会翻跟头之后，机器人开始补脑子

跑工厂十几年，我判断一家机器人公司的成色，从来不看发布会视频，只看两样东西：账上订单，和一把手的背景。最近波士顿动力把第二个问题的答案摆上了台面——新CEO是Rohit Prasad，一个在亚马逊把Alexa和Amazon Nova生成式大模型做上规模的人。让AI老兵执掌全球最会翻跟头的机器人公司，这个信号比任何一台新机器都值钱：机器人这场仗，主战场正在从"腿"转向"脑"。

🤖 一、换帅不是换人，是换叙事

一家公司往哪走，先看它把谁请上驾驶座。

十年前，Atlas后空翻视频刷爆朋友圈。我陪一位厂长看那段视频，他指着屏幕问："这玩意儿啥时候能进我的产线？"我当时答不上来。十年过去，答案终于浮出水面——不是等来了更强的腿，而是等来了一个做AI的CEO。

官方信息说得很直白：Rohit Prasad在亚马逊帮助把Alexa语音助手做到了平台级规模，后来又牵头推进Amazon Nova系列生成式模型，此番执掌波士顿动力，任务是带领"物理AI的下一个时代"。注意这个措辞——没有提任何一款机器人本体。

一家以运动控制封神的硬件公司，把帅印交给AI老兵，这不是常规换届，是叙事交接。硬件公司请软件人当一把手，历史上只在一个时刻发生：产业的价值锚点从本体转向系统的时候。机器人行业的价值锚点，正在从伺服电机和液压关节，转向模型、数据和泛化能力。

Prasad履历的"含金量"值得细看。Alexa是典型的"没有身体的AI"，要在数以亿计的真实家庭里扛住噪音、方言和各种误解，那是全世界最苛刻的AI落地考场之一；后来做Amazon Nova，又是正面参与大模型军备竞赛。一个既做过大规模消费级AI部署、又做过前沿大模型的人，恰恰是物理AI最缺的那类人——懂模型，更懂模型怎么在现实约束里活下来。

圈子里流传一句刻薄话：波士顿动力从来不缺腿，缺的是让腿挣钱的脑子。这次换帅，等于官方默认了这句话。

🧠 二、"物理AI"不是营销词，是新范式

每一代产业变革，都会先给自己起一个新名字。这一次，叫物理AI。

去年逛行业展，我有个很直观的感受：人形机器人展台上翻跟头、跳舞、递水，围观的举着手机；拐进隔壁的工业机器人馆，四大家族的展位安静得像图书馆——因为人家谈的是节拍时间和稼动率。两个馆的温差，就是整个行业的断层线。

物理AI到底是什么？我的理解很朴素：把大模型的范式搬到物理世界。数字世界的大模型吃互联网文本，物理世界的大模型吃真机数据和仿真数据，产出的是"可泛化的作业能力"——不再是预编程的固定动作，而是换个料号、换条产线还能接着干的通用本领。这条逻辑闭环长这样：

这个飞轮里最贵的一环不是模型，是数据。数字世界有现成的互联网语料，物理世界没有"机器人互联网"，真机数据得一台一台到产线上去磨。这也是为什么跑得快的玩家都在抢着和本体厂绑定：英伟达向全行业供应"物理AI基建"，丰田研究所则直接找上波士顿动力，把大行为模型接进全电动Atlas做联合研发。

现在再看Prasad的任命，逻辑就顺了：波士顿动力手里有全球最能跑能跳的本体和最厚的运动控制积累，缺的恰恰是把飞轮转起来的模型能力。请一个做大模型的人当CEO，等于把缺的那块拼图，放到了组织的最高处。

🏭 三、产线只信ROI，不信后空翻

产线上没有观众，只有节拍时间。

我在几个工厂现场都见过Spot——四条腿爬管廊做巡检，动作确实漂亮。但车间主任关心的问题永远只有三个：一台多少钱、一年省几个人、坏了谁修。后空翻在这三问面前，一文不值。

