Alexa操盘手接管波士顿动力
波士顿动力请来亚马逊AI老将Rohit Prasad出任CEO,这不是一次普通换帅,而是机器人行业叙事从『会翻跟头』切换到『会干活』的标志性事件。本文拆解这次人事背后的产业逻辑、物理AI的技术栈竞争格局,以及这家明星公司必须回答的落地拷问。
做了一辈子『机械腿』的波士顿动力,把方向盘交给了做『电子脑』的人。
波士顿动力宣布,曾在亚马逊一手推动Alexa语音助手规模化、并主导Nova生成式AI模型研发的资深AI高管Rohit Prasad出任CEO。官方口径很直白:他要带领公司进入『物理AI的下一个时代』。
一句话总结这次换帅:机器人行业最会跳舞的公司,决定认真回答『怎么干活』的问题了。这不是一次人事新闻,这是整个具身智能赛道的叙事切换信号——硬件炫技的时代正在翻篇,模型与数据的时代正在开场。
📢 先看消息本身:一次教科书级的『补短板』用人
金句先行:机器人公司的下一个CEO,越来越不像机器人行业的人了。
按素材信息,Rohit Prasad的核心履历就两条线:一条是把Alexa从一个实验室项目做到亿级设备搭载的规模化操盘手——他2013年加入亚马逊,长期担任Alexa AI负责人及首席科学家;另一条是在大模型浪潮中主导亚马逊在2024年12月re:Invent大会上发布的Nova系列生成式基础模型。Alexa的规模化不是形容词:亚马逊官方口径下,2019年Alexa设备累计销量突破1亿台,到2023年披露的搭载设备规模已超过5亿台。说白了,他既是『AI产品规模化』的实战派,又是『基础模型』的技术决策者。
再看波士顿动力这边。这家从MIT剥离出来的公司,靠Atlas的后空翻、Spot的四足巡检,承包了过去十年机器人行业几乎所有的『破圈名场面』。但名场面不等于订单:2021年现代汽车完成对波士顿动力约80%控股权的收购时,公司估值约11亿美元(媒体广泛报道口径,对应现代出资约8.8亿美元);而据现代汽车财报披露,波士顿动力2023年营收仅约265亿韩元(约合2000万美元),且持续亏损。Spot单价约7.45万美元的定价,也注定了它更多是行业标杆而非走量产品。业内私下流传的调侃是:『波士顿动力的视频,别的公司看了十年,客户下的单不多。』
把这两人放在一起看,逻辑就清晰了:硬件能力和场景声誉是存量优势,而将AI模型、数据飞轮、产品规模化这三件事拧成一股绳,恰恰是这家公司最缺的拼图。用人补短板,这是最经典的组织决策。
从MIT实验室剥离
谷歌入主
现代汽车集团接手(约11亿美元估值收购约80%股权)
AI高管出任CEO
从这张时间线能读出一个趋势:这家公司的话语权,正在从『机械与控制』持续向『AI与模型』迁移。2021年现代汽车入主时,外界期待的是把机器人装进汽车工厂;此次换帅,则意味着董事会想要的已经不是『更灵的腿』,而是『更聪明的脑子』。
💡 为什么是他:Alexa模式才是物理AI的答案
金句先行:具身智能缺的不是会做动作的机器,而是会规模化的AI。
很多报道把这次任命简化为『挖了个大厂高管』,这是没看懂门道。Prasad在亚马逊做的事,和今天物理AI公司要做的事,结构上高度同构——我们不妨拆开看。
Alexa的本质是什么?是一个『感知—理解—执行』的闭环系统:听懂人话、理解意图、调用技能完成任务。这与机器人『看懂环境、理解指令、执行动作』的工作流几乎是镜像关系。更重要的是,Alexa验证过一条路径:让AI在真实、嘈杂、不可控的物理环境里持续工作,靠的不是一次漂亮的demo,而是数据回流、模型迭代、边缘部署的工程化循环——支撑这个循环的,是超过5亿台设备构成的数据回流网络。
而Nova这条线的价值在于:他亲身趟过『从零构建基础模型』的全流程——算力组织、数据管线、训练调度、评测体系。今天所有人形机器人公司嘴上都说『我们要做机器人的GPT时刻』,但真正管过万卡级训练集群、定义过模型技术路线的CEO级人物,整个行业屈指可数。
对照这张技术栈脑图可以看出:波士顿动力在『本体层』是全球顶级,但在『数据层』和『模型层』,恰恰是Prasad的主场。这次任命,本质上是公司第一次按『技术栈的短板』而非『行业的名气』来选掌门人。
🤖 叙事切换:整个行业正在从『会翻跟头』转向『会干活』
金句先行:演示视频的流量红利见顶了,客户只认三条——稳不稳、贵不贵、能不能换班。
把镜头拉远,你会发现波士顿动力这次换帅不是孤立事件,而是全行业的一次集体转向。
过去两年,人形机器人融资热度空前,但行业内部都在反思一件事:视频里的灵巧动作,和产线上的可靠作业,中间隔着一条深不见底的鸿沟。客户真正问的问题很朴素——连续作业多少小时不出错?综合拥有成本比人工便宜多少?出错了谁来兜底?这些问题,翻跟头回答不了。
于是行业叙事出现了三条明显的演化路径,我把它整理成下表:
| 公司/阵营 | 主打路线 | 优势 | 悬而未决的问题 |
|---|---|---|---|
| 波士顿动力 | 运动控制顶级+新引入AI模型能力 | 本体工程积累最深 | 数据飞轮与商业模式待跑通 |
| 特斯拉 Optimus | 车规供应链+自研大模型 | 制造与算力底座强 | 场景验证刚起步 |
| Figure AI 等创企 | 通用人形+基础模型叙事 | 融资能力强、迭代快 | 落地场景尚未规模化 |
| 工业机器人巨头 | 成熟机械臂+AI视觉增强 | 客户与渠道现成 | 通用性受限 |
看清楚了吗?波士顿动力过去最强的『运动控制』,正在从护城河变成入场券——因为新入场的一批玩家背后,站的是自带算力、数据、供应链的巨无霸。如果继续讲『我动作最帅』的故事,故事的天花板清晰可见。引入Prasad,就是把叙事从『体操冠军』改写为『物理世界的通用AI平台』。
这正是我判断这次换帅值得整个制造业关注的原因:它标志着一个共识的形成——机器人公司的估值锚点,正在从硬件参数转向AI能力。
📊 竞争格局:波士顿动力到底站在哪里
金句先行:技术上的领跑者,未必是商业上的领跑者——这次换帅就是奔着后者去的。
把当前主要玩家放进『AI技术门槛 × 商业落地价值』的坐标系里,格局会更直观:
“注:图中各公司坐标点为作者基于公开信息的定性推断,并非官方披露数据,仅用于示意相对格局,不代表精确量化。
这张图里有两个关键信息。
第一,波士顿动力目前是典型的『高技术门槛、中低落地价值』组合——这就是『潜力股』象限的宿命:技术溢价有,但规模收入还没兑现,财报上约2000万美元量级的年营收(2023年,现代汽车财报口径)就是最直接的注脚。而亚马逊的仓储机器人体系,恰恰相反:AI门槛不见得最高,但商业价值已被自家物流场景反复验证——业内普遍引用的数字是,亚马逊全球部署的仓储机器人已超过75万台。让亚马逊体系里走出来的人执掌波士顿动力,等于把右上象限的『落地方法论』输送到左上象限的『技术高地』。这次人事安排的产业含义,全在这条对角线上。
第二,中间那一批人形新势力普遍挤在『潜力股』区域,说明行业整体仍处于『技术兑现前夜』。谁能先把技术门槛转化为落地价值——也就是把demo变成可持续的交付和复购——谁就能第一个挪进右上的『领跑者』象限。
冰山之下才是决胜区。Prasad在亚马逊练出来的,恰恰是水下那几层的管理经验——这比任何一段『机器人履历』都更对症。
⚠️ 冷思考:软件大脑遇上硬件身板,磨合不轻松
金句先行:AI救不了不会做交付的机器人公司,但机器人公司躲不开AI。
当然,乐观归乐观,几个现实的坎必须摆在桌面上说。
第一坎:组织基因。波士顿动力是一家工程师文化极重、以运动控制为荣的公司,核心团队常年钻研动力学与控制理论。一位AI背景的CEO空降,最先遇到的不是技术问题,而是路线权问题——资源是继续压给本体迭代,还是向数据管线和模型训练倾斜?据业内观察,凡是『硬件老将+软件新帅』的组合,头一两年都要过这道关。
第二坎:数据从哪来。大模型的成功建立在互联网级数据之上,而物理AI没有现成的『互联网语料』。真机数据昂贵、遥操作数据稀缺、仿真数据存在域差。Prasad能不能把Alexa时代『设备在线—数据回流—模型进化』的飞轮复制到机器人上,是判断这次换帅成色的第一块试金石。
第三坎:母公司耐心。现代汽车给波士顿动力的定位,从来不只是情怀项目。2021年砸下约8.8亿美元换来的80%控股权,对应的是汽车工厂这个现成的落地场景,也是检验『物理AI』叙事最快的地方。如果新任CEO能在自家工厂先跑出标杆案例,整个故事就立住了;反之,再好的模型叙事也撑不起第二轮耐心。
第四坎:节奏错配。模型迭代以月计,硬件迭代以年计。如何让『软件快跑』和『硬件稳走』在同一张路线图上不打架,考验的是管理艺术,不是技术。
小结
波士顿动力请Rohit Prasad执掌帅印,本质是机器人行业的一记发令枪:物理AI的竞争,正式从『本体军备赛』切换到『模型与数据赛』。硬件能力正在从护城河降级为入场券,而能否建起数据飞轮、跑通商业闭环,将决定这家技术图腾式的公司能否真正兑现价值。
几个硬数据可以把这次变革的分量钉得更死:一家估值约11亿美元、年营收却长期徘徊在2000万美元量级(2023年约265亿韩元,现代汽车财报披露口径)且持续亏损的公司,选择让一位把AI产品做到5亿台设备规模、又亲手定义过基础模型路线的人来掌舵——这已经不是补短板,而是换发动机。留给Prasad的考卷也很明确:一,在现代汽车工厂跑出第一批可复制的标杆案例;二,把遥操作与真机数据管线建起来,让数据飞轮转起来;三,让营收结构从『展览展示+小批量Spot』走向可持续的规模交付。三条里能兑现两条,11亿美元的估值才算站稳