核心内容总结
DQ和AI机器人公司Sharpa在上海开了家24小时机器人冰淇淋店，这是机器人从“炫技demo”走向真实商业场景的尝试。机器人用人类的设备做冰淇淋，要完成55个步骤，还能展示DQ标志性的“倒杯不洒”，但速度比人类慢（6分钟一杯vs人类2-3分钟），目前只做奥利奥口味，采用“机器人接预约单+人工接临时单”的双轨模式。双方短期不追求赚钱，而是想把这个场景“做透”——积累真实数据、提升机器人适应能力，为未来规模化复制到汉堡、披萨等更多快餐场景打基础，长期目标是让机器人效率赶上人类、成本下降，实现投资回报转正。
一、机器人做冰淇淋的“实战表现：慢但稳，还在“练手阶段”
机器人的操作流程很完整：取杯、打冰淇淋、加小料、搅拌，最后倒杯不洒，但速度明显比人类慢——熟练工2-3分钟搞定的事，它要6分钟。不过出品很稳定，倒杯不洒时偶尔掉点碎屑，整体没出大错。目前它只负责奥利奥口味的预约订单，临时来的顾客还是人工做，价格和人工做的一样。
为什么只做预约单？因为机器人还没完全“熟练”，预约能让它按节奏来，避免临时订单扎堆忙不过来。现场观察1小时，预约顾客不多，机器人表现“游刃有余”，但要是客流大了，可能就跟不上了。
二、技术闯关：不是“预设动作”那么简单，要应对真实场景的“意外”
机器人不是用专门设计的设备，而是直接用人类的冰淇淋机、杯子、勺子，这就难了——它得像人一样“感知”和“调整”：
- 力控和触觉：拿纸杯时不能太用力（会拿多）也不能太轻（会打滑），加小料时拿不起勺子会自己调整力度，这些都靠机械手上的触觉传感器和AI模型实时修正动作。
- 真实场景的“小意外”：比如冰淇淋机运行1-2小时后，打出来的冰淇淋温度会升高，影响搅拌和黏性——这个问题在实验室仿真时根本遇不到，只能靠实际运营收集数据，再更新模型。
为了让机器人学会这些，双方团队花了几个月培训：用真机远程操作、仿真模拟、人类操作视频等数据训练AI，才让它能完成55个步骤。
三、短期不赚钱也要干：押注的是“场景做透”后的长期价值
这家店前期投入不少：原来的汉堡店改造成机器人操作间、机器人本身的成本、培训费用等。按现在的接单量和效率，短期内肯定赚不回本钱，但双方都不是奔着短期回报来的：
- DQ的想法：拥抱创新技术，试试机器人能不能融入现有门店流程（不用换设备、不用改标准）。
- Sharpa的算盘：把这个场景“做穿”——意思是让机器人完全适应真实商业环境（比如设备老化、温度变化），积累足够多的真实数据。这样一来，机器人的“泛化能力”会变强（学会做冰淇淋后，能快速扩展到汉堡、披萨），未来就能规模化复制到更多门店。
李一帆（Sharpa联合创始人）说，“做穿”一个场景的价值可能是百倍千倍的：比如现在跑通冰淇淋，以后延伸到其他快餐品类，成本摊薄后就能赚钱。
四、未来的机会与考验：规模化的关键在“效率+成本”，还要过“季节关”
机器人餐厅要想长期赚钱，得解决三个问题：
1. 速度赶上人类：现在6分钟一杯太慢，等速度和人类一样，创造的价值才相当；
2. 设备用得久：机器人设备摊销能像汽车一样用10年以上，降低单次使用成本；
3. 成本降下来：目前机器人成本几十万元，要降到10万元级别才划算。
双方接下来想让机器人负责非高峰时段（比如凌晨）的运营，慢慢提高它在门店的占比。但马上上海入秋，气温下降，冰淇淋客流会减少——这对机器人的运营效率、门店的商业可持续性都是新考验。
另外，李一帆还提醒行业：要避免“伪落地场景”——比如为了用机器人而创造一个本来不存在的岗位（比如专门有人盯着机器人修故障），这种场景意义不大，真正的落地是让机器人解决实际问题（比如夜间缺人、人工成本高）。
总结
机器人做冰淇淋不是“花架子”，而是在真实场景里“练内功”。虽然现在慢、成本高，但只要把场景做透，积累足够数据，未来可能成为快餐行业降本增效的新工具。不过，它能不能从“试验品”变成“必需品”，还要看效率、成本和市场需求的磨合。