波士顿动力的商业化之路，走得比外界想象中坎坷。这家1992年从MIT脱胎出来的公司，先后被谷歌、软银、现代汽车接手，每一次易主，新东家问的都是同一个问题：视频那么火，钱在哪？产品线里，四足的Spot、仓储分拣的Stretch、视觉软件Pick都在卖，但和它的名气相比，体量始终差着一个量级。

📌 把这几年的关键节点摆出来看：

• 2013年：谷歌收购波士顿动力，机器人进入巨头视野
• 2017年：软银接手，Atlas跑酷视频接连刷屏
• 2021年：现代汽车完成控股，"怎么赚钱"成为必答题
• 2024年：服役多年的液压Atlas退役，全电动Atlas亮相，并与丰田研究所合作大行为模型
• 近期：AI老兵Rohit Prasad出任CEO

看懂这条时间线就明白了：硬件这条路线走了三十多年，答案已经清楚——会做动作这件事，值名气，不值大钱。真正的瓶颈从来不是腿，而是"只会预编程动作"：换一个料号、换一种摆放，机器人就懵了。产线要的是泛化能力，而泛化恰恰是大模型最擅长的事。

所以这次换帅，回答的是那个十几年的老问题：波士顿动力靠什么把名气变成收入？新答案是——靠脑子，不靠腿。

⚔️ 四、行业权力交接：AI人开始接管机器人公司

行业变天，最准的信号不是发布会，是人事任命。

这不是孤立事件。看最近两年的人才和资本流向：特斯拉的Optimus由自动驾驶团队孵化，路线图上明写"复用车端AI"；创业公司里，Figure AI融到大笔资金，招人清单上AI研究员的密度远超机械工程师；英伟达干脆不做本体，直接把物理AI平台卖个遍；宇树科技则把全尺寸人形机器人的整机价格打到十万元级，硬件端的利润空间被迅速摊薄。

据几位跑机器人赛道的同行私下聊，不止一家头部本体公司正在物色"有大模型背景"的一号位人选。把这个棋局画出来，格局一目了然：

注意两点。第一，右上角的"领跑者"象限目前是空的——谁先让物理AI在真实产线上规模化跑通，谁先坐进去。第二，波士顿动力是这张图里唯一画了两个点的公司：换帅前，它更接近左下角的实验室明星；换帅后，战略重心明确往右上方迁移。这次人事变动，本质上就是这家公司在四象限里的一次主动搬家。

更冷的判断是：硬件正在同质化。关节、减速器、灵巧手，各家路线图越来越趋同；真正拉开身位的，是模型能力和数据飞轮。所以未来两年，大概率还会看到更多机器人公司请AI人当一把手——权力交接已经开始，只是多数人还在盯着腿看。

💡 五、给智造人的三句实话

热闹是行业的，ROI是自己的。

作为常年在产线打转的顾问，我给关注这波浪潮的制造业同行三句话。

第一句：判断一家机器人公司，看它招什么人，别看它发什么视频。人事任命比发布会诚实一百倍，公司往哪走，看组织怎么配。这次波士顿动力的换帅，就是教科书级的组织信号。

第二句：别急着买人形机器人，先攒场景数据。物理AI的入场券是数据，而数据攥在工厂手里。哪怕现阶段不采购整机，也把搬运、分拣、巡检这些场景的作业流程和异常工况梳理清楚，用遥操作和示教先把数据化做了。等能力成熟那天，谁的场景数据厚，谁在谈判桌上就有筹码。

第三句：ROI原则不变。人形机器人要进产线，短期内绕不开四道坎，每一道都有对应的解法：

⚠️ 最后说句得罪人的话：现在拿着翻跟头视频上门推销的方案商，和当年拿着PPT讲工业互联网的，很可能是同一拨人。机器换人的账，永远要按班次、节拍和良率来算，不能按点赞数算。

小结

波士顿动力请AI人当CEO，不是一家公司的换届新闻，而是一个行业的路标：机器人竞争的下半场，拼的是谁能让钢铁长出脑子。Rohit Prasad在亚马逊验证过AI如何规模化落地，现在要把同样的方法论搬进物理世界。接下来值得盯的只有一件事：全电动Atlas什么时候交出第一份经得起推敲的产线ROI报告。在那之前，腿再灵活也只是开场表演，脑子转起来，才算真正上场比赛。