文 | 具身志
2026 年 10 月 7 日，美国机器人公司波士顿动力的新任 CEO 正式履职。他最为人熟知的作品，是亚马逊的语音助手 Alexa。
罗希特 · 普拉萨德（Rohit Prasad）曾参与把 Alexa 从早期项目做成大规模消费级 AI 服务，后来又领导了 AI 基础模型 Nova 的开发。波士顿动力在任命公告里强调的，正是他把 AI 技术变成产品和业务的经历。
这家以机器人运动能力闻名的公司，把下一阶段交给了一位有着不同履历的负责人。公告给他的任务也很具体：推动智能机器人产品化，实现规模商业化。
这条路，波士顿动力已经探索了很久。早期的四足机器人 BigDog，是为帮助士兵负重运输而研发的；后来，同样用四条腿行走的 Spot 进入工厂巡检，带机械臂的 Stretch 开始在仓库卸货。与此同时，持续研发的人形机器人 Atlas，也从研究平台走向了准备进入汽车工厂的产品。
几条路线曾经并行展开，机器要做的事各不相同。在从研发走向应用的过程中，波士顿动力也在不断调整，造什么样的机器人，卖给谁，又该怎样把它交到客户手里。
普拉萨德面对的并不是一个全新的要求。十一年前，在 Google 内部，围绕如何把波士顿动力的技术突破变成一门生意，已经出现过直接的分歧。
几年，还是十年？
2015 年 11 月，暂时负责 Google 机器人业务的乔纳森 · 罗森伯格（Jonathan Rosenberg）提出，团队需要在几年内获得足以覆盖开支的收入，不能把三成以上的资源投入要等十年的项目。
彭博次年披露的内部会议材料记录了这种分歧。时任 Google 机器人负责人阿伦 · 埃德辛格（Aaron Edsinger）说，他曾尝试与波士顿动力合作开发低成本电动四足机器人，却感觉碰到了一堵墙。创始人马克 · 雷伯特（Marc Raibert）则坚持，波士顿团队正在做的工作，恰恰是通向产品的必要路径。
争论已经落到了一台具体的机器人上，能不能更便宜，能不能尽快做出来。雷伯特没有否认产品这个目标，但他认为自己正在走向它。
波士顿动力在 1992 年从麻省理工学院的腿式机器人实验室分拆创立，Google 则在 2013 年将它收购。到这场争论发生时，它作为一家公司的历史已有二十多年，进入 Google 却还不到两年。
不过，这二十多年不能都算作机器人商业化的漫长等待。后来担任 CEO 的罗伯特 · 普莱特（Robert Playter）回忆，公司早期主要做仿真，直到接下美国国防高级研究计划局（DARPA）的项目，才重新大举投入实体机器人研发。
这家资助国防技术研发的机构，希望得到能帮助士兵运送物资的机器。为此研发的 BigDog 用四条腿负重行走，把计算机和动力系统带在身上，走出了实验室。在公开演示中，它走过碎石、泥路、雪地，还能负重爬坡。
这些能力并不天然存在。到了 2013 年，初代人形机器人 Atlas 亮相时，仍需通过线缆连接外部电源和计算机。DARPA 把它交给参赛团队，用来开发灾难救援能力。
Google 要求收入时间表的时候，Atlas 也才刚摆脱外接供电的线缆，完成了机载供电、无线通信和耐用性等改进。
为资助方完成约定的研发项目，与向许多客户反复生产、销售和交付同一种产品，需要的是不同的生意做法。Google 追问的，是后者能否在几年内带来足够的收入。
普莱特后来在访谈中回忆，Google 联合创始人拉里 · 佩奇（Larry Page）会在会面时追问：你们要做什么产品？佩奇希望它能进入家庭，成为人们每天使用的东西。波士顿动力却还在制造成本数十万美元、甚至上百万美元的机器，团队看不到短期内降到消费级价格的路径。
这个分歧，单靠要求工程师多努力一点，很难填平。降低成本需要取舍，而研究团队仍希望先用性能足够好的硬件，把机器人运行中的难题弄清楚。
