倍利福智能制造人才智库｜2026下半年具身智能人才与职业机会观察

**观察时间：2026年9月。**本文讨论的不是“赛道还能不能火”，而是一个更现实的问题：当具身智能开始从Demo走向真机作业，什么公司、什么岗位还值得候选人认真看。

---

一、2026具身智能不是不火了，而是“火的地方变了”

先给结论：赛道热度仍然很高，但评价标准已经明显从Demo、论文和融资故事，转向真实场景、连续运行、成本和商业订单。

工信部与国务院国资委2026年专项行动已经把目标写得很直接：推动人形机器人从应用验证走向常态部署，并提出百个以上高价值场景、万台级规模落地能力。([工业和信息化部][1])

资本没有消失，但钱开始挑公司

2026年上半年不同数据库对具身智能融资统计差异很大，有统计为288起、披露金额超460亿元，也有口径达到322起、935亿元。
数字口径虽然不同，但共同指向一个事实：资金仍然活跃，同时向头部、整机、模型和关键零部件集中。 ([新浪财经][2])

第一财经对2026年上半年的观察也提到，估值快速上涨的同时，行业已经开始讨论泡沫与真实商业价值。([第一财经][3])

对候选人来说，赛道已经从“看概念”进入“看兑现”

2024-2025更容易被关注	2026下半年更值得追问
Demo效果好不好	能不能连续稳定运行
模型参数多不多	Robot Data质量怎么样
会不会VLA	有没有真正跑过真机
融了多少钱	钱怎么花、还能撑多久
本体做出来没有	BOM、良率、可靠性做到哪一步
有没有客户合作	PoC是不是付费、有没有复购和部署

政策层面也已经从“做出机器人”转向“真实作业成功率、效率、安全可靠性和经济可行性”。 ([工业和信息化部][4])

所以2026下半年再判断一家机器人公司，只看融资轮次已经不够了。

---

二、下半年看工作机会，先检查公司这3张“底牌”

第一张：算法公司的底牌，不是“千卡”，而是算力＋Robot Data

VLA、World Model、Robot Learning岗位，真正应该问的是：有多少GPU能实际调度，有多少真实Trajectories，数据怎么采、怎么清洗、怎么回灌模型。

“我们有千卡集群”只能证明公司可能有资源。
能不能让你的模型持续训练、评测并上真机，才决定这份工作有没有技术含金量。

算法候选人建议重点问：

• Robot Data主要来自遥操作、真机自主采集还是仿真合成？
• 每周/每月新增多少有效Trajectory？
• VLA训练完以后用什么真机Benchmark验证？
• GPU是长期可调度，还是项目临时申请？
• Action Space由谁设计？
• 模型团队和本体团队是不是同一个技术节奏？

危险信号：论文讲得很多，Robot Data说不清；VLA路线非常宏大，但真机测试资源极少。

---

第二张：硬件公司的底牌，是DFM和供应链有没有开始算账

机器人从几十台做到几百台、几千台以后，关节、灵巧手、电机、减速器和结构件都会进入完全不同的工程阶段。

候选人不要只看“机器人性能有多强”，还要看企业有没有真正开始处理BOM、良率、开模、NPI、热衰减、可靠性和供应商一致性。

可以直接问企业的问题	能看出什么
现在本体是CNC还是已经部分开模？	产品阶段
下一版BOM目标是多少？	是否真正做成本管理
关节有哪些自研，哪些外采？	核心能力边界
小批良率目前多少？	制造成熟度
最大可靠性问题是什么？	团队是否真正跑过产品
是否建立NPI团队？	是否准备进入规模制造

“BOM一定下降20%-30%”并不是所有公司的统一标准。
真正重要的是公司知不知道现在贵在哪里，以及下一版准备怎么降。

---

第三张：商业化公司的底牌，是PoC之后有没有下一步

2026年的政策和产业方向已经明显强调实景应用验证、常态部署和经济可行性，而不是单纯展示。([工业和信息化部][1])

因此运控、系统、交付甚至BD候选人，应该重点区别**“展示型PoC”和“商业型PoC”**。

展示型项目	更值得关注的商业型项目
展厅运行几分钟	真实班次连续测试
展会展示	客户现场工位
任务提前布置	环境存在真实扰动
免费试用	客户愿意付费
做完一次结束	有扩点/复制计划
只谈成功率	同时计算效率和经济性

