Sharpa

1.1 企业定位与全球运营版图

Sharpa 成立于 2024 年底，是一家专注于通用机器人与触觉操作系统的具身人工智能公司。公开资料显示，其总部设在新加坡，商务运营位于 Mountain View，主要制造与研发基地设在上海 [CO001]。MarketScreener 报道称，公司于 2026 年 8 月完成 $669 million 可转换优先股融资，投后估值为 $3.3 billion（RMB 22 billion）[CO002]。一份未注明日期的行业资料称 Sharpa 尚未产生收入，但其实际确认收入及试点部署的经济效益均未获第三方独立证实 [CO003]。人员规模指标从 LinkedIn 关联的 74 人到媒体报道的超 100 人不等；两者统计口径不同，并非经核实的人员区间 [CO004]。公司仍在各运营地招聘 AI 工程与商业化岗位 [CO005]。

1.2 核心管理架构与治理格局

公开报道将 Hesai Technology 联合创始人 Li Yifan（David Li）、Xiang Shaoqing 与 Sun Kai 列为 Sharpa 创始人，并称该项目独立于 Hesai [CO006]。创始团队的正式高管头衔与日常管理职责目前仍存分歧。Seedtable 将 David Li 列为首席执行官（CEO）、Xiang Shaoqing 列为首席技术官（CTO）、Sun Kai 列为高管（Executive），而 Embodied AI Frontier 则称三位创始人均未担任高管职务 [CO007]。所审阅资料既未解释上述分歧缘由，也未证实各创始人在产品管理与工程上的具体分工。创始人履历虽有助于战略制定与融资推进，但其实际管理权限、运营责任及企业关联仍需依赖工商登记文件与管理层核实 [CO006, CO007]。

1.3 融资历史与战略投资方银团

Sharpa 虽已获得风险投资机构与科技巨头的支持，但现有融资数据未能形成相互印证的融资历史。Physix Frontier 记录截至 2026 年 8 月公司累计披露融资额为 $670 million，且未明确具体轮次，亦无带日期的种子轮及早期研发阶段明细 [CO014]。MarketScreener 则单独报道称公司于 2026 年 8 月 28 日完成 $669 million 可转换优先股融资，投后估值为 $3.3 billion [CO002]。上述披露数据不可直接相加，亦不能将单轮融资与累计总额混为一谈。据报道，投资方包括 Alibaba、Tencent、Meituan 与 Meituan Dragon Ball、JD.com、HongShan 以及 Luminous Ventures [CO008]。产业投资方的入局或能提供落地场景渠道，但投资方名单本身无法证实治理权限与客户排他性。报道还显示 Hesai 亦是其执行器供应商，该供应关系应与股权归属或控制权分别评估 [CO013]。

1.4 产品里程碑、商业试点与落地实态

Sharpa 的产品路线从灵巧手切入，再向整机延伸；公司优先发展接触密集型触觉操作，而非先解决全身移动 [CO009]。2025 年 10 月，旗舰产品 SharpaWave 仿生手实现量产，配有 22 个主动自由度及触觉传感器，荣获 CES 2026 创新奖 [CO009, CO010]。依托该操作平台，Sharpa 推出全尺寸人形机器人 North，在餐饮零售场景启动商业验证 [CO011]。2026 年 8 月 29 日，Sharpa 将 North 部署于 Dairy Queen 上海暴风雪与汉堡旗舰店，与后厨员工协同执行包含 55 个步骤的甜品制作流程 [CO011]。然而，独立分析师严谨的技术审视指出，平均无故障时间（MTBF）、人工干预率以及真实全工班经济可行性等核心运营指标，目前均未获证实，且未经第三方独立验证 [CO012]。此次部署是 Hesai 供应的执行器与 Sharpa 触觉基座模型在真实世界中的一次早期压力测试，而规模化商业可行性仍取决于多工况下的长期可靠性数据 [CO012, CO013]。

