当Alexa之父掌舵波士顿动力
📋 总体概括
波士顿动力把CEO交给前亚马逊AI负责人Rohit Prasad,这家以液压炫技视频闻名的公司正式转向物理AI叙事。本文拆解其三十年商业化困境、机器人行业从硬件竞赛转向大脑竞赛的产业逻辑,并用四象限与冰山模型看清这家公司接下来的真实考题。
📄 正文
跑过机器人展会的人都有体感:波士顿动力的视频永远是全场最高潮,订单却常常是别人家的。2025年,这家以后空翻和 parkour 闻名的公司,把CEO位置交给了一个没有机器人背景的人——前亚马逊AI负责人Rohit Prasad,官方口径是带领公司进入『物理AI的下一个时代』。
这不只是一次人事更替。它是一个信号:机器人行业的叙事权,正在从『会翻跟头的腿』移交给『会学习的大脑』。硬件炫技的时代结束了,数据飞轮的时代开始了。
🚨 一次任命,两条技术路线的合流
机器人公司找AI掌门,等于公开承认过去的瓶颈不在硬件。
先看这位新掌门的履历。Rohit Prasad在亚马逊深耕十余年,是把Alexa从语音识别原型推成亿级设备语音助手的核心人物,后来又主导了亚马逊的Nova系列生成式基础模型。换句话说,他的整个职业生涯都在做一件事:把AI从实验室做到大规模部署。没有机械臂,没有液压阀,没有一条腿是他亲手造的。
再看被接管的这家公司。波士顿动力1992年脱胎于MIT腿部实验室,2013年被谷歌收购,2017年转到软银手中,2021年被现代汽车以约11亿美元收购控股。三十年换了三个东家,每一任买家都是先看视频、后下决心——这是典型的『为叙事付溢价』,而不是为收入付溢价。
把这两条线放在一起,任命的逻辑就非常清楚了。现代汽车花的真金白银,要的不是一台会跳舞的机器,而是能进工厂干活的智能体。而智能体的短板从来不在关节和减速器,在于感知、决策和持续学习——这恰恰是Prasad做了十几年的事。
据多位接近公司的人士观察,这次选帅背后是内部对方向问题的长期争论:继续做『世界最好的机器人本体』,还是做『世界最会学习的机器人系统』。答案现在写在了新CEO的简历上。
📼 从年度视频厂到真卖货
视频流量换不来订单,这是波士顿动力交了三十年学费才想明白的事。
只要复盘它的时间线,就能看到一家『视频驱动公司』向『产品驱动公司』的艰难转身:
- 2013年:被谷歌收购,Atlas人形机器人惊艳亮相,但几乎没有商业化动作
- 2017年:软银接手,持续产出刷屏视频,收入仍以租赁和demo为主
- 2020年:四足机器人Spot正式开售,定价约7.45万美元,第一次有了标准产品
- 2021年:现代汽车约11亿美元完成收购,母公司自带工厂场景
- 2022年:仓储机器人Stretch发布,瞄准物流码垛这个真实痛点
- 2024年:经典液压版Atlas光荣退役,纯电动版Atlas亮相,为量产和AI化铺路
- 2025年:Rohit Prasad出任CEO,官方叙事定为『物理AI』
看懂了吗?这家公司在2020年之前,本质上是一家『年度视频厂』——每次视频发布都是全网刷屏,账上收入却撑不起估值。液压系统贵、难维护、控制复杂,决定了它只能做表演级产品,而不是工业级商品。
电动化是转折点。2024年液压Atlas退役、电动版登场,绝不仅仅是换个动力形式:电动执行器成本更低、可控性更好,更重要的是天然适配AI化的数据采集和迭代节奏。再加上Spot的巡检场景和Stretch的仓储场景,公司终于凑齐了三条腿——但三条腿能不能跑起来,取决于第四样东西:大脑。
🧠 机器人缺的不是腿,是大脑
人形机器人的军备竞赛,已经从伺服电机转移到了GPU和数据。
看看这个赛道的融资叙事就明白了。Figure AI靠『大模型+人形』的故事,估值一度冲到约390亿美元量级;特斯拉的Optimus讲的是把FSD自动驾驶能力迁移到机器人;1X等公司同样把自研模型放在PPT第一页。业内朋友私下聊起来有个共识:现在投资人见面第一句不问自由度几轴,先问模型多大的参数、多快的数据闭环。
