一個說法，最終還是要說明，實現了什麼功能，解決了什麼商業問題。你說自己是什麼公司不重要，重要的是實際交付了怎樣的產品。

我們早期沒有強調自己在做大腦，是因為當時確實還比較早期，而且我們不認為Demo就是真正的能力驗證。機器人能跟你打牌，裏面當然有AI，但展示了這個能力，不等於已經解決了真實問題。

我還是希望做出來東西再說。現在行業真正做出來的東西太少，我也沒有那麼多可以講的成績。等我們真正做出更多成績，我才願意講。比如Sharpa和DQ一起做冰淇淋店這件事，我們就是做出來以後，大家才知道，具體落地在哪個場景，之前連投資人都不知道。

還有一個原因是，我們認為只做大腦，做不出這樣的完整產品。如果只做大腦，再買各家的東西就能做成，我們也會這麼做。但我們的訴求是把事情做成，不能為了一個對外的說法，改變對技術本身的理解。

李一帆：我覺得不能只看Demo、創始人的演講或者論文，就說明能力強。這些標準有點低，或者說，能滿足這些標準的公司不少，但不一定解決了真實問題。

一家公司的能力強，不能最後只是讓別人到展廳裏體驗一下。我認為比較合理的標準是，你完成了這件事以後，從這裏到真正有價值的大規模商業化應用，剩下的事情具有比較高的確定性。這有點像互聯網說的MVP。

在展會上能展示，距離這個標準還很遠。首先是可靠性要求不同：視頻可以只展示成功的部分，展會里可以試幾次，有一次成功，大家就能看到，失敗也就失敗了。但真實商業環境要求機器人日常、持續地工作。

工業是一個挺好的標準，因為可靠性和節拍要求都高。問題是工廠封閉、不對外，如果沒有上量，也不太容易判斷是不是真實應用。比如有一千台機器人，確實每天穩定工作，能夠做原來人的工作，我覺得是很高的標準。一千台堆在庫房裏不算，一台機器人在工廠裏做Demo也不算。

這樣的應用我沒有看到，也可能有我不知道的。我沒有各家公司最準確的信息，所以不具體評價。商業場景裏真正穩定、持續工作的機器人，我覺得也沒有那麼容易做到。

虎嗅：你把工業應用作為檢驗機器人能力的一個標準，但Sharpa為什麼沒有把工廠作為第一個落地場景？

（注：今年8月末，Sharpa落地了首個商業場景，與DQ聯合做一家冰淇淋餐廳）

李一帆：工業裏面很重要的一件事是算賬，要同時考慮速度和可靠性。

很多人會覺得，一百次裏成功九十九次，已經創造了不少價值。但要看失敗的那一次，會帶來什麼後果。比如挑殘次品，一百個找出了九十九個，漏掉一個，可能還可以多檢查幾次。但有些任務，做錯一次就會把後面的流程毀掉，甚至損壞設備。一次失敗造成的損失，可能抵掉二十次、五十次成功帶來的生產效率。

所以工業對失敗的容忍度很低，同時又要求速度，這就更難了。我們在製造業有經驗，知道這件事不容易，所以第一個場景沒有選擇工業。我很佩服認真在製造業裏做人形機器人應用的公司，但要管理好期望值。一個Demo不算，真正做到大量、高速度、高可靠性的應用，而且做的不是原來自動化就能完成的工作，這很難。

虎嗅：除了能持續工作，你還強調「真實環境」和「完整任務」。為什麼這兩點也重要？

李一帆：真實環境，就是原來人工作的那個環境。聽起來用原來的東西就行，應該更容易，但實際上很難，因為機器人沒有那個能力。

比如開紅酒，用真實的木塞就挺難。你可以專門做一個開紅酒機器人，一個鑽頭下來就打開了，但它幹不了別的。也可以讓酒廠換成特別適合機器人開的瓶塞，一按就開，可酒廠那麼多，不可能都要求它們改。

DQ店裏有很多環節。如果每個環節，或者其中一些環節，都因為機器人做不了而需要調整，以後開店就會很難。

但在真實環境裏工作，還不等於完成了完整任務。比如酒店送物機器人，它沒有改變酒店的環境，但送毛巾仍然需要人把毛巾從貨架上取下來，放到機器人裏。它接管了部分流程，沒有做完整。

有酒店從業者跟我說，很多時候真正需要的是半夜三點，服務員或者前台已經睡了，希望機器人自己把東西送上去。但如果還得把人叫起來，讓他把毛巾放到機器人上，他自己跑一趟也差不多了。

如果機器人只接管其中一部分，剩下還需要人參與，兩者加起來就沒有那麼有意思。我說的完整任務，是原來人完整承擔的那個工作流程。最終還是要看，機器人去了那個場景，解決了人家的什麼問題。

虎嗅：按照你的判斷，現在需要把這些環節放在一起解決。那麼，全棧是這個階段的選擇，還是未來機器人公司都需要這麼做？

李一帆：很多行業都會經歷一個分久必合、合久必分的過程。

從0到0.1，什麼都沒做出來的時候，先有什麼買什麼，從其他行業的供應鏈拿東西，攢出一個初步系統。從0.1到1，甚至到10，大家把基本結構弄明白了，接下來比的是誰跑得快。為了加快開發，擁有自己的供應鏈是一個辦法，雖然花錢，但快。

很多重要的知識和想法來自產品頂層。如果你和供應商只是採購關係，就會遇到一個問題：不把想法告訴它，拿不到你想要的東西；告訴了，它又可能把東西賣給別人。即使約定獨家，如果它只能賣給你，本質上也已經接近自己做了。特別難的事情，還是得自己做。

