机器人长出“全身体感”，Sharpa这波操作到底在卖什么药？

2026年9月底的IROS展会上，Sharpa连发D01机器人、W02灵巧手和AE01数据手套三款旗舰。紧接着10月7日，新加坡经济发展局（EDB）披露了其创始人访谈。这家公司的野心很明确：让机器人从“看着抓”进化到“摸着抓”。

给机械臂装上神经系统，到底变了啥？据报道，Sharpa死磕的核心业务叫“灵巧操作”（dexterous manipulation）。以前机器人干活主要靠视觉定位，现在要进化出“全身体感”。说白了，这意味着机器人不再只是盯着零件在哪，而是能感知捏住零件时的压力、滑动甚至纹理。换个角度看，这就好比给冰冷的机械臂装上了神经系统。对普通打工人而言，这不仅是产线升级，更意味着未来那些需要极高手感、目前只能靠老技工“凭感觉”的精细活，机器人终于能接手了。

把老师傅的手艺“偷”进代码，分三步走这三款产品凑在一起，其实是个完整的“数据飞轮”，具体落地分三步：第一步，人类老师傅戴上AE01数据手套进行实物操作；第二步，系统实时记录手指的微调和力度的轻重；第三步，W02灵巧手和D01机器人直接模仿执行。想象个场景：汽车发动机厂里，老钳工李师傅戴着数据手套捏不规则异形件，他的每一次手指微调全被记录下来。这就好像给机器人请了个贴身师傅，他的“肌肉记忆”被数字化后直接传给机器人去模仿。但这里有个对比：李师傅教会了机器人捏金属件，可若换成表面光滑的塑料件或材质不同的橡胶件，机器人可能直接抓瞎。针对特定异形件练出的“肌肉记忆”，未必能直接平移到其他物体上。在我看来，值得警惕的是这种“偷师”过程的物理损耗与人性摩擦。数据手套长期高频使用，传感器精度衰减会让“偷”来的数据失真。更现实的是，让习惯徒手干活的老员工天天戴手套采集数据，配合意愿和额外的培训成本，是中小制造企业在引入此类方案时必须算的一笔账。若跨场景泛化能力跑不通，这些灵巧手只能局限在单一产线里当“熟练工”。

选址新加坡，图的不是廉价劳动力在EDB的访谈中，Sharpa创始人透露了选择新加坡作为具身AI发射台的原因。很多人以为选这里是看重制造能力，其实不然。一种读法是，新加坡提供的是一个“超级测试场”。具身AI在真实世界落地，最怕的是出了事故没人兜底。新加坡的规则清晰度极高，且社会对新技术的容错率相对友好。对比传统制造业出海只盯人力和土地成本，现在AI公司的选址逻辑变了。这就好比国内新能源车企去欧洲建厂，图的不只是市场，更是当地成熟的法规体系。未来具身智能拼的不仅是供应链腹地，更是“允许犯错”的制度环境与数据合规的清晰度。若把这里当成首发阵地，企业就能在规则明晰的环境里快速迭代，而不是在模糊的灰色地带里试错。

从“死记硬背”到“举一反三”，离全能保姆还有多远？整个行业正在经历一场范式转移：从“预编程执行”转向“经验模仿”。以前是让机器人按死代码走，现在是让它学人的经验，就像从“按菜谱做菜”变成了“尝咸淡微调”。但跨场景泛化能力依然是未来的核心变量。这意味着，我们离“全能机器人保姆”还有段距离，但在特定工业场景下，这种“经验模仿”已经能实打实地替代部分高强度重复劳动了。对制造业老板来说，别指望买台机器人就能通吃所有工序，先把它放在最吃手感的单一工位上跑通，才是正经事。

今日带走： 具身智能的落地，硬件只是门票，能把老员工的“肌肉记忆”无损转化为数据飞轮，并找到容错率高的试错场，才是真本事。