个人场外配资 从春晚舞台跳舞到实际场景干活，这家公司将马斯克的设想变为现实
作者｜Li Yuan
编辑｜ 郑玄
今年春晚的舞台，差不多被机器人给占了。
热闹是挺热闹的，但我盯着看，发现一个挺有意思的变化。和去年那些机器人比起来，今年登台的，好多都长出了手。
沈腾和马丽那个节目，《我最难忘的今宵》，镜头就对着那双手停了老半天。盘核桃，串烤肠，拿东西放东西，动作细得很。
这么一来，机器人的感觉就变了。不那么像机器，倒有点人干活的那个意思了。
人形机器人火了一年，可总有人问，它们真能干活吗。这个问题问得挺对。能不能干活，关键就看那双手。一双能量产、靠得住、够灵巧的手，才是分界线。
造手这件事，其实比造个机器人身子骨难多了。
马斯克聊过这个难题，他说一半以上的工程麻烦，都出在手上。2025年9月，The Information也爆过料，说特斯拉机器人量产一直往后推，卡就卡在灵巧手的设计上。
手为什么这么要命。按人体运动模型那种算法，全身常用的活动关节大概八十个，一只手就占了二十多个。两只手加起来超过四十，比一半还多。
人手不光能动得复杂，还能摸出感觉。高自由度的力道控制，加上触觉，全要塞进巴掌大的地方。这简直是逼着工程师挑战极限。
春晚那双手，差不多把大家对灵巧手的想象都给演出来了。
我顺着镜头往下挖，发现一个更有意思的事。那双手，不是银河通用自己做的。它来自一家平时几乎听不到声音的公司，Sharpa。
Sharpa背后的故事，可能比台上那些机器人打架更有看头。
01
神秘低调的行业大佬终于站在聚光灯下
在这个圈子里，Sharpa一直有点神神秘秘的。
我第一次注意到这家公司，是在2025年5月的ICRA。那是机器人领域的一个顶级学术会议。
那时候，好多人的心思还在机器人走路别摔跤这件事上。少数意识到灵巧操作有多重要的人，觉得高自由度的灵巧手离稳定可靠还远着呢，几乎有点没指望。Sharpa就在这个时候冒出来了，或者说，是硬生生挤进了大家的视线。他们的展位，成了现场最抓眼球的那个。
ICRA展会上，Sharpa做了一件让很多人愣住的事。它从一副牌里，单独抽出了一张牌。不是抓，是抽。这个动作在当时的灵巧手领域，几乎没人见过。它不再只是完成一个设定好的抓握指令，它开始进入需要实时判断和精细反馈的真实互动了。现场的人心里都清楚，这东西，已经是全球最好的灵巧手之一。
评价高，主要高在两个地方。一是它对高自由度手指的稳定控制，那么多关节，动起来却一点不散。二是它解决了触觉这个老大难问题。它的指尖塞进去超过一千个触觉单元，密密麻麻排成阵列，能分辨出小到五毫牛的力。五毫牛是什么概念，差不多是半克重量的东西放在上面带来的压力变化。它能感觉到这个。
触觉才是那双真正的眼睛。
没有它，再灵巧的手也像得了帕金森。
我们生活里太多精细活其实不靠看。扣纽扣的时候，谁还盯着那个小孔呢。指尖蹭过布料，摸到纽扣边缘的弧度，位置就对了。拉拉链也是，卡扣对没对上，滑得顺不顺，手指头一碰就知道。稍微有点涩，力道自己就收住了。
就连翻书页这么简单的事，也得靠触觉来拿捏那个劲。多一分怕撕了，少一分翻不动。
这些事眼睛帮不上什么忙。
或者说，视觉在这里退居二线了。它给出一个大概的方位，剩下的全部交给手指尖去感受和判断。那是一种更直接、更底层的对话，发生在皮肤和物体表面之间。我们习惯了，甚至意识不到这个过程有多复杂。机器要理解这个，得从另一个维度去重建感知。不是看见，是摸到。摸到厚度，摸到纹理，摸到那股细微的、即将卡住的阻力。这比识别一个图像难多了。图像是平的，触觉是立体的，而且带着时间的流动。你得在发生的同时做出反应，没有延迟。一延迟，动作就变形了。
所以很多号称灵巧的机械手，做演示看起来眼花缭乱。一蒙上眼睛，全露馅了。