供應商也有自己的考慮。一個很小的訂單，它不一定願意為你定向開發。如果聽各家的需求，最後可能做出一箇中庸的產品；另一種選擇，就是找到一個足夠強的合作方，跟着它做。所以在這個階段，相對封閉、排他的關係，反而可能做得更好。

虎嗅：那到什麼階段，專業化分工的效率會重新超過全棧？

李一帆：當跑得最快的公司把能做的事情做得差不多，其他公司也逐漸做出類似產品，創新速度就會下降。這個時候，大家追求的會更多是成本和效率。

最早的時候，你的產品比別人好，不一定要做得更便宜。但產品最後會趨同，那個時候就需要分工。會出現像禾賽這樣的供應商，把產品賣給各家，而不是每家公司都自己開發一套。

所以中間那個階段，大家比的是誰跑得快；到了後面，專業化分工纔會發揮更大的作用。

虎嗅：不過，你們現在也把整機賣給做大腦的公司。他們有沒有可能在你們的硬件上，做出比你們更好的算法和產品？

李一帆：我們現在就在做這件事。很多公司買我們的整機，開發自己的算法。

長期來看，它們做得會不會比我們更好？我覺得有可能，也可能不如我們。畢竟我們自己做軟硬件，能夠做的事情也很多。

我們明確選擇的是全棧。其他公司要不要做本體，它們的本體加大腦，能不能比我們的本體加大腦做得更好，我覺得這些都是好問題。

「我默認行業會經歷周期」

虎嗅：你認為現階段全棧更容易做出完整產品，但市場顯然還沒有形成共識，只做「大腦」的公司也獲得了不少投資。你怎麼看這種分歧？

李一帆：一個創業者自己堅定的理念，別人不認同，很正常。短期每個人都有自己的判斷，長期是市場決定的，最終做得好不好會很明顯。也許兩年以後就知道答案了。

歷史上自動駕駛公司也有各種各樣的做法，有的只做特定場景，有的只做軟件，有的只做數據，有的只做芯片。不可能每一種模式都對，但仍然有人投資，這是正常的，要看最終的市場競爭。

虎嗅：在路線還沒有分出勝負的時候，投資人的偏好會不會影響你們對外講什麼、強調什麼？

李一帆：我認為公司的核心理念不應該服務於孖展，還是應該服務於要解決怎樣的產業問題、做怎樣的產品，以及它能創造怎樣的價值。可能每隔兩個月，就有一個投資人關心的新名字，我們沒有必要每次都往那個方向靠。不能為了孖展，改變自己對技術本質的理解。

我們希望拿的是我心中最聰明的投資人的錢。他們也會被輿論影響，但有自己的判斷標準，溝通不會停在表面。當然，「最聰明」是我的判斷。聊完以後，我就知道他跟我們的理念是否一致，是否認可我們做的事情。

比如，一個投資人認為只做大腦就能做出好的模型、產品和商業落地，那可能與我們的理念不一致，他不投我們也很正常。已有的投資人，認可的是我們的理念和已經做出來的成績。

虎嗅：如果順着投資人的偏好，確實能更快拿到錢，為什麼不先爭取這些資源？

李一帆：短期做投資人認為正確的事情，拿到了投資，看起來是對的。但投資人的判斷也會變，也不一定對。

如果每一步都是為了短期獲得投資人的認可，你就會圍繞這件事安排工程資源。項目怎麼選、技術路線怎麼選、產品做多少個場景、做什麼場景，甚至PR口徑和孖展節奏，都會受到影響。

這些選擇可能都能在短期內幫助孖展，但長期來看，你做的事情可能沒有一致性。最後會發現，公司最好的資源沒有在做最重要的事情。這是我不能接受的。

虎嗅：那在孖展時，你怎麼權衡估值和這些長期要求？

李一帆：估值是市場決定的。同等條件下，估值高不是壞事，取決於你為了它犧牲什麼。

首先不能犧牲投資人的質量。如果拿到的是沒有耐心、不能接受短期波動的人的錢，我認為對公司有傷害。我們優先選擇真正願意支持我們、理解產業發展規律，而且在交流時就能把這些事情聊明白的人。因此可能放棄最高的估值，但放棄最高估值本身不是目的。

如果沒有其他犧牲，高估值帶來更多現金和安全感，讓公司能夠更理性地發展，當然是好事。但高估值很多時候也帶來更高的短期回報預期。公司真正的價值，最終還是要靠產品、收入和利潤來兌現。

我們默認行業有不確定性，可能比想象中慢，也會有周期。這會影響你怎麼安排工程資源和資金，怎麼選擇業務，以及是不是把儘早上市當成最重要的目標。

這些都要坦誠地告訴投資人。如果說清楚以後，他們仍然願意投，大家仍然願意加入，公司就能更平靜地面對波動。如果需要在這個行業深耕十年，我也可以接受，並按這個可能性規劃路徑。

虎嗅：在行業受到高度關注時，如何保持自己的節奏？

李一帆：行業裏的很多變化，我們都會關注，但最終還是要回到Sharpa自身：我們希望解決什麼問題，產品能夠創造什麼價值，公司要建立什麼樣的長期能力。把這些問題想清楚，很多選擇其實就不會那麼複雜，我們要做的就是用行動去對抗那些我認為錯誤的嘗試，把自己的事情做好，再把我們的原則解釋清楚。

作為一名連續創業者，我會默認行業一定會經歷周期，也會更謹慎地看待資本帶來的支持與約束。每一種選擇，最終都有相應的代價。

本內容未經允許不得轉載。授權事宜請聯繫 hezuo@huxiu.com。

End

🤖 AI會先重寫行業，還是先重寫你的工作？⚡️ 新技術如何越過概念，真正變成產品和生意？🎯 今年虎嗅F&M創新節，來現場看懂變化、找到下一步。