机器人“手作”冰淇淋出品稳了
2026.08.30
本文字数:2050,阅读时长大约4分钟作者 | 第一财经 胡淑娟
机器人“手作”冰淇淋,正在从DEMO走向真实场景应用。
在上海南京西路商圈地标路易号对面,一家24小时机器人餐厅吸引了不少路人的注意。透过玻璃窗,可以看到一台轮式人形机器人在不紧不慢地制作冰淇淋,它的动作还有些迟缓。
这家餐厅由Dairy Queen (以下简称DQ) 和AI机器人公司Sharpa联合打造,并在8月29日正式开业。第一财经记者了解到,包括Sharpa在内,今年以来多家具身智能企业对商业服务场景有所布局,而且在尝试让机器人从事复杂的长程任务操作。
不同于DEMO的“炫技”,面向消费者服务的商业场景对机器人的可靠性要求更高。Sharpa联合创始人李一帆表示,“场景部署是一个工业性产品,要达到‘斩杀线’,即让机器人做到足够好的可靠性、效果,客户才可能愿意买单。”
他认为,企业把场景部署“做穿”至关重要,这关乎规模化复制及ROI转正的可能性。对于行业内抢抓商业场景落地应用,李一帆也提醒称,部分伪落地场景为机器人创造了此前不存在的就业机会,意义不大。

适应现有设备,多月培训练成“倒杯不洒”
开业当天,第一财经记者在实地探访时看到,这台“入职”的001号机器人拥有专属的操作间,其末端机械臂配有灵巧手,两只手协同完成冰淇淋制作。
目前,Sharpa机器人掌握的技能是自主完成奥利奥口味冰淇淋,其他口味暂时还无法提供。这家门店采用双轨并行运营机制,即机器人承接专属预约订单,同时还保留了人类操作柜台接待临时订单,两方制作的产品价格一致。
据介绍,机器人直接使用为人类设计的制作设备和工具,设备、原料、流程和标准也保持不变。机器人“手作”冰淇淋,一共要完成55个步骤,主要包括取杯、操作冰淇淋机、添加小料、操作搅拌机等等。结束环节中,它还要展示DQ的标志性动作“倒杯不洒”。
从现场1个小时的观察情况来看,机器人的操作流畅但速度较慢,制作一杯冰淇淋的时长差不多在6分钟左右。对于熟练的人类员工来说,这个操作可能只需要两三分钟。
总体来说,机器人“手作”冰淇淋出品稳定,展示“倒杯不洒”时偶尔会有碎屑掉落。另外,当天预约前来的消费者存在临时取消、排号不算紧张,机器人的表现暂时“游刃有余”。
李一帆表示,机器人制作冰淇淋不再只是执行预设的简单任务,而是要“灵活”准确操作设备。这就要求机器人具备精准的触觉感知、力控和AI模型识别能力。
“比如抽取软纸杯,机器人既要轻轻拉动又要防止打滑。如果手部力气太大,容易拿出多个纸杯。”他举例介绍称,这个步骤的操作就依赖于灵巧手的触觉,搭载的大模型根据触觉、力反馈信息实时修正动作。记者也注意到,当机器人在添加小料时拿不起勺子时,它很快会自行调整动作以及力度。
机器人部署应用能够达到如今的效果,DQ、Sharpa双方团队花了几个月的时间,
据介绍,Sharpa团队使用了真机遥操、仿真、人类视频等多种数据训练AI大模型。而等到模型实际应用落地,有一些意想不到的挑战出现了。
李一帆提到,在运行一两个小时后,制作设备打出来的冰淇淋温度没有刚开始的低,这直接影响到后续冰淇淋的搅拌环节以及黏性。“这个问题在仿真环境中碰不到,可能只有开冰淇淋店的人才知道。”他补充称,为此团队需要收集设备不同运行时长的状态数据,将其覆盖至模型的训练中。
先把场景“做穿”,经济账押注未来
时间、人力、机器人本身及部署投入之外,机器人餐厅的开业还涉及其他的成本支出。记者了解到,原来这家餐厅是DQ汉堡店,前期还进行过门头焕新、布设机器人操作间等等。
按照机器人现有的接单量及效率,这家餐厅短期内赚回前期投入的可能性不大。
那么,为何双方仍会选择联合打造机器人餐厅?这背后的经济账究竟该如何计算?
DQ品牌运营方CFB集团首席执行官许惟抡表示,他们没有从纯粹的投资回报角度来衡量这次合作,当时考虑更多的还是拥抱创新技术的尝试。而Sharpa团队能够让机器人的制作流程做到与门店统一,即可以不用更换设备及流程等。
李一帆也表示,在餐厅部署机器人的确并不能马上带来正向收益。团队更看重的先把场景“做穿”,其中包括机器人适应现有设备及商业环境、全自主完成所有步骤等等。
在他看来,把场景“做穿”可能将带来百倍、千倍的价值,一个是提高了机器人的泛化能力,另一个则是积累了真实场景下的高质量数据,从而具备规模复制的潜力。“现在我们跑通的貌似是冰淇淋的场景,但也涉及到相对复杂的西式快餐流程和设备操作,之后可再延伸做新的口味冰淇淋,甚至是汉堡、披萨。”李一帆补充称。
李一帆认为,从长期角度来看,机器人餐厅项目ROI达到正向收益有比较高的确定性。
这背后主要取决于三个因素。当机器人制作冰淇淋的速度赶得上人类,那么其创造的价值将和人类相当;机器人设备摊销能够做到像汽车那样长达十年以上;机器人量产的成本从几十万元下降至10万元量级。
据介绍,DQ和Sharpa双方后续将探索机器人承接非高峰时段、夜间门店运营的可能性,逐步提升机器人在门店运营中的占比。
如今,上海马上入秋,季节变换、气温下降也将给机器人餐厅客流、商业运营带来一场新的考验。
-
AGV调度系统的数据边界:当「没有更多数据了」成为技术突破口数据饥渴时代的反常识:AGV调度并非数据越多越好很多人以为AGV调度系统的性能瓶颈在于数据采集量,其实不然。在某国际汽车零部件供应商的上海临港工厂,其AGV集群曾因部署过多传感器导致调度系统崩溃——当单台AGV每小时上报2000条位置数据时,中央调度器的路径规划响应时间从120ms飙升至3.2秒,直接触发工厂停线事故。底层逻辑是:调度系统的实时性要求与数据密度呈非线性关系。该案例中,工程师通过分析查看详情
-
AGV调度系统数据瓶颈:当“没有更多数据了”成为技术分水岭数据饥饿陷阱:AGV集群调度中的隐性成本很多人以为,AGV系统的调度效率仅取决于算法复杂度,其实不然。当某企业技术人员在调试某汽车总装车间AGV集群时,曾遭遇一个典型场景:200台AGV在12万平方米的厂房内执行物流任务,调度系统突然报错“没有更多数据了”。这并非传感器故障,而是系统触发了数据饥饿陷阱——当实时数据吞吐量超过调度引擎的解析阈值时,系统会主动丢弃部分数据包以维持稳定性,但这直接导致3查看详情



400-886-5570