2017 年 6 月，日本软银集团宣布与 Alphabet 达成协议，收购波士顿动力。Alphabet 是 Google 在 2015 年重组时设立的母公司，波士顿动力也处于这一集团架构之下。
不过，Google 留下的也不只有一场争论。
按普莱特的回忆，正是在佩奇不断追问产品的过程中，团队开始探索把四足机器人做得更小，放弃汽油发动机，转向电动驱动。这条探索通向了后来的四足机器人 Spot。
到了 2020 年，已处于软银旗下的波士顿动力开始向更广泛的客户销售 Spot。Google 时期启动的产品探索，延续到了下一任股东手中。
Spot 终于成为可以公开销售和交付的产品。接下来，波士顿动力还得为这些卖出去的机器人负责。
卖出去以后
Spot 开始销售以后，波士顿动力逐渐发现，客户愿意买一台，和愿意把一支机器人队伍放进工厂，是两回事。
普莱特把这件事说得很直接：一台机器人不难卖，难的是向同一个客户卖出多台。要走到那一步，可靠性、服务、系统集成，缺一不可。这是 Spot 教给公司的经验。
为了交付产品，公司内部也在改变。过去，工程师的任务是让新能力成为现实；现在，他们还得按照交付日期，把可靠的机器交到客户手里。普莱特在 2023 年的一次访谈中说，公司几年间从约 100 人长到了 700 人，两种工作节奏要在同一个组织里磨合。
连装配放在哪里，都得重新考虑。按普莱特的说法，设计不断调整时，外部代工伙伴很难跟上变化，公司因此把最终装配放回自己的工厂，让制造与设计更容易衔接。
而在客户那一端，收到机器只是开始。
米其林美国南卡罗来纳州的一家轮胎厂，刚收到 Spot 时，员工迫不及待地拆箱、开机，带它四处走。参加培训回来后，可靠性工程师瑞恩 · 伯恩斯（Ryan Burns）开始给它设置巡检任务。他以前就在轮胎检测区域当技术员，知道哪些设备需要看，也知道哪些地方过去没查到。
在波士顿动力发布的客户访谈中，伯恩斯介绍，团队已经设置了大约 350 个扫描点。Spot 沿着路线采集数据，员工通过配套软件查看电机温度的变化、设置报警阈值，再派技术员核实异常。厂方称，这套巡检已帮助生成 72 张工单，其中包括处理压缩空气泄漏、检查电机过热。
机器人走完一圈，接下来要有人看数据、确认问题、安排维修。到了这里，四条腿才与工厂减少故障停机的工作接上了。
巡检并不是团队一开始就选定的用途。普莱特回忆，早期客户不断提出给 Spot 装上传感器、热成像相机或声学传感器等设备的需求。公司开始回应这些需求，逐渐聚焦工业巡检，并围绕它开发工具、扩充产品组合。客户不只是买走了机器，也在帮助公司弄清楚该把它做成什么产品。
用途逐渐清楚，客户是否愿意扩大使用规模，却还要继续检验。普莱特在 2023 年坦承，当时相当多的销售仍是创新团队购买少量机器做实验；向单一客户销售数十台乃至数百台，还是公司试图打开的空间。
到了 2026 年 6 月，波士顿动力首席产品与技术官扎卡里 · 亚科夫斯基（Zachary Jackowski）在访谈中说，已有客户把 Spot 机群扩展到数十台规模，一部分客户已经越过买一台试用的阶段。
波士顿动力开始围绕客户使用 Spot 的全过程建立服务与交付能力。而另一条与 Spot 并行探索的产品线，早在它公开销售之前，就遇到了一个更直接的难题：客户已经说清楚要做什么，现有的机器人却不合适，怎么办？
为了一箱货，重做一台机器人
把时间拨回 2016 年。波士顿动力发布了一段人形机器人 Atlas 搬箱子的视频。仓储行业的电话随之打了进来，称这正是仓库需要的机器。
Stretch 首席系统工程师麦克 · 墨菲（Mike Murphy）后来回忆，当时团队只是拿箱子做操作研究的演示。他们看到了市场需求，却没有顺势把 Atlas 卖过去——那时的 Atlas 并不适合成为这件商品。