可以给自己建立一个简单的“商业造血观察表”：付费PoC数量、回款情况、客户复购、部署数量和现金消耗速度。

不需要每项都完美，但如果公司对这些问题全部避而不谈，就需要谨慎。

---

三、不同机器人人才，下半年看机会的标准已经不一样了

岗位方向	2026下半年真正稀缺什么	更值得关注的机会	需要警惕的信号
VLA / 世界模型	Model＋Data＋Action＋真机	有稳定Robot Data和真机评测体系	只有论文方向，没有数据来源
WBC / Sim2Real	真机稳定性与故障定位	整机成熟、测试资源充足	只有Simulation，没有本体
3D感知/操作	真实光照、遮挡、6D Pose	已进入工厂/仓储真实场景	数据集指标漂亮，现场没人用
端侧AI	Latency、Memory、Power、Accuracy	有明确机器人计算平台	只说TOPS，不谈实际部署
关节模组	热、寿命、装配、成本	正在从样机进入小批	长期手工拼装，无量产规划
DFM/NPI	成本、良率、供应链	已开始百台/千台准备	产品路线频繁更换
系统/交付	故障树、MTBF、恢复能力	有持续客户现场	只负责展会和演示

VLA人才：别再只追最高估值

VLA架构师跳槽最重要的是技术资源能不能支撑两三年的履历积累。

如果加入后半年都在等卡、等数据、等本体，再高的Title也很难形成真正有价值的下一段经历。

---

Sim2Real/WBC：真机数量可能比Title更重要

真正成熟的Sim2Real运控经验来自大量失败案例：状态估计漂移、Actuator Model不准、摩擦变化、通信延迟、接触异常。

所谓“零飞车”“零摔机”更适合作为目标。
候选人真正应该关心的是：公司允许你摔多少次、有没有足够真机让你把问题调出来。

---

硬件/DFM：2026反而可能进入价值上升期

行业越接近规模化制造，越需要从消费电子、汽车、高端装备和精密制造迁移过来的工程人才。

工业和信息化部今年也持续把一体化关节、算力芯片、应用验证和规模发展列入重点方向。([工业和信息化部][5])

前两年最受关注的是“机器人能不能动”，下一阶段会越来越关心“能不能稳定造出来，而且成本合理”。

---

四、准备跳槽的人，建议把“看公司”改成这一套4步SOP

Step 1｜先判断企业在哪个产品阶段

不要只问A轮、B轮还是Pre-IPO。
直接问：Research、Demo、PoC、小批量、规模交付，现在到底在哪一步？

不同阶段需要的人完全不同。

---

Step 2｜看钱，但不要只看融资新闻

更实用的是了解团队规模、研发投入、固定成本和未来融资计划，估算企业Runway。

“现金还能撑18个月”可以作为一个观察维度，但不要机械当成及格线。
融资能力强、已有收入和研发投入可调整的企业，现金安全边界完全不同。

---

Step 3｜终面一定把技术现场问透

算法人才看GPU、Robot Data和真机；硬件人才看实验室、加工方式、BOM和供应商。

如果条件允许，真正看一次机器人连续运行，比再听一小时PPT更有价值。

MTBF同样不要机械追求“500小时”。
关键是企业有没有可靠性测试标准、故障记录和持续改进数据。

---

Step 4｜最后才比较Package

先给每个机会做一张表：

维度	建议权重
产品真实度	25%
本人技术Ownership	20%
团队与直属Leader	20%
研发资源	15%
现金与股权	15%
Title	5%

权重不是统一标准，可以按照个人阶段调整。
但如果一份Offer唯一的优势只有“Title升一级、工资涨30%”，需要重新检查这次跳槽到底在买什么。

---

五、2026下半年真正值得关注的，不是“赛道热不热”

截至2026年9月，从融资、政策和实景部署方向来看，具身智能远没有进入所谓“退潮期”；但行业对企业的要求确实已经明显提高。([财经网][6])

以前能把机器人做出来就是故事，现在要回答机器人能干多久、客户为什么买、成本什么时候降下来。

对于候选人也是一样。

下一阶段最有价值的履历，很可能不再是：

“参与过某个很火的机器人项目。”

而是：

“我把一个VLA模型真正放到了机器人上。”
“我把Sim2Real从仿真调到了真机。”
“我把一个关节从样机推到了量产。”
“我让一个PoC从展示变成了客户长期使用。”

**倍利福智能制造人才智库观察：**2026下半年，具身智能的人才红利没有消失，只是从“进这个行业就值钱”，逐渐变成“做过真实结果的人更值钱”。

对机器人人才来说，下一份工作的核心问题已经不是**“这家公司火不火”**，而是——两年以后离开这里时，你手里能多出什么别人很难复制的工程经验。

如果你希望长期跟踪这个变化，我也可以按月监测具身智能人才、融资与招聘方向变化，在市场明显变化时提醒你。