1.5 深度图表

2.1 市场边界与操作自动化范畴

Sharpa 的市场边界由接触密集型操作与具身物理智能（Physical AI）定义，而非传统的固定式工业自动化。传统工业机器人依赖确定性工作站、硬质工装和结构化环境，因此难以适应动态商业空间和精细的人工作业。Sharpa 研发通用人形机器人及拟人末端执行器，目标是在无需改造场地或定制工作站的情况下完成无人干预的整班作业。其目标市场涵盖具身 AI 硬件、高自由度触觉手、人形机器人本体及多模态基础模型授权；明确排除传统固定式单轴机械臂、刚性输送线基础设施以及纯计算机视觉检测系统。[CM001, CM002, CM003, CM004]

2.2 TAM、SAM 与证据约束下的市场测算视角

评估精细操作的潜在市场空间，需要从宏观劳动力替代、专用硬件市场及商业服务工作流等多视角进行综合分析。尽管零售、酒店餐饮及轻工制造领域的体力劳动替代构成数万亿美元的宏观市场，但中短期可触达支出受到制造成本、零部件可用性及操作可靠性的制约。短期内，机器人主机厂（OEM）与具身 AI 研发团队的零部件采购构成数亿美元的可服务获得市场（SAM），这一判断得到 Hesai 执行器模组出货突破 10,000 套等早期产业化节点的支撑。快餐连锁门店的商业试点则展现出向运营级门店工作流扩张的早期迹象。[CM005, CM006, CM007, CM008]

2.3 买方客群细分与商业落地路径

Sharpa 的商业买方格局呈现分化态势，主要划分为近期的技术开发者客户与中长期的运营型企业客户。科研实验室与人形机器人 OEM 通过工程与采购预算采购 22 自由度 Wave 灵巧手，以加速物理智能研究并规避自研灵巧手的长研发周期。相比之下，连锁快餐运营商与零售物流主管等商业企业客户，则依据工班级投资回报率（ROI）、任务成功率及直接人工替代效果来评估整机人形机器人系统。企业客户的预算决策权掌握在门店运营副总裁与首席转型官手中，而非研发部门。商业落地路径正从受控的单店验证测试向多门店加盟网络铺开演进。[CM008, CM009, CM010, CM011]

2.4 增长驱动力、尽调盲区与推广约束

服务业长期缺工、时薪上涨，加上多模态触觉基础模型快速进步，都在推动精细操作自动化。人形机器人若无需大规模改造就能进入现有商业场所，便有望提升用工流动率较高的服务行业效率。但采用仍受几项硬约束：数周商业部署中的平均无故障时间、高峰期人工介入频率、任务完成速度和日常维护开支，均缺少经独立核实的运营数据。扩产还取决于高扭矩紧凑型执行器的制造良率。企业买方和投资人需要权衡早期商业宣传与长期可靠性数据的缺口。[CM011, CM012, CM013]

2.5 深度图表

3.1 竞争版图与直接竞品画像

具身智能与物理操作领域的竞争格局包含专用灵巧手制造商、整机人形机器人研发商以及根基深厚的传统自动化供应商。Sharpa 凭借围绕高分辨率触觉精细操作构建的全栈硬件与模型，占据了差异化生态位。在灵巧手细分领域，直接竞品包括 Fourier Intelligence 与 Inspire Robots 等中国专用机器人制造商，两者均面向工业与科研客户供应多自由度末端执行器。此外，Unitree Robotics 等一体化人形机器人研发商构成相邻竞争对手，其完整机器人平台目前优先侧重运动能力与基础操作，而非高精度触觉反馈。依托 2026 年披露的逾 $669 million 融资及 $3.3 billion 估值，Sharpa 推进旗舰 22 自由度 SharpaWave 灵巧手与 67 自由度 North 人形机器人平台的协同研发，后者专为人类服务环境下的商业任务执行而设计。[CP001, CP002, CP004, CP011]