这就是Prasad的价值所在。他在亚马逊做过的事——把Alexa做到端云一体、把Nova基础模型跑通数据飞轮——正是今天机器人公司最缺的能力。物理AI的技术栈说复杂也复杂,说简单也就四步:
这个闭环里最贵的两样东西:一是真机运行数据,二是工厂级的应用场景。前者靠硬件部署规模,后者靠母公司——而波士顿动力恰好两样都有。Spot和Stretch已经在外部客户现场跑,Atlas即将进入现代汽车的产线。数据管道铺好了,缺的是一个懂模型、懂AI工程化的人来把水抽上来。
这解释了为什么是Prasad而不是某位机器人学术权威。机器人公司正在变成AI公司,CEO的技能树自然要跟着变。这不是个别现象,是这个行业的集体转身。
⚖️ 把玩家放到四象限里看
这个赛道上,技术领先和商业领先,往往不是同一家公司。
先把主要玩家摆在一起看:
| 公司/产品 | 技术路线 | 背后资源 | 商业化现状 |
|---|---|---|---|
| 波士顿动力 Atlas/Spot/Stretch | 电动人形+四足+仓储 | 现代汽车 | 小规模出货,母厂验证中 |
| 特斯拉 Optimus | 人形+自研AI迁移 | 车厂+自有算力 | 工厂内部测试为主 |
| Figure AI | 纯人形+自研模型 | 大额资本+车厂试点 | 小批量场景试点 |
| Agility Digit | 仓储人形 | 电商物流客户 | 物流场景先行 |
| 宇树科技 | 四足+人形性价比 | 国内供应链红利 | 出货量大、单价低 |
再按技术门槛和商业价值两个维度定位:
波士顿动力的位置一目了然:技术维度几乎无人能出其右,商业价值却在半山腰。它的任务不是继续拔高技术,而是向右上方——也就是『把技术优势转化为真金白银』——移动。这正是Rohit Prasad上任要解的题:用AI能力盘活已有的硬件资产和客户现场,让数据飞轮转起来。
反过来看,特斯拉和Figure AI位置偏上但技术沉淀尚浅,宇树用性价比走量但单价撑不起高价值场景。每家公司都在向对方的位置渗透——这场交叉赛跑,谁先跑通闭环谁赢。
🏭 现代汽车的工厂才是真正的考场
没有母厂场景的人形机器人公司,只能永远在展台上证明自己。
波士顿动力手里最被低估的牌,其实是现代汽车。电动Atlas的第一个部署方向就是现代汽车在美国佐治亚的智能工厂——这是别的创业公司花钱都买不到的东西:真实产线、真实节拍、真实的物料和工况。机器人只有在这样的环境里跑过一万小时,数据闭环才有意义。
我们平时看到的都是水面上那一部分——发布会、视频、估值。但支撑这些的隐性工程才是关键:
对中国同行来说,这里有一条值得琢磨的产业逻辑:机器人到底该走『软硬一体』还是『分工协作』?波士顿动力选了软硬一体——本体自己造,大脑也要自己练,靠母厂场景喂饱数据闭环。国内多数玩家选择了分工:本体厂专注硬件降本,模型交给AI公司。两条路线没有绝对对错,但母厂场景这个变量,决定了数据飞轮的转速。
接下来18个月,判断这次换帅成不成功,就看三个信号:Atlas进厂后的真实作业节拍;Prasad是否把Nova式的自研模型体系搬进公司;以及现代汽车之外的客户订单量有没有结构性变化。三个信号兑现两个,这次转型就立住了。
小结
波士顿动力的这次换帅,本质是一家技术图腾公司对自己三十年路径的修正:承认腿已经不是瓶颈,把未来押在Rohit Prasad带了十几年的那套AI工程能力上。对整个行业而言,这意味着『物理AI』从融资话术变成了CEO级别的组织承诺。接下来值得盯住的不是新视频刷不刷屏,而是那台电动Atlas能不能在现代汽车的产线上,安静地、重复地、不出故障地把活干完——机器人行业的成人礼,从来都是在工厂里完成的。
本文由本站 AI 辅助聚合生成,原始来源如下: