Robotul de ghiță evaluat la 139 de miliardi de lei: mana dextra, tipăroarea banilor pentru inteligenta incarnata

În magazinul DQ de pe strada Wu Jiang din Shanghai, un robot face ceva care pare „prost” la prima vedere.

Extrage cupa din consumator, ia un pahar de hârtie, îl pozipează sub mașina de ghiță, adaugă fragmente de Oreo, amestecă, curăță muchia și, la final, îl toarnă cu jos—testul clasic „paharul întoars nu se varsă”. Toți cei 55 pași sunt realizaţi autonom; angajatul din lângă mașină nu atingă nici un buton.

Un angajat face o cupă în 2‑3 minute. Robotul are nevoie de 6 minute. Este mai lent, dar nimeni nu îl pressează.

Deoarece DQ și compania Sharpa din spate nu se concentrează pe eficiență. Ei urmăresc altceva: datele.

Mai jos vei găsi trei moduri concrete în care o persoană obișnuită poate profită de această oportunitate.

Acesta nu este un lovit de reducere, ci un antrenament de nivel superior

Majoritatea oamenilor care citesc această știre se întreabă: o companie cu valută de zece miliarde de lei merge să lucreze într-un magasin de ghiță? Pare un utilizare suboptimă a resurselor.

Cine afirmă asta nu a înțeles logica de competiție a inteligenței incarnate.

Ce numim de obicei „robot” într-un restaurant este, în esență, un platou cu roți care transportează plăti. Are grade de libertate minimale—doar mișcare, evită obstacolele și ajunge la destinație. Tehnica de bază este aproape nulă, iar bariera de intrare este inexistentă.

Sharpa a ales altfel. A intrat în bucătărie, a folosit echipamentul uman, ingredientele umane și standardele globale, și a completat toată secvența de la zero la final.

Li Yifan, fondatorul Sharpa, a spus: „Dacă un robot umanoid cu zeci de grade de libertate, cu vedere și control de forță, termină prin a face ce un braț mecanic simplu poate face—adică a da o ceașcă—costul nu se justifică niciodată.”

Mesajul este clar: robotul nu poate cere ca mediul să se adapteze la el, nu poate lăsa ultimele pași pentru a fi finalizaţi de un om. Asta nu creează productivitate; iată doar o sarcina ușoară pentru robot.

Asta este de ce scenariul DQ este greu: 55 pași interdependenți. Paharul se deformează, ghița schimbă textura în funcție de temperatură, cele trei adăugări de ingrediente apar identice în camera, iar o deviație mică duce la eșec total.

Și exact aici Sharpa vrea datele: cele din eșec.

Adevăratul barier nu este cipul, ci „datele de cădere”

Care este cea mai mare bariere în inteligența incarnate?

Nu este învățarea unei trajectories prin videouri. Arătați lui GPT cento de videoclipuri cu prepararea ghiței și el nu va învăța cu ce forță trebuie să țină paharul. De ce? Pentru că videoclipurile nu conțin informații tactile, de forță sau logica de corectare după o greșeală.

Când observați o persoană care face o ghiță, știți cât înalte ridică mâna, dar nu știți cu ce forță trebuie să țină paharul pentru a nu-l zdrobi, nu știți dacă s-a renversat pentru că ingredinta a fost introdusă greșit sau pentru că amestecul a fost prea rapid, nu știți cum un unghi de două grade la curățare muchiei schimbă tot rezultatul.

Aceste detalii pot fi colectate doar prin a pune robotul în situații reale, să facă greșeli, să se readjusteze și să înregistreze fiecare eșec. Această „dată de eșec” antrenează modelul, astfel încât în scenariul următor să evite repetaerea greșelilor.

Sharpa a antrenat acest flux DQ timp de sub cincisori zile; rata de succes în laborator este înaltă. Dar numărul nu contează. Ce contează sunt imprevizuirile din magazinul real: râul în orele de vârtej, variațiile de temperatură a echipamentului, diferențele între loturi de materii prime—acestea sunt examenul real.

Abilitățile de prindere, scoatere, amestecare și turnare învățate astăzi la DQ vor putea fi transferate mâine la rezerve de un magazin, la serviciile camerelor de hotel sau chiar la gospodărie. Dacă pentru fiecare nou scenariu trebuie să recommencezi antrenarea de zece mii de ore, atunci proiectul devine o investiție de o singură dată, fără valoare comercială continuă.

Asta este ambiția reală a Sharpa: folosi o singură botică DQ ca să obțină o bază de date de manipulare fină care să poată fi transferată oricând.

Evaluarea de 139 de miliardi de lei – mai mult decât vechiul patron

Sharpa a fost fondată la sfârșitul 2024, deci are mai puțin de doi ani. A anunțat recent o rundă de finanțare de peste 28,4 de miliardi de lei, iar evaluarea post‑finanțare a saltat direct la 139 de miliardi de lei.

Ce este încă mai interesant este proveniența: cei trei fondatori sunt echipa originală de la liderul mondial de LiDAR, Hesai Technology.

În prezent, chiar și Hesai are o evaluare deosebită. O companie de sub doi ani a depășit valoarea companiei părinte. De ce Hesai nu a integrat această activitate intern, ci a ales să se scinde?

Este un clasic exemplu de strategie industrială.

În primul rând, sectoarele sunt diferite și logica de evaluare nu are nici o similitudine. LiDAR-ul este o industrie de producție matură—se analizează volumul de producție, marja brută și controlul costului. Robotul umanoid este, în schimb, o tehnologie în fază de exploziune—se evaluatează prin bariere tehnice, acumularea de date și puterea de imaginație a aplicațiilor. Finanțarea separat permite un plafon de evaluare mult mai înalt.

În al doilea rând, stimulentele echipei devin mai flexibile. O companie independentă poate restructura acţionariatul fără a dilua interesele vechiilor acţionari ai Hesai, iar echipa primă beneficiază de un pachet de compensare și autonomie distincte.

Uitaţi-vă la investitorii acestei runde: Alibaba, Meituan, capitalul industrial al JD.com, precum și fondurile de top precum Sequoia și Mingying. Esența lor de pariere este aceeași: Sharpa va putea reproduce succesul lui Hesai în domeniul LiDAR, aplicându‑l pe robotul umanoid.

Mai întâi, ei conqueră componentele de bază, apoi folosesc datele din scenariu pentru a închide bucla algoritmului și, în final, să construiască o soluție full‑stack.