3.2 性能基准与定价体系

评估操作性能揭示了传统平口夹爪与多自由度触觉手之间的本质取舍。传统工业自动化依赖平口夹爪，在结构化工作流中可靠性极高，但对位精度要求极为严苛。轴孔装配实测显示，受反复重定位影响，平口夹爪每次尝试耗时 20 至 70 秒；而 SharpaWave 凭借手内动态姿态调整，仅需 5 至 10 秒即可完成相同任务。此外，在仿真环境中训练的触觉反馈策略在物理硬件上的任务完成率达 80%，而易受视线遮挡影响的纯视觉模型仅为 30%。商业层面上，非上市机器人企业的公开标价均高度保密；灵巧手通常作为高端科研或企业开发者套件出售，而整机人形机器人则通过定制化企业试点协议交付，而非标准化目录定价。[CP003, CP006, CP008, CP010]

3.3 转换成本、供应链依赖与多家共用

客户转换成本与供应商绑定程度取决于软件生态融合深度与核心零部件供应架构。Sharpa 在战略上将硬件与 NVIDIA 的 Isaac Lab 及 ADEPT 强化学习框架深度集成，开发者得以缩减仿真训练周期，将预训练精细操作策略直接迁移至 SharpaWave 硬件。软件对主流仿真技术栈的兼容固然降低了开发者的采用门槛，但同时也削弱了机器人应用开发者的长期软件转换壁垒。在硬件供应链端，核心执行器模组由 Hesai 供应，其专用机器人执行器产能已突破 10,000 套。然而，Hesai 亦向 Unitree、Galbot 和 Galaxea 等超过 50 家具身智能机器人公司供应激光雷达与执行器部件。多个 OEM 共用这类一级供应商网络，降低了单一人形机器人厂商垄断精密执行器的可能。[CP005, CP006, CP009]

3.4 护城河韧性与商业替代风险

Sharpa 竞争壁垒的持久性取决于其能否保持触觉基座智能的领先优势，而非仅依赖自研机械硬件。随着上游一级零部件供应商的产品线从灵巧手执行器扩展至标准化整机人形关节，机械硬件能力在各竞品机器人厂商之间将不可避免地趋于同质化。因此，Sharpa 的核心防御屏障在于其自研的 CraftNet 视触语动（vision-touch-language-action）模型、动态触觉传感阵列以及高频实时抓握控制。显著的商业化风险依然存在：尽管 Dairy Queen 门店 55 步餐饮制作等试点展示了现实可用性，但验证平均无故障时间、自主运行时间及人工干预率的独立跨日数据集仍未获证实。若无法在现场可靠性与相较于低成本人工或专用固定自动化的单机经济效益上建立优势，长期的商业替代风险仍不可忽视。[CP007, CP012, CP013, CP014]

3.5 深度图表

4.1 营收模式与商业化路径

现有公开证据仅支持得出非常有限的收入模式结论。Multiples 将 Sharpa 的商业模式归类为产品销售，而 The Frontier of Embodied AI 则指出该公司尚未产生收入。因此，2026 年 8 月 North 在上海 Dairy Queen 门店的部署更适合作为商业化进展的证据，而非已确认收入的证明。现有资料均未披露已签合同金额、硬件出货量、标价、实际平均售价（ASP）、软件订阅费、维护费或收入确认政策。外部来源仅将硬件销售归类为收入来源；餐厅部署收入以及软件或服务收入仍属投资假设，在审阅合同或发票前不应计入基准情景。[CI001, CI002, CI003, CI004, CI005]

4.2 成本结构、毛利率与单机经济模型

基于现有公开证据，Sharpa 的成本结构无法被准确量化。Wave 灵巧手拥有 22 个自由度，每个指尖集成了 1,000 多个触觉传感像素，体现出高零部件密度的产品特性；RoboMorrow 报道称供应商 Hesai 为 Sharpa 提供执行器模组。Dairy Queen 的部署在现有门店设备环境下执行包含 55 个步骤的工作流，但现有资料均未披露物料清单（BOM）、执行器采购价、制造良率、安装人工、保修准备金、现场运维成本、能耗或折旧假设。RoboMorrow 亦明确指出当前缺失的核心运营变量：任务成功率、人工干预频次、订单周期耗时、设备正常运行时间、平均无故障时间以及整班作业的经济性。在这些指标经过多门店、跨时段实测，并与客户实际支付价格核对之前，毛利率和客户投资回收期都无从判断。[CI006, CI007, CI008, CI009]

4.3 资金充裕度与融资依赖性

Multiples 报道称其历经三轮融资累计吸纳 $784 million 资金，MarketScreener 则记录其于 2026 年 8 月 28 日完成一轮发行可转换优先股的融资，募集 $669 million，投后估值达 $3.3 billion。上述融资规模展现出其获取资本的能力，但无法证实当前的在手现金余额与跑道期（runway）：证据中未提供期末现金余额、月度烧钱率、受限资金条款、负债、项目融资、资本承诺或计划资金使用时间表。LinkedIn 显示 Sharpa 规模为 51 至 200 名员工，官方招聘页面则列有 3 个 AI 工程岗位、2 个商业化岗位和 1 个实习生岗位。这些仅反映运营规模信号，不能作为测算资金消耗率的依据。必须审阅管理层财务报表及正式融资文件，方能评估该轮资金能否支撑商业化进程跨越至下一轮关键里程碑。[CI001, CI003, CI004, CI010, CI011, CI012]

4.4 财务研判与投资尽调障碍

当前财务判断受证据缺口制约，不只是因为公司尚无收入。$3.3 billion 的投后估值与 $669 million 融资抬高了市场预期，但现有证据无法证明公司已有收入、实现了怎样的成交价格、获得客户复购或实现正向单机贡献。最有力的商业证据只有一家门店的实际餐饮工作流；最重要的反向证据则是干预率、周期时间、正常运行时间、可靠性和整班经济性仍不明。因此，投资逻辑取决于公司能否在资金耗尽前把技术表现转化为可复制的部署。投资判断应以以下尽调结果为前提：经审计的收入、分批次部署数据、正式客户合同、BOM 与服务成本明细、现金流与烧钱率报告、融资债权债务条款，以及经董事会批准、将下一轮融资触发条件与可量化毛利率及可靠性指标绑定的业务规划。[CI002, CI007, CI008, CI013, CI014]

4.5 深度图表

5.1 产品定义与物理硬件技术栈

Sharpa 提供软硬件垂直一体化的具身智能平台，旨在解决以人为中心的运营环境下的精细操作难题。在物理层，公司的核心商业化产品为 Sharpa Wave 仿生手，具备 22 个主动自由度，外形按人手尺度设计。每个指尖均集成自研动态触觉阵列（Dynamic Tactile Array），提供超过 1,000 个触觉传感像素与 5 mN 的压力灵敏度，实现高灵敏度的闭环力控调节。Wave 灵巧手于 2025 年 10 月实现量产，并获得 CES 2026 创新奖。在灵巧手之上，Sharpa 推出了 North 全尺寸人形机器人，作为一款拥有 67 个自由度的移动与操作平台，目前正在冰淇淋制作等零售及服务场景中开展商业试点验证。[CE001, CE002, CE009, CE010]

5.2 CraftNet VTLA 架构与高频控制系统

为驱动其物理操作硬件，Sharpa 开发了端到端分层视触语动（VTLA）基础模型 CraftNet，该模型依托认知与运动三层分级架构构建。System 2 作为「推理大脑」，以约 1 Hz 的频率运行开源视觉语言模型，负责理解人类语义指令、长程目标任务拆解及空间操作规划。System 1 作为「运动大脑」，以 10 Hz 运行以生成大范围运动轨迹以及触碰前的上半身与手部姿态构型。尤为关键的是，System 0 作为「高频交互大脑」以 100 Hz 运行，实时接入连续触觉与本体感受遥测数据，接管「最后一毫米」接触阶段。当精细物理操作遇到非预期阻力时，System 0 会向 System 1 反向传播状态更新，实时修正物理动作意图。[CE003, CE004, CE005, CE008, CE014]