团队转而开发 Handle。它用轮子移动，仍需保持动态平衡；后来一个版本长出单条机械臂和吸盘，电池被移到身后的配重结构里，看上去像一只踩着轮子的鸵鸟。
可到了搬箱子的任务中，维持平衡、调整位置、反复转向，都在消耗时间。机器能把货物从一处移到另一处，却要为这个动作做太多准备。
普莱特在 2023 年的访谈中回忆，团队最终认定 Handle 搬得不够快。这是一项商业决定：再漂亮的动态平衡，也要接受搬运速度的检验。
2019 年，团队转向 Stretch 的设计。
2021 年亮相的 Stretch，底下是一个移动底座，上面立着机械臂和感知装置。底座可以在仓库地面向各个方向移动，机械臂用吸盘抓箱子。它不再需要用两只轮子保持身体平衡，工作目标也明确得多：进入既有仓库，把箱子搬走。
但更快地搬起箱子，还没结束客户的追问。
波士顿动力现场应用工程负责人在一次公开分享中介绍，仓库经理和入库操作人员反馈：如果必须安排一个人全程照看机器人、处理各种中断，投资回报就会受影响。那些人本来还要同时管理五六个、甚至十个卸货口。
于是，团队把减少人工介入放到了开发重点上。
一个经常遇到的麻烦是，箱子会塌。货物在运输途中发生移位，机器人抽走一个箱子，旁边几个可能跟着落下来。如果每次都要等人进车厢收拾，自动卸货就不断被打断。
Stretch 开始学着自行找到掉落的箱子，把它们捡起来送上传送带。随后，工程师又发现，恢复动作本身也太费时间：箱子掉出摄像头视野后，机器人得先后退、重新拍照，再判断箱子在哪里。团队继续改进感知与恢复流程，减少这段等待。
产品的改进细到了掉箱后的恢复过程，商业部署也有了新的进展。
DHL 与波士顿动力的合作始于 2018 年，到了 2022 年，DHL 宣布投入 1500 万美元采购相关机器人方案，计划在北美多个仓库部署 Stretch。2023 年，DHL 宣布实现 Stretch 的首次商业部署。
2025 年 5 月，双方又签署战略谅解备忘录，为全球新增部署 1000 多台机器人铺路。DHL 同时披露，Stretch 已从北美扩展到英国和欧洲其他地区，已部署机器的卸箱速度最高达到每小时 700 箱。
当初给 Atlas 打来电话的人想买一台搬箱子的机器人，波士顿动力最终交出去的机器，已经换了模样。客户继续提出的要求，则藏在卸货速度、异常恢复和需要多少人照看之中。
仓库搬箱子的需求通向了 Stretch，Atlas 的研发也没有停止。2024 年，波士顿动力宣布让液压驱动的 Atlas 退役，推出全电动版本，并把它的方向明确转向实际应用。
普莱特当时说，团队这次要先确认目标用途，再谈规模制造。此前已经销售的 Spot 和 Stretch 积累的经验，要带到这款准备商业化的人形机器人上。
可人形机器人要成批交付，还有另一张账单：这些复杂的机器，究竟如何一台接一台地制造出来？
从零件表到生产线
两年后，2026 年亮相的 Atlas 产品版，有一项改动藏在零件表里。
现代汽车集团称，波士顿动力通过执行器标准化，把机器人身上的 50 多个电机归入三类核心类型。新设计还允许在现场更换肢体，并让机器人自行更换电池。
对一台准备进入工厂的机器来说，零件种类、维修方式和停机时间，也开始参与决定它该长什么样。
韩国现代汽车集团在 2021 年完成从软银手中收购波士顿动力控股权的交易。几年后，这种关系开始具体落到 Atlas 的部件和生产安排上。
波士顿动力首席产品与技术官亚科夫斯基在今年 6 月回忆，团队决定真正把 Atlas 做成产品时，就意识到需要汽车工业那样的设计资源和执行器供应链，于是把现代摩比斯拉了进来。
