波士顿动力为何请AI高管当家

跑酷视频再惊艳，也换不来一个像样的损益表。最近，波士顿动力官宣了一件大事：前亚马逊AI负责人Rohit Prasad出任CEO。官方的说法很直白——他要带领公司进入『物理AI（Physical AI）的下一个时代』。

一家以液压、电驱、运动控制闻名的机器人公司，把方向盘交给了一个做了十几年语音助手和生成式大模型的人。这不是一次普通的换帅，而是一次叙事的换轨。

在工厂自动化这个行当里摸爬滚打多年，我见过太多公司用一段精美的演示视频讲一个十年的故事。这一次，换个AI掌门人的故事，值不值得信？

🔁 三十多年，三次易主，第四次自我革命

先看这家公司的『户口本』。波士顿动力1992年从麻省理工独立出来，此后的发展史几乎就是一部被资本反复转手的宠物养成史：谷歌养过，软银养过，现在归现代汽车。

每一次易主，都对应着一次战略摇摆。谷歌时期想做平台，软银时期烧钱养技术，现代汽车时期开始认真谈落地——Spot四足机器人商业化，Stretch瞄准仓储物流，都是这个阶段的产物。

而这一次不同。这不是资本方换了东家，而是公司主动从技术班底手里，把管理权交给了AI背景的人。在机器人行业，这种人事动作的信号意义，往往大于产品发布。

据业内不少同行的观察，机器人公司过去招人优先要『机械、控制』背景，最近两年JD上『具身智能、多模态模型』的字眼明显多了。波士顿动力把这股趋势直接写进了组织架构。

产业逻辑其实很简单：当本体硬件的差距被逐渐拉平，决定胜负的变量只剩下『大脑』。

🧠 从Alexa到Nova，这位CEO的底牌是什么

Rohit Prasad是谁？一句话概括：在亚马逊干了十余年的AI一号位人物。

他的战绩单上有两个重量级产品。一个是Alexa——从零做到上亿设备规模的语音助手，这是一场典型的『大规模工程化AI』战役，考验的不是论文，而是把模型塞进千万台设备还能稳定运行的落地能力。另一个是Nova，亚马逊的生成式AI基础模型系列。

注意上面最后一行：这不是传统意义上的『空降职业经理人』，而是一次技术路线的换血。机器人行业内部私下流传一句话：以前看一家机器人公司，先看它发什么视频；现在看它攒了多少真实场景数据。

Prasad的履历恰好补上了波士顿动力最缺的那块拼图——这家公司运动控制是世界顶级，但它在AI模型、数据工程上的积累，和亚马逊这种云厂商比，不在一个量级。

对一个跑过产线的人来说，这个逻辑很熟悉：MES项目做多了就知道，能写漂亮算法的人遍地都是，能把算法熬进脏活累活的产线数据里的人，千金难求。

📈 叙事切换：从『会翻跟头』到『会干活』

波士顿动力这次换帅，踩在一个更大的行业转折点上：具身智能（Embodied AI）的叙事，正在全面接管传统机器人叙事。

特斯拉的Optimus、Figure AI、英伟达重仓的机器人基础模型，都在讲同一个故事——机器人不再靠预设动作库，而是靠大模型理解环境、理解任务，自己学会干活。

物理AI的技术栈，大致长这样：

这张图的关键在最后那条回路：数据从现场流回模型，模型再迭代。这就是为什么AI出身的人当CEO变得重要——因为护城河从『机械结构专利』变成了『数据闭环效率』。

波士顿动力过去是叙事里的『技术天花板』，翻跟头、后空翻、搬运箱子，视频播放量吊打同行。但视频流量不等于订单流量。

据接近行业融资圈的从业者的普遍感受：这两年投资人尽调机器人公司，问题清单已经从『你的减速器什么水平』，变成了『你的模型在哪里训练、数据从哪来、失效率多少』。

Prasad上任，本质上是把波士顿动力从『最会做演示的公司』，往『最会做闭环的公司』这个方向拧。

⚠️ 硬骨头还是硬骨头：商业化没有免费午餐

不过，说句泼冷水的话：换帅不等于换命。

机器人商业化的三座大山，一个都没搬走。第一是成本，人形机器人整机的价格离产线能接受的ROI还有距离；第二是可靠性，工厂要的是7×24小时不宕机，不是偶尔表演一次成功；第三是场景，仓储、物流、制造，每个场景的工艺know-how都得一点点啃。

我这些年看MES和自动化项目最深的体会是：工厂不为炫技买单，只为『少一个工人、多一分良率』买单。机器人公司最容易犯的错，就是把Demo的成功率当成产线的成功率。

好消息是，Prasad在Alexa上的经验恰恰是『规模化落地』——把一个AI系统做到亿万用户天天用还不崩。这种能力迁移到机器人，理论上能帮波士顿动力补上从『惊艳』到『耐用』这一课。

但坏消息是，亚马逊的经验生长在云端和消费场景，工厂现场的水远比想象中深。以太网线被叉车轧断、传感器被粉尘糊住，这些脏问题，大模型一个都替不了。

🔮 这场换帅，是中国同行的镜子

把镜头拉回国内。波士顿动力这步棋，对所有做具身智能的团队都是一面镜子。

过去三年，国内人形机器人赛道融资火热，公司数量和Demo数量都涨得飞快。但行业里冷静的人都知道：本体是看得见的天花板，数据闭环才是看不见的护城河。一家机器人公司真正的资产，不是那台会跳舞的机器，而是它每天从真实场景里回收了多少条带标签的任务数据。

Prasad的上任把这个逻辑推到了明面：机器人公司的下一代CEO，大概率都该是AI出身。硬件重要，但硬件正在商品化；软件和数据，才是接下来十年的胜负手。

对波士顿动力自己来说，这也是背水一战——三十多年换了三个东家，第四个阶段不再是换靠山，而是换打法。

小结：波士顿动力请来Prasad，表面是一次人事变动，实质是整个机器人行业从『硬件叙事』切换到『物理AI叙事』的标志性事件。运动控制的天花板还在，但决定谁能走到量产和盈利的，已经是模型、数据与落地效率。下一次波士顿动力发布的东西，我猜不会是一段跑酷视频，而是一份带数据指标的场景落地报告——如果真到了那一天，这个行业才算真正交卷。