5.3 开发者生态、集成方案与仿真工具

Sharpa 为开发者和机器人集成商提供了开放的软件生态，搭建起实验室仿真与物理机器人部署之间的桥梁。开源的 Sharpa Wave SDK 提供原生 C++ 和 Python 运行时库、设备驱动及通信头文件，便于将 Wave 硬件接入既有的 ROS 及定制机器人控制栈。作为 SDK 的补充，Sharpa Pilot 提供了用于设备配置、运行状态监测及固件部署的管理应用程序。模型训练与仿真环节，Sharpa 在 NVIDIA Isaac Lab 中发布了运动学 URDF、USD 及 XML 仿真资产，并配套提供强化学习环境。这一套基础设施使开发者能够在将精细操作策略部署至实体机器人之前，通过传感手套仿真接触动力学并重定向人类遥控操作轨迹。[CE006, CE007, CE011]

5.4 运行依赖、可靠性与工程风险

尽管触觉优先的自主架构展现出可观的技术创新，但 Sharpa 面临着值得严格尽调的重大技术、运营及供应链依赖。高分辨率触觉阵列依赖专用弹性体薄膜与微传感器阵列，在多工班连续工业作业环境下天生容易受到物理摩擦、剪切疲劳及热漂移的影响。System 0 传感器的老化退化或校准漂移会直接削弱精细动作的力度调节，造成掉落物品或接触压力过大的作业风险。此外，尽管公司在 AI 与商用机器人领域积极招募工程专业人才，但规模化实地部署仍需要稳健的持续遥测、现场运维体系以及确定性安全机制，以防止协作服务环境中发生人员伤害。[CE012, CE013]

5.5 深度图表

6.1 客户群细分与买方画像

Sharpa 的早期商业化战略面向四大独立买方与用户客群：商业零售与生活服务运营商、智慧城市与市政基础设施机构、高校及科研院所机器人实验室，以及 AI 与开发者平台伙伴。在零售与餐饮领域，加盟商及门店运营负责人寻求自动化物理操作方案，以期在不改动标准吧台设备的前提下缓解结构性服务用工荒。在公共基础设施领域，JTC Corporation 与海事机构等政府主体评估用于公共园区维护与集装箱港口作业的自主移动机器人车队。高校实验室构成了立即可转化的评估客群，通过采购硬件测试新型触觉灵巧强化学习框架。最后，具身智能开发者与仿真平台厂商将 Wave 灵巧手作为基座模型研发与 Sim-to-Real 迁移的参考基准。 [CU001, CU002, CU003, CU004, CU005, CU006, CU007]

6.2 采纳路径、性能基准与部署规模

Sharpa 的落地推进路径在 2026 年完成了从孤立的机械手硬件评估向一体化多机器人园区试点的跨越。公司于 2026 年初推出自主研发的 North 人形机器人，迅速在多元运营场景中获得高曝光度部署。在高校与工业合作伙伴环境中开展的基准测试表明，该方案较传统平口夹爪具备显著的作业优势。在与 NVIDIA 就 ADEPT 框架开展的联合研究中，基于 Sharpa Wave 的触觉反馈策略在接触密集型装配测试中成功率达 80%，高于纯视觉基线的 30%；轴孔插入耗时也从平行夹爪的 20 至 70 秒缩短至 5 至 10 秒。这些表现印证了 22 个主动自由度的机械优势，不过商用车队的使用率指标仍高度保密。 [CU002, CU005, CU008, CU009, CU010]

6.3 实名客户实证与试点部署

Sharpa 已在企业级零售、市政基础设施和海运物流等领域建立了实名试点项目。Dairy Queen 中国与 Sharpa 合作，在上海一家零售门店部署 North 人形机器人，与后厨员工协同实时制作软冰淇淋。在新加坡，JTC Corporation 与 Sharpa 签约，在占地 50 公顷的 Punggol Digital District 各处的零售、餐饮及物流环境中部署 North 机器人车队，并由园区内的企业创新实验室提供支持。在重工业物流领域，Sharpa 与 A*Star 资讯通信研究院合作开展集装箱自动化装卸项目，聚焦集装箱货运码头中高风险的转锁安装与拆卸作业。与此同时，包括 Nanyang Technological University 和 MIT 在内的高校已验证了利用 Wave 硬件进行复杂工业齿轮啮合以及零样本工具操作。 [CU001, CU002, CU003, CU004, CU005, CU006, CU007]