它们还在用视觉的那套逻辑去处理触觉的问题，路就走错了。触觉不是视觉的补充，它是另一套完全不同的语言。你得从头学起。
春晚那个盘核桃的节目，本质上是个触觉问题。
光靠眼睛看，机器人大概知道手里有个圆东西。它转没转，滑没滑，哪边快捏不住了，这些信息眼睛给不了。
触觉是另一套语言。
你得感觉到接触点在皮肤上滚动，那种细微的、随时在变的摩擦力。视觉只能给个大概其的轮廓，它告诉你东西还在那儿，但也就到这儿了。东西是不是已经开始悄悄往外溜，哪一侧的支撑正在变虚，这些关键的变化，都藏在皮肤和物体接触的那层感觉里。
这感觉没法看，只能摸。
所以你看那些试图模仿这个动作的机器，它们的动作总显得有点愣，或者说，过于精确了。它们按照预设的轨迹转动，但手里那个核桃是活的，表面的纹路、重量分布带来的微小失衡，都在制造变数。人类手指能即时处理这些变数，靠的不是计算，是反馈。是皮肤告诉大脑，这边有点松了，那边得加点力，一套瞬间完成的、无需思考的调整。
机器缺的就是这套即时反馈的语言系统。
视觉像是个远距离观察者，它报告全局。触觉才是贴身的对话，它报告每一刻的、局部的真实状态。盘核桃这个动作，精髓不在转，而在通过转，持续地、动态地感知并调整。你手里转的不是两个核桃，是一连串稍纵即逝的、需要立刻回应的触觉信号。
没了这个，动作就只剩下空壳了。
指尖的触感，是机器人最后的安全绳。
当视觉和算法都失效，压力、滑动、那些细微的形变，就成了它理解世界的唯一语言。它得靠这个，在核桃掉下去之前，知道自己抓错了地方，然后悄悄调整手指的姿势和力道。
这不是锦上添花，是底线。触觉必须实时，必须细腻，必须在接触状态改变的瞬间，身体就做出反应。慢零点几秒，东西就没了。
Sharpa 自己就明白这个道理。
2025年5月，在ICRA的展台上，它干过这么一件事。它自己低下头，在桌面上找到一台相机，对准观众，按下快门。接着，它用食指去摸相机侧面的那个小拨杆，不是戳，是轻轻拉动，把拍好的照片从机器里取出来，最后递出去。
整个过程，你看不到任何停顿和犹豫，像早就排练过无数遍。但内行知道，这份丝滑底下，全是触觉感知和快速控制系统的功劳。它得感觉到拨杆的凸起，感觉到照片纸的边缘，感觉到递出去时手指该用多少力。
就凭这个，它成了那几天展馆里最引人注目的角色。我听说，同一个机器人，就这么拍了几千张照片，没失手过。
Sharpa出现在春晚舞台这件事，现在回头看，一点都不奇怪。
过去一年玩灵巧手的人确实多了。但把自由度、尺寸、负载、可靠性还有触觉这些指标全摆出来，能同时做到并且做得好的，一下子就少了。Sharpa这种在行业里闷头干了很久的角色，被推到台前几乎是必然的。
圈子里有人把他们的产品叫灵巧手里的劳斯莱斯。这话听着像玩笑，但里面有两层很实在的意思。一个是性能确实被认，另一个是价格也确实摆在那儿。十万美元一双，没什么商量余地。
有消息说他们的货根本不够分。从去年十月开卖算起，国内和硅谷叫得上名字的科技公司、机器人公司基本都下了单，而且订单量不小。
Sharpa Wave这东西，短时间内成了硬通货。论坛上谁晒个开箱，底下全是羡慕的。谁先拿到手，谁就能在“真实操作物理世界”这个环节抢到一点先机。灵巧手不决定模型能跑多高，但它决定了哪些能力能从论文和仿真里走出来，哪些永远走不出来。
它变成了弹药。最要紧的那种。
02
Sharpa：春晚炫的是顶级的硬件，
CES 上展的是顶级的 AI 能力
靠灵巧手出了名，但Sharpa自己很少说自己是做灵巧手的公司。稍微往里看看就明白，灵巧手对他们来说，可能只是个开始。那是他们技术体系里最先成熟、也最容易被外界看见的一块。
他们真正在挖的护城河，是围绕灵巧操作和触觉搭起来的那套东西，软件硬件绑在一起的AI模型能力，还有那个跑得很快的数据采集和训练体系。
