机器人开始“合体”,AI大佬坐不住了
一周之内,JSK Lab演示两台机器人线缆连接合体为一台四轮机器人,波士顿动力任命前亚马逊AI掌门人Rohit Prasad为CEO。硬件模块化与AI人才空降同时出现,指向机器人行业主叙事的换挡:从造身体,到给身体装能干活的大脑。本文拆解三条技术路线的竞争格局与落地关口。
上周机器人圈两条新闻,乍看八竿子打不着:一条是IEEE Spectrum视频栏目里,两台细长肢体的小机器人用电线“牵手”,拼成一台四轮机器人满地跑;另一条是波士顿动力宣布,前亚马逊AI掌门人Rohit Prasad出任CEO。一个在演示“身体可以拼装”,一个在宣告“大脑必须换血”。两条线索拧在一起看,指向同一件事:机器人行业的主叙事,正在从造一副好身体,切换到给身体装一个能干活的大脑。
🤖 一条视频,一纸任命,同一周发生
行业的转向从来不是发布会宣布的,而是从两个不起眼的细节里漏出来的。
先说视频。IEEE Spectrum的Robotics团队每周都会精选一期Video Friday,本期最出圈的,是JSK Lab的Twinx项目:两台四肢细长的小型机器人,通过一根线缆相互连接,逐步对接、合体,最终变成一台四轮机器人,在铺装路面上平稳行驶。官方配文调侃得很轻松——“当一台机器人爱上另一台机器人”。但常年跑产线自动化的人一眼能看出门道:这不只是一段炫技视频,这是“机器人可以按需重构”的活演示。
同一周,波士顿动力官宣:曾帮亚马逊把Alexa助手做到亿级设备规模、并主导Nova生成式模型的Rohit Prasad出任CEO,官方口径是带领公司进入“物理AI的下一个时代”。
再看排期:CoRL 2026定在11月9日至12日、奥斯汀;Humanoids 2026定在12月6日至9日、圣克拉拉。学界两大会议已经把年底档期排满,节奏之密肉眼可见。
判断很直接:硬件层的模块化创新,与人才层的AI高管空降,出现在同一个时间窗口——说明“身体”和“大脑”两条战线同时在动。这不是巧合,是行业换挡的信号。
🧠 Alexa掌门人,为什么跑去造机器人
机器人行业最难造的零件,从来不是减速器,是“会干活”的智能。
先看这纸任命的分量。Rohit Prasad在亚马逊的核心战绩,是把Alexa从一部语音助手做成庞大设备群背后的平台,随后又操盘了Nova系列生成式模型。换句话说,他是“把AI做成规模化产品”的人,不是“把机械做成Demo”的人。
而波士顿动力恰恰不缺身体。Atlas的后空翻、Spot的巡检,机械与控制能力早就是全球标杆。公司缺的是让这些身体规模化挣钱的那一层——任务级的智能、可复购的商业模型。请一位AI负责人来当CEO,而不是请一位机器人学教授,本身就是一份战略声明:下一阶段拼的是physical AI,拼的是大脑。
产业逻辑也顺:大模型把数字世界的智能卷到边际成本极低,云厂商的AI人才开始外溢,下一个增量市场在物理世界。圈子里私下流传一句话:“机器人公司最后都是数据公司。”谁能让真机在真实场景里持续回流数据,谁才有定价权。AI高管入主机器人公司,本质是人才估值体系的重新定价——大脑的估值,开始倒挂身体。
🔗 会“合体”的机器人,藏着另一条路线
人形不是唯一答案,“可重构”可能是被严重低估的那条路。
回到Twinx。两台小机器人通过线缆连接、合体成一台四轮机器人,这件事的价值不在“合体”本身的观赏性,而在它暗示的架构:机器人可以是可拆装的功能模块集合——窄通道,拆开钻过去;重载任务,合体一起搬;某个模块坏了,单独换掉,整机不报废。
做过工厂现场的人都知道,客户买的从来不是“拟人程度”,是单位搬运成本。一条可重构的模块化车队,配上成熟的调度软件,ROI算得清清楚楚;而一台“什么都能干”的全能人形,眼下在绝大多数场景里,账是算不平的。
所以别把Twinx当猎奇视频。它和波士顿动力换帅,其实是同一个问题的两个答案:当身体不再稀缺、大脑开始稀缺时,身体该怎么重新设计?一条路是把身体做成通用形态,等大脑成熟;另一条路是把身体做成可拼装的积木,让现有“半桶水”的智能也能组合出足够多的任务。两条路都会有人走通,但第二条路的落地速度,可能比很多人想的快。
📊 三条路线同台,座位正在重排
牌桌没换,但筹码的定义变了——以前看机械性能,现在看数据飞轮。
先给三条主流路线立个坐标系:
| 技术路线 | 代表 | 核心优势 | 落地难点 |
|---|---|---|---|
| 单体人形 | 波士顿动力 Atlas等 | 通用性想象空间大 | 成本、任务数据、可靠性 |
| 模块化可重构 | JSK Lab Twinx | 按任务拼装、冗余可换 | 生态标准、控制复杂度 |
| 专用自动化 | 仓储AMR、工业机械臂 | ROI清晰、已规模化 | 单场景天花板明显 |
再画一张更直白的竞争定位图:
读图要点:波士顿动力技术门槛几乎拉满,商业价值随着“物理AI”叙事和AI掌门人到位正在爬坡;人形整机新势力技术热度高,但商业价值还没被订单验证;仓储AMR厂商技术门槛不算最高,商业价值却最扎实,是当下真金白银的主战场;高校模块化实验室站在技术前沿,但离商业最远。
我的判断:未来12个月,评估一家机器人公司的含金量,先别看它会多少花活,先看它有没有场景数据的回流管道。数据管道,才是新坐标系里的纵轴。
⚠️ 先别开香槟:落地三关一关没少
演示视频和产线验收之间,隔着一整条ROI的鸿沟。
作为跑过不少工厂现场、交过MES和数字孪生项目的人,我对“视频很燃、产线很冷”的剧本太熟悉了。物理AI要真正走进车间,至少要过三关:
第一关,场景数据。没有真实工位、真实物料、真实异常的数据回流,再强的模型也是花架子。第二关,单位经济。客户只问一个问题:几年回本?答不上来,一切叙事归零。第三关,安全与标准。人机协作的规范还在补课,机器人越自主,这条线越关键。
“据多位接近人士”的说法,云厂商背景的高管空降机器人公司后,前半年到一年最常撞的墙是:AI的迭代节奏按周算,硬件供应链的节奏按季度算,两套时钟对不上,烧的是组织耐心和现金。
所以Prasad的任务清单其实很清楚:不是让Atlas再翻一个更漂亮的跟头,而是把AI能力换成可复购的订单。2026年的CoRL 2026和Humanoids 2026两场会,值得盯的不是新形态,而是任务成功率、数据采集规模这类“无聊指标”——无聊指标,才是产业化的体温计。
📌 小结:身体在合体,大脑在换人
一周之内,Twinx演示了硬件的另一种可能,波士顿动力用一纸任命确认了行业的换挡方向:机器人的下一程,就是物理AI的下一程。身体开始可拼装,大脑开始值钱,两件事同时发生,才是真正的拐点信号。
对制造业从业者,我的建议只有一句:别追形态,追单位经济。2026年,会是行业从“演示惊艳”走向“验收合格”的年份——能在这条鸿沟上架桥的玩家,才配得上新一轮的掌声。