6.4 留存动态、商业转化与客户集中度风险

尽管试点推进势头迅猛，Sharpa 仍处于未产生商业收入的阶段，面临严峻的客户集中度与商业持续性挑战。现有的企业客户部署主要体现为试点示范与受补贴的公共基础设施项目，而非经常性企业软件或硬件订阅合同。由于预期硬件将走向商品化，加之将通用人形机器人接入老旧棕地仓库管理系统的摩擦尚未消除，物流与工业企业高管对于签订多年期合同表现出犹豫。此外，Sharpa 的商业曝光高度集中于新加坡政府支持的生态和单店品牌展示；其长期净收入留存率（NRR）、硬件维护的单机经济性及跨门店扩张速度均尚未得到验证。 [CU011, CU012, CU013, CU014]

6.5 深度图表

7.1 核心风险画像

Sharpa 的风险评级为「高」：公司正把尚处早期的全栈机器人平台从演示推向顾客实际所在的工作场所，却尚未披露评估安全、可靠性和服务经济性所需的常规运营数据。独立报道指出，其人工干预率、订单周期时间、正常运行时间、平均无故障时间和整班经济性仍属未知。高密度触觉硬件也带来耐用性挑战；加之高达 $3.3 billion 的投后估值与零收入现状，执行层面的任何闪失都将带来实质性的财务冲击。因此，风险热图将现场部署可靠性与人身安全置于融资风险之上，网络安全与供应商依赖紧随其后。[CR001, CR003, CR006, CR009, CR010, CR016]

7.2 监管、法律与安全风险敞口

现有公开证据无法证实公司已取得机械或作业场所安全认证、食品加工许可、隐私合规管控、事故记录、诉讼情况，亦未见保险与产品责任保障框架。这反映出证据缺口，虽非违规实证，但对投资决策至关重要，因为 North 被描述为在真实顾客、食材、动力关节、摄像头及联网 AI 系统环绕的环境下作业。在投资落实前，法律顾问与独立安全工程师应梳理各运营司法管辖区的法规要求，调取安全论证报告与事故日志，并核实紧急制动、安全状态保持、卫生、隐私及版本更新管控措施是否已在 DQ 实际部署中经过充分验证。[CR002, CR004, CR005, CR015, CR016]

7.3 运营、质量与安全风险

North 号称执行包含 50 至 60 个步骤的工作流，这为误差累积提供了多处隐患，而目前尚未发现公开的多日运行可靠性数据集。Sharpa 触觉优先的架构固然有助于改善操作，但指尖磨损、校准漂移、清洁维护、抓取失误与执行器故障均可能将技术优势转化为繁重的运维负担。此外，公司依赖软硬件混合的技术栈，一旦发生网络安全漏洞便可能演化为物理安全事故。最低限度的风险对冲包应包含：带日期的实地性能数据集、零部件寿命测试、故障树与危险源分析、签名更新与网络隔离控制、版本回滚机制、备件保障承诺，以及在峰值工况下经独立见证的验收测试。[CR002, CR003, CR005, CR006, CR011, CR014]

7.4 伙伴合作、融资及执行依赖

Sharpa 的商业实证高度依赖公司单方描述的 DQ 餐饮工作流，而关键零部件与平台公信力则受制于 Hesai、NVIDIA 和 Unitree 等合作方。Hesai 虽公布了产能规模，但并未披露供给 Sharpa 的配额、采购定价、现场故障率或作业循环寿命，供应链持续性与质量风险敞口依然未决。报道的融资规模提供了充裕的资金实力，但优先股证券、数十亿美元的高估值、未见公开收入以及未披露的烧钱率或毛利率，带来了融资模型层面的风险。因此，投资尽调应着重检验备选供应商储备、合同权益条款、客户集中度、资金跑道期、清算优先权以及维保已部署机器人所需的运维预算。[CR008, CR009, CR010, CR011, CR012, CR015]