今年一月的CES上，这点看得特别清楚。
CES的展台上，Sharpa的人形机器人North在走动。他们这次没怎么炫耀那只灵巧手能单独拧开瓶盖，重点变了。整个演示看下来，连贯性很强，一个任务接一个任务，背后驱动的是他们自研的VTLA模型，CraftNet。
这个模型的结构有点意思。
CraftNet是端到端的分层架构。他们额外加了个东西，叫System 0。这个层不处理语言，也不做视觉分析，它只管物理接触。靠触觉和力反馈直接干活，控制频率拉到差不多100赫兹。这么说吧，比通常的控制层快了十倍。
快十倍意味着什么。
意味着那些需要瞬间反应的细微操作，可能不再是瓶颈了。机器人抓一个鸡蛋，或者扶住一个快要倒的杯子，靠的就是这种毫秒级的调整。以前这类动作总显得有点笨拙，或者需要极其复杂的预编程，现在看起来，路径不太一样了。
他们没明说，但展示的逻辑很清晰。单个高难度动作是技术实力的勋章，而连续完成复杂任务，才是真正走向实用的门票。CraftNet，尤其是那个System 0，像是给这张门票加了个防伪芯片。
当然，展台演示是一回事。真正的物理世界要混乱得多，也苛刻得多。不过这个思路，至少指出了一个明确的技术演进方向。不再只是让手更巧，而是让整个系统对“接触”这件事，反应得更快，更直接。
这或许比做出一个完美的后空翻，更值得琢磨。
机器人第一次摸到了东西。
不是那种预设好的抓取，是带点试探，带点调整，手指头能感觉到力反馈，然后自己知道该用多大力气，该往哪个方向挪一挪。这感觉，差不多就是我们说的“手感”。
三周后，Figure那边也更新了。
他们给那个叫Helix的架构底下，加了个新层级，叫System 0。公告里说，这东西管的是高频接触、身体平衡和全身协调。名字和它要干的活儿，跟之前Sharpa提出的模型结构，像得有点过分了。不是细节像，是骨架和分工的逻辑，几乎一个模子。
结构层级，职责边界，都对得上。
CES上Sharpa的North机器人，玩了手更花的。
它那双手确实灵巧，但这回重点不在这。它开始干一件有头有尾的事了。它坐在赌桌后面，当起了发牌荷官，陪观众玩二十一点。从洗牌，到发牌，到收牌，一整条线下来，没人插手。它就那么坐着，一张一张地发，一轮一轮地来。
任务闭环了。
灵巧手以前是秀单项技术，现在成了这个闭环里一个顺理成章的部件。技术展示还在，但味道变了，它现在更像是在演示一个完整的、能自己转起来的服务场景。那个场景里，机器人知道自己每一步做完，下一步该干什么。
机器人打牌这件事，听起来有点荒诞。
但现场的人盯着看，看的不是输赢。
它得先弄明白规则，不是那种死记硬背的指令，是真正理解什么时候该出什么牌。这第一步就筛掉了很多只会按剧本表演的机器。
然后才是手上的功夫。扑克牌又薄又滑，还容易粘在一起，人的手指都觉得麻烦。机械手要稳稳地捏住，准确地抽出其中一张，再放到该放的位置，这套动作的精度要求不低。
最后是整场牌局。它不能只做对一次，得在连续的判断和动作里，一直保持稳定，不出错。这就像让一个人不停地做精细活，时间一长，手也会抖。机器人的系统能不能扛住这种长程的消耗，才是真正的考验。
牌局只是个小测试。
到了CES那个折叠风车的演示，味道就更对了。那是一个更漫长，步骤更繁琐的任务。你得看着它，一步一步，把那些薄片折来折去，最后变成一个会转的东西。中间任何一个环节卡住，整个表演就垮了。
它没垮。
这种稳定感，比任何语言上的宣传都来得直接。观众站在那儿，看的就是这个。看它会不会中途死机，看它手里的零件会不会突然掉下来。没掉下来，任务完成了，那种沉默的说服力就形成了。
事情大概就是这样。
让机器人折纸，这事儿听起来就透着股别扭。
