En glassrobot värderad till 22 miljarder: gripande händer blir förkroppsligad AI:s pengamaskin

I en DQ-butik i Shanghai står en robot och gör något som ser “ganska dumt” ut.

Den tar en koppring ur desinfektionsskåpet, drar ut en pappersmugg, håller den under glassmaskinen, strör på krossade Oreo-kakor, rör om, skrapar rent muggranden – och vänder till slut muggen upp och ner. DQs klassiska test: glassen ska inte rinna ut. Totalt 55 steg, helt autonomt. Personalen bredvid rör inte ett finger.

En anställd gör samma sak på 2–3 minuter. Roboten behöver 6.

Mer än dubbelt så långsam. Men ingen stressar den.

För varken DQ eller bolaget bakom roboten, Sharpa, bryr sig om hastigheten. De är ute efter något annat: data.

I slutet av den här artikeln får du tre konkreta vägar in för vanliga människor som vill tjäna pengar på det här.

Det här är inte överdimensionerat – det är träning på elitnivå

De flesta som ser nyheten tänker direkt: ett bolag värt miljarder som går och jobbar i en glasskiosk? Lite väl mycket kanon för en sparv, eller?

Den som säger så har inte förstått tävlingslogiken i förkroppsligad AI.

De “robotar” du ser på restauranger i dag rullar runt med brickor och mat. I praktiken är det rullbord med hjul – låggradigt fraktjobb. De behöver inga “händer”, bara hjul, hinderundvikning och rätt destination. Tekniken är nära noll, och det finns ingen vallgrav att tala om.

Sharpa gör tvärtom. De kryper in i köket och kör hela kedjan med människors utrustning, människors råvaror och en globalt standardiserad process – från början till slut.

Sharpas grundare Li Yifan har sagt något vasst: om en humanoid robot med dussintals frihetsgrader, syn och kraftkontroll till slut bara serverar kaffe – något en vanlig robotarm klarar – då går kalkylen aldrig ihop.

Kärnan är enkel: roboten får inte kräva att omgivningen anpassar sig. Den får inte göra 9 steg och lämna det sista åt en människa. Det är inte produktivitet – det är att hitta på ett sysselsättningsjobb åt en robot.

Därför är DQ-scenariot så brutalt: 55 steg som hänger ihop. Pappersmuggen är mjuk, glassens konsistens ändras med temperaturen, de tre påfyllningarna ser nästan identiska ut visuellt. Ett litet fel och allt rasar.

Och det är precis dessa misslyckanden Sharpa är ute efter.

Den riktiga vallgraven är inte chip – det är data från alla snubblor

Vad är det största hindret inom förkroppsligad AI?

Det är inte att titta på video och kopiera rörelser. Låt GPT se hundra glassvideos – den lär sig ändå inte hur hårt man ska greppa en mugg. Video saknar känsel, kraftkänsla och logiken för hur man reparerar ett misstag.

Du ser hur högt handen lyfts. Men du vet inte hur hårt man kan klämma en pappersmugg utan att trycka ihop den. Du vet inte om spill beror på fel vinkel vid påfyllning eller för snabb omrörning. Du vet inte vad två graders fel vid skrapningen av muggranden gör.

Den informationen fås bara när roboten snubblar i verkligheten, misslyckas och justerar. Mata modellen med den här “felsökningsdatan” och nästa scenario blir dramatiskt enklare.

Sharpa tränade DQ-flödet i under 5 månader med hög träffsäkerhet i labbet. Men den siffran räknas inte. Den riktiga examen är kaoset i en faktisk butik: rusningstrafik, temperatursvängningar i utrustningen, skillnader mellan råvarubatcher.

Det som tränas i DQ i dag – grepp, skopa, röra, hälla – kan i morgon återanvändas direkt: plocka varor i en butik, städa hotellrum, till och med hushållssysslor. Om varje nytt scenario kräver 100 000 nya träningstimmar är butiken ett engångsprojekt utan kommersiellt värde.

Det är Sharpas verkliga ambition: byta en DQ-butik mot en flyttbar databas av finmotorik.

Värdering 22 miljarder – mer värd än det gamla moderbolaget

Sharpa grundades i slutet av 2024. Bolaget är inte ens två år gammalt. Den nya finansieringsrundan landade på över 4,5 miljarder yuan (cirka 6 miljarder kronor), med en post-money-värdering på 22 miljarder yuan – runt 30 miljarder kronor.

Det intressanta är bakgrunden: alla tre medgrundare kommer direkt från grundarteamet på Hesai, lidar-jätten.

Och Hesais eget börsvärde är inte heller fy skam.

Ett bolag under två år gammalt som värderas över det gamla moderbolaget. Varför byggde Hesai inte det här internt, utan spinde ut det?

Det är ett klassiskt industrigrepp.

För det första: olika spår, helt olika värderingslogik. Lidar är mogen tillverkningsindustri – volymer, marginaler, kostnadskontroll. Humanoida robotar är explosiv tillväxtteknologi – tekniska vallgravar, datainsamling, scenariospotential. Som fristående bolag är värderingstaket mycket högre.

För det andra: incitament. Ett självständigt bolag kan designa om kapitalstrukturen utan att späda ut Hesais gamla aktieägare, och kärnteamet får både större ägarandel och större mandat.

Titta på investerarna i rundan: Alibaba, Meituan och JD:s industrikapital, plus toppbolag som Sequoia och Qiming. I grunden satsar de alla på samma sak: att Sharpa kan kopiera Hesais lidar-framgång – fast på humanoida robotar.

Först erövra kärnkomponenten, sedan köra algoritmloopen med scenariodata, och till slut bygga en komplett fullstack-position.