波士顿动力，把方向盘交给了AI

机器人圈最会跳舞的公司，把CEO的位置交给了一个做语音助手的人。

波士顿动力官宣：曾在亚马逊主导Alexa规模化、并参与Nova生成式AI模型的Rohit Prasad出任CEO，任务写得很直白——带领公司进入"物理AI（Physical AI）的下一个时代"。

很多人第一反应是疑惑：一家以液压关节和后空翻闻名的机械传奇，为什么请来一位软件AI老兵掌舵？

我的判断是：这不是一次普通的高管更替，而是整个行业叙事切换的分水岭。机器人的竞争，正在从"谁的腿更稳"转向"谁的大脑更强"。

🧠 一位"软件大脑"接管了一家"机械传奇"

金句：当瓶颈从电机挪到模型，董事会换人的速度，比换硬件快得多。

先看Rohit Prasad的履历。他是亚马逊AI体系的元老级人物，从Alexa语音助手一路做到技术掌舵层，帮助Alexa从一部音箱里的功能，长成覆盖亿级设备的语音生态；随后又主导了Nova系列生成式大模型的构建，是亚马逊在大模型竞赛中少有的公开面孔。

一句话概括：他是那种真正把AI产品从实验室推向亿级规模的人，而做工程的人都知道，"规模化"三个字，比"做出来"难十倍。

再看波士顿动力。这家公司是人类腿足机器人的天花板，Atlas的后空翻视频每一次发布都是全网爆款。但在产业界，它的商业化进度和它的技术声望，长期不成正比——视频涨粉容易，订单落地难。

把这两个人和这家公司放在一起看，信号就非常清晰了：

• 波士顿动力过去十年换过的每一任掌门，都来自资本或制造业背景，解决的是"活下去"的问题；
• 这一次，董事会选择的是数据和模型背景的人，解决的是"值多少"的问题。

据多位海外机器人圈的人士观察，这类"AI高管接管机器人公司"的安排，正在从个案变成一种行业偏好。底层原因很简单：硬件本体的差距正在收敛，而感知、决策、泛化能力的差距正在拉开。机器人公司下一阶段的胜负手，不在车间，在模型。

🤖 后空翻换不来订单，叙事开始切换

金句：观众看的是视频，客户看的是ROI。

波士顿动力过去十年最擅长的，是制造传播事件——Atlas的后空翻、翻跟头、跑酷，每一条视频都是顶流。但Factory现场的采购经理，不会为后空翻签字。

真正能签合同的产品，反而是不那么性感的Spot：电力巡检、工厂测温、危险区域拍照，一台四足机器人在产线和变电站里干的是枯燥但可复制的活。这也解释了为什么公司早期的收入几乎全部来自这类"工业化场景"，而不是人形产品。

把整个赛道摊开看，竞争格局其实泾渭分明：

这张图里最有意思的是传统工业机器人玩家——它们技术门槛不算最高，但商业落地扎实，是名副其实的"现金流动物"。而波士顿动力、特斯拉的Optimus、Figure AI、宇树科技，全都挤在右上方的方向上冲刺：既要顶尖的AI能力，又要真实场景的落地。

Prasad的到任，本质上就是波士顿动力对这场冲刺的一次重注：用互联网AI的迭代节奏，去打机器人的下一场战争。语音助手时代的核心方法论——海量数据回流、模型快速迭代、A/B测试驱动的体验优化——恰恰是传统机器人公司最缺的东西。

🏭 车厂当家，场景才是终极壁垒

金句：机器人的尽头不是实验室，是别人的工厂。

要理解这次换帅，必须回到一个更早的问题：谁在给波士顿动力付钱、拍板？

答案是现代汽车。2021年，现代汽车从软银手中接下波士顿动力，收购当时讲的故事非常明确——把机器人技术导入现代的智慧工厂和物流体系。彼时很多人把这当作车厂蹭热点的资本运作，但四年过去，逻辑越来越清晰：

谷歌时代，机器人是个研究项目；软银时代，它是个估值故事；到了现代汽车时代，它才第一次有了真正的甲方——现代遍及全球的整车工厂、物流网络和售后体系，就是现成的机器人训练场和首批订单池。

这就是物理AI和纯软件AI最大的区别：大模型可以在互联网文本上训练，机器人的智能只能在物理世界里练。谁手里有海量、多样、真实的生产场景，谁就有物理AI时代最稀缺的训练数据。

把这件事拆成冰山看，会更直观：

水面上是大家看到和谈论的部分，水面下才是决定胜负的部分。Prasad在亚马逊练的，恰恰就是水面下那三层的功课——数据回流管道、模型训练体系、以及AI时代的组织方法论。

⚔️ 行业开始"抢AI大脑"，本体只是入场券

金句：本体决定你能不能上场，模型决定你能不能赢。

物理AI这个词，现在被各家喊得很响，但它到底指什么？拆开看，是一套完整闭环：

传统机器人公司强在下半段——本体和小脑；互联网AI公司强在上半段——大脑和数据。而闭环的关键恰恰在两端之间：没有场景作业，就没有数据回流；没有数据回流，大脑永远停在Demo阶段。

这就解释了当前行业竞争的两个关键动向：

• AI巨头纷纷向下走。特斯拉亲自下场做Optimus，因为它有车厂产线和FSD的视觉能力；其他大厂也在把具身智能作为战略级方向。它们缺本体，所以买、投、合作。
• 机器人公司纷纷向上补课。要么重金招AI科学家，要么像波士顿动力这样直接请一位AI体系的掌舵人来当家。它们缺大脑，所以换人、换组织、换节奏。

据接近机器人行业投资圈的观察，这一轮融资里，投资人对创始团队的问询重点已经明显从"机械结构多先进"转向"数据从哪来、模型怎么迭代、场景订单在哪"。这跟当年自动驾驶从"比激光雷达数量"到"比数据闭环"的演进，几乎是同一条路径的重演。

💡 给中国同行的三个提醒

金句：别人换帅只是动作，读懂换帅背后的逻辑才是本事。

落到产业观察的层面，我认为这次人事变动对中国同行有三点直接启示：

第一，警惕用融资节奏代替产品节奏。Demo驱动的估值窗口正在关闭，能看到产线ROI的场景——巡检、搬运、上下料、质检——才是现金流入口。

第二，本体能力是入场券，不是护城河。关节电机、减速器的差距会随供应链成熟而收敛，真正拉开身位的是场景数据的积累速度和模型迭代效率。中国厂商手里最值钱的牌，其实是全球密度最高的制造场景，别把这张牌只当销售渠道用。

第三，组织形态要跟上叙事。AI是月级迭代，硬件是年级迭代，两者的组织节奏天生冲突。能不能在一家机器人公司里养出一条软件化的AI团队，可能比能不能造出人形本体更难，也更决定生死。

一家以机械表演闻名的公司，把方向盘交给了一位AI老兵。表面看是一次换帅，实质是整个物理AI赛道的宣言：下一轮比赛，比的是谁能让机器人在真实世界里持续学习和干活，而不是谁的视频更炸。接下来值得盯的，不是Atlas又翻出了什么新动作，而是波士顿动力在新掌门手下，能否把现代工厂里的每一台机器人，都变成一个数据节点。那才是物理AI真正开赛的哨声。

（全文完）