纸这东西，软塌塌的，你手一碰它就变形。边缘自己会卷起来，折过的地方力道全变了，摩擦的感觉也时时刻刻不一样。你没法提前给它编好一套死程序，告诉它第一步手放哪儿，第二步用多大力。它得自己摸，自己感觉，自己在那儿不停地微调。
North这个机器人干的就是这个。它得在动态里找平衡。
更关键的是，它好像学会了变通。你把纸片悄悄挪个地方，或者桌面突然没那么滑了，它不会愣住，也不会傻乎乎地从头再来一遍。它会停一下，大概是在心里重新算了一遍，然后接着往下干。这种能力，我们一般管它叫抗干扰。
或者说，是一种面对混乱局面的镇定。
他们总在说最后一毫米。
叠风车的时候，眼睛看准了没用。手指头真正碰上去那一下，才是开始。风车的纸边会弯，会滑开，会给你一个意料之外的力。你得跟着它动，手指头得有自己的主意，在那一毫米里面不停地调，调力道，调角度，调那种说不清道不明的接触感。
差一点，就散了。
Sharpa的模型突破在于，它把触觉放进了控制闭环里。
机器人叠衣服的时候，最后那一毫米总是最难。
现在它知道自己摸到的是什么，也知道该怎么调整力道和角度了。
那点微妙的触感，从最不稳定的环节，变成了可以反复复现的固定动作。
他们这次在CES上又这么干了。
四天，每天八小时，机器就在那儿不停地叠，不停地打乒乓球，不停地和人玩牌。
风车叠了四百多个，球打了八百场，牌局开了九百次，还顺手拍了两千多张照片。
没停过。
外行可能觉得，现场演示和录个视频放出来，能有多大区别。
区别大了去了。
对圈里人来说，这根本是两种东西。一种是演给外面看的，另一种，是摆上台面给同行看的。
视频可以剪。
哪怕一百次里只成功一次，只要把那一次拍下来，画面就是完美的，无懈可击。
展会上不行。光线在变，人在走来走去，设备状态会有波动，任何一点意外都可能让动作失败。失败一次，可能就被围观的人拍下来，发到网上。
然后所有人都看见了。
失误会被放大，不停地被传播。
所以很多公司，包括那些名字很响亮的，Figure、1X，还有Tesla，更愿意发视频。
现场演示不是没有，但翻车的情况也不少。
（当然，翻车本身也是一种信息。）
Sharpa这种近乎偏执的选择，像是一种技术上的审美。
或者说，是一种提醒。
现在大家一提到机器人，都在谈论泛化能力，说它能不能适应新场景。这当然重要。
但Sharpa想说的是，别忘了鲁棒性。
忘了可靠性。
一个只能在实验室里成功百分之一的Demo，永远走不进工厂的大门，更别说普通人的家里了。它首先得能稳定地工作，重复一千次，一万次，不出错。
03
隐形的独角兽，
和它背后的团队
在主流视野里，Sharpa没什么声音。
它不像那些人形机器人公司，隔三差五就有新闻出来。网上流传的它的视频，大多是观众在展会上用手机拍的，画面有时候还晃得厉害。
你甚至找不到一个它的官方公众号。
投资圈的人知道它估值早过了十亿美元，但想找上门去聊，往往还得托好几层关系。结果通常是一样的，被客气地回绝。
但在该看见它的地方，它一直都在。
他们的传播很窄，也很深，只出现在那些行业展会、学术会议和技术论坛上。曝光量不是他们要的，他们只关心是不是被“对的人”看见了。
这个策略，很有效。
全球那几个顶级的机器人学术会议，已经能看到不少论文在用Sharpa的硬件平台。他们的AI科学家，名字也开始和学界的大牛一起，出现在论文的作者栏里。
英伟达给了他们一个明确的信号，邀请他们在2026年的GTC大会上，专门讲讲那个CraftNet模型。
这家公司的背景，是最近才被慢慢挖出来的。
公开信息显示，Sharpa在2024年底成立，三个联合创始人都来自禾赛科技。向少卿，李一帆，孙恺。
这个组合，一看就是干实事的路子。
禾赛的故事很多人知道。
他们花了差不多十年，在一个曾经被美国公司牢牢握在手里的行业，把激光雷达的成本打了下来，降了百分之九十九点五。他们建起了车规级的量产和质量体系，一年能产几百万台，做到了全球市场份额第一，公司也实现了盈利。
