无题
无题
Richardsonslug: robot-tangan-cerdik-ais-krim-perniagaan
transid: humanoid-robot-dexterous-hand-ice-cream-business
title: Robot ais krim bernilai 220 bilion: tangan cerdik menjadi mesin cetak duit possed intelligence
date: 2026-04-18 09:30:00
categories: [Pelaburan]
tags: [robot-manusia, tangan-cerdik, kecerdasan-tubuh, pelaburan-perindustrian, teknologi-keras]
description: Sharpa robot ais krim menyelesaikan 55 langkah sendiri, nilai pasca‑pelaburan 220 bilion CNY. Data kegagalan aset utama.
keywords: tangan cerdik, robot manusia, possed intelligence, Sharpa, Hesai, pelaburan industri
top: false
recommend: true
Robot ais krim bernilai 220 bilion: tangan cerdik menjadi mesin cetak duit possed intelligence
Di gerai DQ di Jalan Wujiang, Shanghai, sebuah robot sedang melakukan tugas yang kelihatannya “bodoh”.
Ia mengambil cincin dari peti steril, mengeluarkan cawan, menyesuaikan dengan mesin ais krim, menabur kepingan Oreo, mengaduk, membersihkan tepi cawan, lalu membalikkan cawan untuk menguji prinsip “tucak tidak tumpah” DQ. Lima puluh lima langkah dilakukan sepenuhnya secara autonom; pegawai hanya berdiri di samping tanpa menyentuh apa‑apa.
Pegawai memerlukan 2–3 minit untuk satu cawan. Robot memerlukan 6 minit—lebih lambat dua kali. Namun tidak ada yang mengejarnya.
DQ dan Sharpa, perusahaan di balik robot ini, tidak memikirkan kecepatan. Mereka mengutip satu hal: data.
Ini bukan pangkatan turun, ini adalah latihan naik taraf
Banyak yang membaca berita ini dan berpikir: “Syirik bernilai ratusan juta ringgit malah bekerja di kedai ais kirm? Terlalu besar untuk tugas kecil.”
Orang yang berkata seperti itu belum memahami logika persaingan possed intelligence.
Robot yang Anda lihat di restoran biasanya hanya mengantar piring atau mengirim makanan—hanya roda dengan pelat, melakukan tugas angkut paling dasar. Ia tidak memerlukan “tangan”; cukup boleh jalan, elak halangan, dan sampai ke tempat. Teknologinya hampir tidak ada nilai, dan tidak ada rintangan yang berarti.
Sharpa berbuat sebaliknya. Ia masuk ke dapur, menggunakan peralatan dan bahan yang sama seperti manusia, menjalani seluruh alur kerja dari awal hingga akhir berdasarkan standard global.
Pendiri Sharpa, Li Yifan, pernah berkata: “Jika sebuah robot berderajat puluhan dengan penglihatan dan kawalan daya hanya dapat melakukan pekerjaan yang boleh dilakukan oleh lengan mekanik biasa, kosnya akan selalu tidak mampu bersaing.”
Intinya: robot tidak boleh memaksa lingkungan beradaptasi kepadanya, atau menyelesaikan 9 langkah lalu meninggalkan satu langkah untuk manusia menyelesaikan. Itu bukan penciptaan produktivitas, justeru memberi robot pekerjaan santai.
Scenario DQ sulit karena 55 langkah yang saling terkait. Cawan mudah lentur, kekentalan ais kirm berubah dengan suhu, penambahan bahan tiga kali terlihat hampir sama dalam kamera—sekesalan kecil menyebabkan kegagalan total.
Sharpa justru menginginkan kegagalan ini.
Dinding sejati bukan chip, ini data “terjatuh”
Hadiah terbesar possed intelligence bukan meniru gerakan dari video. Anda boleh tunjukkan GPT seratus kali video pembuatan ais krim, ia masih tidak tahu seberapa besar kekuatan yang diperlukan untuk memegang cawan tanpa memekikkannya. Video tidak menyentuh raba, tidak menunjukkan logika pemulihan setelah kesalahan.
Melihat seseorang melakukan sesuatu sekali hanya memberi Anda ketinggian lengan, tetapi tidak memberitahu seberapa kuat Anda harus menekan cawan, apakah pecahan disebabkan oleh sudut pemasukkan yang salah atau kecepatan pengadukan yang terlalu tinggi, atau bagaimana perubahan dua derajat pada pengukaan cawan mempengaruhi hasil.
Informasi seperti itu hanya diperoleh dengan membiarkan robot beroperasi di dunia nyata, membuat kesalahan, lalu menyesuaikan. Data “kegagalan” ini, ketika dimasukkan ke model, membuat situasi berikutnya lebih efisien.
Sharpa melatih alur DQ selama kurang dari lima bulan; keberhasilan di laboratorio tinggi. Namun angka itu tidak berharga. Tantangan di toko nyata—kerumunan di jam sibuk, fluktuasi suhu mesin, variasi bahan baku—adalah ujian sejati.
Gerakan mengambil, menyodok, mengaduk, dan membalik yang dilatih di DQ hari ini dapat dipakai langsung di toko runcit, bilik hotel, atau pekerjaan rumah tangga besok. Jika setiap konteks baru memerlukan pelatihan ulang dari nol, model ini tidak ada nilai komersial.
Ini adalah asli Sharpa: menggunakan satu gerai DQ untuk membekalkan basis data operasi tangan yang boleh dipindahkan.
Nilai 220 bilion—lebih berharga daripada ibu jati
Sharpa didirikan akhir 2024, baru kurang dari dua tahun. Pekan lalu ia mengumumkan pelaburan baru sebanyak 4,5 bilion yuan (sekitar RM2,9 bilion), mengangkat nilai pasca‑pelaburan ke 220 bilion yuan (sekitar RM141 bilion).
Yang lebih menarik: tiga pendiri Sharpa adalah bekas inti dari Hesai, pemimpin lidar dunia. Hesai sendiri kini berpasaran tinggi.
Mengapa sebuah startup berusia dua tahun mampu melebihi nilai ibu jatinya? Ini adalah taktik klasik industri.
Pertama, sektornya berbeda, jadi logika nilai juga berbeda. Lidar adalah industri manufaktur matang—penilaian berdasarkan output, marjin, dan pengurangan kos. Robot possed adalah pertumbuhan teknologi awal—penilaian berdasarkan halangan teknologi, akumulasi data, dan imajinasi skenario. Pendanaan mandiri memberi plafon nilai yang jauh lebih tinggi.
Kedua, struktur insentif lebih fleksibel. Perusahaan mandiri boleh reka semula equity tanpa menurunkan asli pemegang saham Hesai, sementara inti inti mendapat hak dan otonomi yang berbeza.
Lihat investor kali ini: Ali Baba, Meituan, JD.com Industry Capital semua masuk, bersama dengan Sequoia dan Qiming. Pada dasarnya, mereka bertaruh pada satu hal: Sharpa dapat meniru jalan keberhasilan Hesai di lidar ke dunia possed intelligence.
Langkah pertama: menguasai komponen inti. Langkah kedua: menggunakan data dari aplikasi nyata untuk menutup algoritma. Langkah ketiga: membangun sistem penuh.
Ini bukan sekadar robot yang membuat ais krim—ini adalah pabrik data yang mencetak peluang untuk pelabur biasa. Tiga jalur masuk yang boleh Anda coba hari ini:
- Jual akses ke set data tangan cerdik untuk startup possed intelligence lain.