这家汽车零部件公司的工作，不限于按图供货。按现代公布的分工，摩比斯将参与执行器开发、关键部件标准化，并从便于制造的角度优化设计，把质量与成本一起纳入考虑。
今年 1 月发布产品版时，波士顿动力宣布，新一代 Atlas 减少了专用零件，设计考虑了与汽车供应链的兼容；公司将立即开始生产，并计划在当年向现代和 Google DeepMind 部署。
机器造出来以后，还要经过另一道门。
9 月 21 日，波士顿动力宣布，设在现代美国佐治亚州工厂园区内的机器人应用中心 RMAC 已经启用。Atlas 正在那里接受训练，学习汽车零件的物流与排序，为后续装配准备物料。
汽车集团既能参与造机器人，也能提供让机器人反复试错的工厂，还准备成为大客户。9 月的公告提出，未来几年，现代和起亚的全球工厂计划先部署 2.5 万台 Atlas，同时，集团还计划在美国建设一座年产能 3 万台机器人的工厂。
现代把零部件供应、制造支持、应用验证和未来需求放到了一起。但 2.5 万台部署与 3 万台年产能仍是计划，未来能造出多少机器人，与这些机器人实际能承担多少工作，是两件需要分别兑现的事。
学会下一项工作，要花多少代价？
Atlas 被期待承担的工作还要从零件排序扩展到装配。而每增加一道工序，需要采集多少数据、投入多少训练和工程开发，都会影响它能否进入更多生产线。
波士顿动力为此寻找了 AI 合作伙伴。早在今年 1 月，公司就与 Google DeepMind 宣布合作，计划把 Gemini Robotics 基础模型与 Atlas 结合，先从汽车制造切入，让人形机器人能够完成更多工业任务。
模型之外，公司也在准备让 Atlas 反复学习和验证任务的场地。现代介绍，RMAC 与原来的实验室分工不同：实验室开发技术、验证单项功能，RMAC 则在接近实际制造的条件下采集数据，持续训练和验证模型。按其设想，机器人今后进入工厂执行任务，现场数据还会回到 RMAC，用于下一轮训练和验证，再把改进带回现场。
现阶段，这里的训练集中在零件排序和物料搬运。现代公布的安排，是 2028 年开始让 Atlas 承担零件排序，2030 年再扩展到零部件装配。
AI 合作旨在探索更广泛的任务能力，RMAC 则负责在接近生产现场的环境中训练和验证 Atlas。不过，两项工作都还不能回答：每增加一种新工作究竟需要多少开发与部署成本。
推进这些工作的同时，公司管理层也在变化。
普莱特在今年 2 月离任。媒体在 5 月报道，此后公司又有多名高管离开。报道援引匿名前员工称，董事会担心波士顿动力相对竞争者的领先优势收窄，希望加快向现代交付可工作的机器人。
波士顿动力发言人向媒体回应，组织调整是为了支持机器人的大规模制造、加快扩张，公司正在从 Atlas 原型切换至产品版。
到了 10 月，普拉萨德成为接棒的人。任命公告中，现代集团董事长张在勋把普拉萨德的 AI 产品经验，与波士顿动力的机器人能力、现代的制造和物流能力放在一起，寄望于三者共同推动公司下一阶段的发展。
十一年前，Google 问的是：波士顿动力几年内能不能获得足以覆盖开支的收入。今天，Spot 和 Stretch 已经进入工厂与仓库，Google 旗下的 AI 团队也以合作方的身份回来。Atlas 面对的追问则更具体了：从排序到装配，每多学一项工作，要花多少代价，又能为客户带来多少回报？
几条产品线并行发展，客户提出的要求却并不相同。巡检让 Spot 需要配套工具和服务；卸货速度让团队放弃 Handle 的形态；Atlas 准备承担更多工序，又把制造供应链、模型研发和现场训练带到一起。
商业化的难题会变，是因为客户要完成的工作，不断改变着对机器的要求，也改变着公司的责任。
每一款走向市场的机器人，都在要求波士顿动力重新回答：这次究竟卖什么？为此，公司自己又得改变多少？