在那个领域，他们几乎成了唯一成功的范本。
这种从工程、到产业、再到市场全部打通的经历，或许比任何技术口号都更能说明问题。我是说，或许。
禾赛的激光雷达今年上了春晚，装在宇树机器人里，让它能躲开东西，还能和别的机器人一起干活。
这事说明，Sharpa那帮创始人没在闭门造车。
他们一直和顶级的机器人团队、工厂还有大学实验室混在一块儿，太清楚现在机器人到底卡在哪儿了。
所以你看，Sharpa几乎把所有力气都花在了最要命的地方。
怎么让操作别出岔子，怎么让动作看起来像人一样自然，怎么把眼睛看到的和手上摸到的感觉拧成一股绳，还有，怎么把最后那一点点、总是搞不定的精细活儿，从一个碰运气的问题，变成一个能按步骤解决的技术活儿。
这么一想，Sharpa不爱出声，可能不是怕见人。
那更像是一种干工程的人才会有的判断，被现实敲打过很多次之后形成的判断。他们不是头一回走这种“看着慢，但必须稳”的路了，之前在禾赛搞激光雷达，已经完整地走了一遍。
激光雷达那会儿，禾赛干成了一件特别难的事。
他们先不管别的，把东西做得足够结实，扔到工厂里、车上别坏。等这个没问题了，再想办法让它的性能变得比别人都强。最后一步，才是琢磨怎么大规模生产，把价钱打下来。这条路听着不聪明，不讨喜，但偏偏就这么一步步跨过了量产、良品率、还有能不能卖出去这些大坑。
李一帆说过好几次，这其实就是对付“不可能三角”的办法。
质量，性能，成本，这三样你没法同时都要。你得排个队，先抓住质量，再冲性能，成本是最后才考虑的事。
现在，这套办法被原封不动地搬到了Sharpa。
灵巧手和通用机器人面前，摆着一个更麻烦的三角：手指关节越多越灵活，但越容易坏，成本还越高。很多团队的选择是，先把一个能动的样子做出来，拍个视频，剩下的麻烦以后再说。Sharpa选的是另一边，在没搞清楚能力的边界到底在哪儿之前，不急着做很多，更不急着降价，先把最难的工程问题啃下来。
看他们怎么测试灵巧手就明白了。
现在这些手大多在实验室或者很干净的地方用，但Sharpa在内部把它往狠了用。连续按了超过三百万次，在不同的东西上摩擦了超过五千米，不锈钢、大理石、木头、橡胶，什么都试。做出来当然要紧，但他们更在乎的是，这东西在真实世界里，能不能反复用，用很久。
这大概就是工程思维和演示思维的区别。
一个想着怎么活下去，另一个想着怎么被看见。
Sharpa这家公司的结构，一眼就能看出它的野心。
总部在新加坡，研发和制造在上海，业务运营在硅谷。这种布局不是为了好看，它把技术研发、工程实现和市场落地这三件事，硬生生拧成了一股绳。一种为长期存在而设计的形态。
他们在CES上说了一句话，算是他们的使命宣言。
We manufacture time by making robots useful.
制造时间。这话听起来有点大。但他们的逻辑很具体，就是搞定那“最后一毫米”的活儿。那些重复的，精确的，让人疲惫的细微操作。春晚的聚光灯照过他们，但他们的目的，据他们说，是为了最终把光还给人类。
不是替代，是接管。
他们想做的，是用软件和硬件的结合，让机器人能和现实世界进行复杂的交互。工厂里，商场里，甚至以后在家里。去处理那些琐碎的、消耗性的任务。
人省下来的不只是力气。
那是一种更根本的东西，时间和精力的所有权。你可以把这些资源重新分配，去琢磨一个更好的方案，去陪家人吃一顿不用看表的饭。或者说，去成为更接近你想象中样子的自己。
从这个角度看，制造时间这个说法，倒也不算夸张。
它是个比喻，但也是个非常实际的承诺。
*头图来源： Sharpa
本文为极客公园原创文章个人场外配资，转载请联系极客君微信 geekparkGO
犀牛配资提示：文章来自网络，不代表本站观点。