7.5 缓解措施、监测指标与投资逻辑破坏触发项

投资路径应由里程碑把关，而不是靠叙事推动。持续跟踪自主完成率、每单人工干预次数、安全停机频率、周期时间、正常运行时间、部件更换率、单台服务成本、安全事故、客户续约，以及现金消耗是否符合计划。若安全关键故障反复出现且根因尚未查明，若运行依赖未披露的持续人工控制，或公司无法提供辖区合规与网络安全证据，就应暂停部署。若长期现场可靠性达不到客户对人力替代和吞吐量的要求、关键供应商无法替换，或资本需求上升却没有相应的付费使用量，投资逻辑就会失效。[CR003, CR004, CR005, CR006, CR011, CR016]

7.6 深度图表

8.1 投资论点与反向论点

Sharpa 的核心投资论点立足于其开创性的触觉优先物理 AI 架构，以量产的 22 自由度 SharpaWave 灵巧手与自研 CraftNet 基础模型为支柱。不同于纯视觉机器人平台，Sharpa 的高分辨率触觉传感器具备毫牛级压力灵敏度，使其无需改造场地，也能在非结构化商业环境中完成接触密集型操作。Alibaba、Meituan、Tencent 及 JD.com 等一线产业资本的加持，为其开拓物流与零售分发渠道铺平了道路。相反，反向论点强调 Sharpa 尚未产生商业化收入，且身处资本密集、投资回收期长的硬件赛道。Dairy Queen 的落地展现了出色的演示效果，但长期维护成本、实地干预率以及客户规模化付费意愿均未经验证。[CV001, CV004, CV005, CV006]

8.2 融资背景与对标参照

2026 年 8 月，Sharpa 披露累计融资超 RMB 4.5 billion（约合 $668M 至 $669M），完成了一轮可转换优先股融资，投后估值达 RMB 22 billion（$3.3 billion）。本轮交易吸引了 HongShan、Qiming Venture Partners 以及 Meituan DragonBall 等头部机构与产业投资方。在 $3.3 billion 投后估值下，Sharpa 的一级市场估值据报已超越其管理团队创立的激光雷达上市公司 Hesai Technology。相较于 Figure AI 等全球具身智能同行及 LinkerBot 等独立零部件专家，Sharpa 凭借中国产业资本背书和硬件壁垒预期享有溢价倍数，但公开金融市场的可比公司交易估值倍数显著低于此类水平。[CV001, CV002, CV003, CV007, CV008]

8.3 估值情景推演与下行情景触发项

考虑到早期机器人商业化落地具有二元对立的特征，情景分析显示出潜在结果的巨大离散度。在乐观情景（Bull case）下，Sharpa 将灵巧手推广至各 OEM 合作伙伴，深化在快餐连锁的零售渗透，并在 2028 年前实现商业收入，支撑以 $5.0B 估值通过 IPO 退出。在基准情景（Base case）下，Sharpa 在高价值细分任务中实现小范围商业化，但面临硬件毛利挤压和部署周期拉长，估值维持在 $3.0B 平盘。在悲观情景（Bear case）下，技术可靠性遭遇瓶颈、客户试点流失或面临低成本零部件厂商竞争，将引致下调轮（down-round）风险或重组清算，估值跌破 $1.2B。核心下行触发因素包括门店运营期间居高不下的人工干预率以及商业收入转化停滞。[CV009, CV010, CV011, CV012]

8.4 投资建议与尽调诉求

基于现有公开证据，我们给予 Sharpa「继续研究」的投资建议，评定为中等确信度、高风险评级，估值立场偏高。$3.3 billion 的估值已预先计入了在产生商业收入或确立单机经济效益之前的完美执行预期。评估老股转让或后续扩张轮次的机构投资人在出资前，必须索取严格的技术与运营审计数据。重点尽调要求包括：核验上海 Dairy Queen 部署期间的任务完成率与平均无故障时间（MTBF）、审计 SharpaWave 灵巧手的 BOM 成本演变轨迹，以及核查 2026 年 8 月可转换优先股融资的清算优先权条款。[CV001, CV005, CV013, CV014]

8.5 深度图表