波士顿动力，换了一位AI掌门

一家靠“机器人跳舞”刷屏三十年的公司，把CEO的位置交给了一个从没造过机器人的人。波士顿动力官宣：曾把Alexa做到平台级规模、又牵头Nova生成式模型的亚马逊AI老将罗希特·普拉萨德（Rohit Prasad）出任CEO，任务是带领公司进入“物理AI”的下一个时代。这不是一次普通换帅——它宣告人形机器人行业的竞争重心，正从“本体工程”滑向“具身大脑”。谁先把大模型装进机器人的身体，谁才能把播放量变成订单。

🚀 一次不寻常的换帅

机器人行业最贵的招聘，往往发生在叙事切换的时刻。

过去几年，波士顿动力的视频依然次次刷屏：Atlas后空翻、跑酷、电动版人形机器人搬箱子。但热闹背后，业内一直悬着一个尴尬的问题——视频很炸，订单在哪。就在这种氛围里，公司宣布了换帅：新CEO不是机器人领域的老将，而是亚马逊的AI高管罗希特·普拉萨德。

普拉萨德的履历分两段。前一段，他主导把Alexa语音助手从一个产品概念做成覆盖海量设备的服务，解决的是“AI如何上规模”的问题；后一段，他牵头亚马逊自研的Nova系列生成式模型，解决的是“大模型如何从零训练出来”的问题。两段经历合起来，恰好覆盖了物理AI最需要的两种底层能力：规模化运营AI产品，以及完整地训练一个大模型。

官方口径也很直白：他要带领的是“下一个时代的物理AI”。据多位接近波士顿动力的人士观察，这次选帅从一开始就把AI背景放在本体经验之前——董事会要的不是再造一台更会翻跟头的机器，而是给公司换一套叙事。

产业逻辑同样清楚：机器人公司的估值锚，正在从“硬件工程奇迹”切换为“具身智能模型能力”。老叙事讲不动新资本，就需要一个真正在云上把AI做过规模化的人来接棒。换帅即换叙事，这是本篇第一个判断。

🧠 为什么是“喂模型的”，不是“造腿的”

机器人行业不缺会造腿的人，缺的是会喂模型的人。

普拉萨德在Alexa时期练出的核心能力，是让一个AI系统在海量真实用户请求里持续迭代——数据回流、模型更新、体验改进，形成闭环。Nova时期练出的，是从算力、数据到训练框架的完整大模型工程。这两件事拼起来，正是物理AI的底层结构：

换句话说，物理AI不是给机器人装个聊天框，而是把云上大模型那套“数据飞轮＋大规模训练＋快速迭代”的方法论整体搬到物理世界。特斯拉的Optimus走的是自研大脑加自研本体的路线；英伟达更是直接把“物理AI”当成下一个计算平台来布道，推出面向人形机器人的基础模型工具链。业内私下流传的判断是：未来两三年，人形机器人的本体大概率走向同质化，真正的差异化全在大脑。

普拉萨德未必懂怎么让Atlas后空翻，但他懂怎么让部署在千万台设备上的模型持续变聪明——后者正是当下机器人行业最稀缺的工程能力，也是“软件定义机器人”从口号走向现实的必经一步。波士顿动力选他，本质上是承认：自己最强的腿，已经不足以构成护城河，接下来要补的是脑。

🏭 播放量从来不愁，订单愁

波士顿动力三十年不缺播放量，缺的是可复制的订单。

这家公司三十年的剧本大家都熟：2013年谷歌收购，2017年软银接手，2021年现代汽车完成收购。每一任东家都希望它从“视频网红”变成一门生意，而商业化这条线，走得远比后空翻慢。目前能摆在桌上的产品是三条线：

瓶颈从来不在机械性能。腿能跑酷、手能抓箱子，这些早被视频反复证明了。真正的痛点是：传统机器人每进一个新场景，都要做一轮手工编程和反复调试，部署周期以月计，单台成本高企，工厂算不过ROI账。现代汽车入主后，自家的工厂和物流体系成了天然试验场——装卸、搬运、装配，正是Stretch和Atlas要啃的场景。

而这恰恰是AI模型最能压缩的成本项。具身智能的承诺是“看一遍就会”：用学习替代手工编程，把部署周期从月压到周，让同一套大脑跨场景复用。所以换一位AI背景的CEO，对准的正是商业化最硬的那个瓶颈——不是机器不够炫，而是大脑不够通用，导致每换一个场景都要重做一遍工程。这是本篇第二个判断。

📈 物理AI的牌桌，大脑比本体稀缺

牌桌上的本体越来越多，大脑还攥在少数几家的实验室里。

放眼整个赛道：特斯拉的Optimus自带量产叙事；Figure AI、1X、Apptronik等创业公司接连拿到大额融资；国内宇树、优必选等人形厂商也纷纷上桌。人形本体这一层，玩家只会越来越多。但真正拉开身位的是数据与模型能力——看一眼竞争格局的定位就明白了：

波士顿动力的位置耐人寻味：本体工程门槛极高，但商业价值兑现偏慢，典型的“技术领先、落地滞后”。请来普拉萨德，就是想把自己往右上方挪。回头看这家公司几轮易主，耐心窗口其实都很短：

谷歌时期做了技术积累，软银时期做了产品化，现代时期开始做场景验证。到普拉萨德这一任，任务已经很清晰：把大脑补齐，让Atlas们真正进厂。这也是行业共识的转向——人形机器人烧钱的上半场比的是腿，下半场比的是谁的数据飞轮先转起来。

⚠️ 冷思考：AI人管硬件，冒险还是解药

让做软件的人管硬件，是冒险，也可能是解药。

风险要摆在明面上。硬件的物理节奏慢：模具、供应链、安全认证都以年计，而软件人习惯以周为单位的迭代循环。工厂部署的长尾更磨人——现场交付、运维售后、安全冗余，每一项都吃耐心。一位在云端做大模型出身的高管，能否适应“一台机器出故障要派人去现场”的生意，是真实的问号。波士顿动力的强项一直是工程表演，弱项一直是规模化交付，这个短板不会因为换帅自动消失。

但换个角度看，真正的胜负手恰恰藏在水面之下：

Demo和口号谁都会讲，但决定两年后座次的，是数据飞轮转不转得动、算力和模型团队够不够硬、本体能不能降本、产线部署能不能过安全关。普拉萨德的价值，不在于他会讲物理AI的故事，而在于他真的跑通过这套水面之下的系统。业内私下流传的共识是：未来两年是物理AI的交付大考，讲不出订单的公司，故事再好也会被挤下牌桌。

💡 写在最后

一次换帅，半个行业的信号。波士顿动力第一次把方向盘交给“喂模型的人”，等于替整个赛道承认：人形机器人的竞争已经从拼腿进入拼脑。接下来两年，盯三件事就够——Atlas能不能进现代的产线、数据飞轮能不能转起来、订单能不能盖过播放量。哪一件先成，物理AI就从叙事变成了生意。