具身智能这两年太热，以至于很多人一提到“核心人才”，第一反应都是：VLA、世界模型、强化学习、运控、视觉算法。

这当然没错。

算法决定机器人的能力上限，尤其是在人形机器人、灵巧操作、通用任务学习这些方向，真正优秀的算法人才依然非常稀缺。

但如果你长期看具身智能公司的招聘，会发现一个很明显的变化：

企业真正开始往产品化、量产和商业落地走以后，最缺的人，反而越来越不只是算法。

因为机器人和纯软件最大的区别就在这里。

模型效果再好，最终也要落到一台真实机器上。

机器要能站起来、动起来、抓得住、跑得稳、批量造得出来，到了客户现场还不能天天坏。

这背后需要的，是一整套远比“算法团队”更复杂的人才结构。

一、算法解决“机器人会不会”，但硬件决定“机器人能不能”

很多具身智能公司的早期团队，算法配置都很豪华。

但机器人真正开始跑以后，很快就会发现：

算法给出了一个漂亮的动作，电机跟不上；

控制策略没问题，减速器有回差；

仿真里动作很稳定，真机一运行就出现温升；

灵巧手理论上能抓，实际末端刚度不够；

整机指标不错，但连续运行几个小时以后关节开始报警。

这些问题已经不是靠换一个更大的模型就能解决的。

所以具身智能公司真正稀缺的一类人，是能够把：

电机、减速器、编码器、驱动器、轴承、力传感器、结构、热管理

真正做成一套稳定执行系统的人。

尤其是关节模组。

现在很多机器人企业招聘“关节负责人”，真正想找的往往不是一个单纯机械工程师，也不是一个单纯电机专家，而是能够理解：

机械+电机+驱动+编码器+传动+控制+热设计

的一体化人才。

这种人其实比岗位名称看起来稀缺得多。

---

二、具身智能非常缺“系统工程师”

这是我觉得目前机器人招聘里最容易被低估的一类岗位。

一家公司可以有非常强的算法团队，也可以有非常强的机械、电控、嵌入式团队。

但最后经常会出现一个问题：

每个模块单独看都很好，整机装起来就是不好用。

视觉说自己的识别没问题。

运控说控制算法没问题。

机械说结构指标达到了。

电控说驱动板也正常。

最后机器人还是抖、还是摔、还是抓不住。

这时候真正需要的，就是系统级人才。

他们需要知道：

问题到底出在感知、规划、控制、通信、执行器还是机械结构？

为什么控制频率下降以后整机性能突然变差？

为什么视觉延迟几十毫秒，会影响抓取？

为什么机械刚度变化，会让算法表现发生变化？

这种岗位真正的价值，是把不同专业之间的“缝”补起来。

所以未来具身智能非常值钱的一类人，可能不是某一个方向做到极深的人，而是：

至少一个方向足够深，同时能看懂整机系统的人。

---

三、从Demo到产品，最缺的往往不是科学家，而是工程化人才

机器人行业很容易出现一种现象：

Demo特别漂亮。

发布会也很震撼。

但一问：

什么时候能稳定交付？

答案就没那么确定了。

因为Demo和产品之间，其实还隔着很长一段路。

机器人从研发走向产品，至少要经历：

样机→工程样机→小批量→试产→量产→交付。

每一个阶段都会暴露新的问题。

到了这个时候，公司真正需要补的是：

阶段	核心人才
样机阶段	机械、电子、嵌入式、算法
工程化	系统工程、测试、可靠性
小批量	NPI、工艺、供应链
量产	制造、质量、SQE
客户落地	应用工程、解决方案、交付

很多早期机器人公司其实并不缺“把第一台做出来的人”。

真正缺的是：

把第100台做得和第1台一样的人。

这两种能力完全不同。

前者强调创新。

后者强调：

一致性、可靠性、成本、可制造性和可维护性。

而机器人真正产生收入，恰恰更依赖后者。

---

四、测试和可靠性人才，正在变得越来越重要

这一类岗位现在看起来没那么“性感”，但越往量产走，价值越高。

实验室做机器人，大家关注的是：

能不能完成动作。

产品化以后关注的则是：

能做多少次？多久会坏？坏在哪里？极端情况下会发生什么？

比如一个关节：

连续运行100小时会不会温升过高？

减速器寿命是多少？

编码器在震动环境下会不会漂移？

线束反复弯折多少次会失效？

机器人摔倒以后哪些部件最容易损坏？

不同批次之间性能波动有多大？

如果这些问题没有被系统测试，机器人越卖得多，售后问题反而越多。

所以具身智能走向商业化以后，一定会越来越需要：

可靠性工程师、测试工程师、失效分析、质量工程师。

这些人不一定决定机器人“能不能做动作”，但会决定：

机器人能不能成为真正的商品。

---

五、供应链人才，也可能成为下一阶段非常抢手的一批人

做一台机器人和做一万台机器人，完全不是一回事。

早期研发阶段，某个零部件贵一点没关系。

一年采购几十套，可以人工协调。

但真正进入量产以后，一个零件成本多100元，一万台就是100万元。

一个核心供应商交付慢两周，整条生产计划都可能被打乱。

所以量产开始以后，公司会越来越关注：

BOM成本、供应商开发、国产替代、交期、良率、第二供应源。

这时候供应链已经不是简单的采购。

真正优秀的机器人供应链负责人，需要懂：

电机、减速器、丝杠、轴承、编码器、传感器、驱动器、PCB、结构件。

甚至还要知道：

哪些零部件必须自己做？

哪些可以外包？

哪些供应商现在很好，但未来产能跟不上？

哪些零件应该提前做第二供应商？

这类既懂技术又懂供应链的人，会越来越难找。

---

六、真正开始商业化以后，解决方案和应用工程也会越来越重要

具身智能公司早期经常从技术出发：

我们机器人能做什么？

真正进入客户现场以后，问题会变成：

客户到底需要什么？

比如一家工厂不会因为你的机器人用了VLA就采购。

它真正关心的是：

这个工序原来几个人？

机器人节拍多少？

成功率多少？

多久能回本？

换产品以后要不要重新调试？

出了故障多久恢复？

所以真正的行业解决方案人才，要同时理解两边：

一边是机器人能力边界。

另一边是客户业务流程。

这种人要能判断：

哪些需求机器人现在能做，哪些需求不应该接。

这其实是非常重要的能力。

因为机器人公司最怕的不是没项目。

而是什么项目都接，最后被大量定制需求拖死。

---

七、还有一种人很少，但特别值钱：把技术和产品串起来的人

现在具身智能公司普遍不缺技术讨论。

缺的是有人能够说清楚：

这个技术到底什么时候该停？

比如算法团队希望再把成功率从90%做到95%。

机械团队希望再减500克。

电机团队希望再提高10%的扭矩密度。

这些优化当然都有价值。

但公司还要同时考虑：

研发周期、成本、供应链、交付时间和客户需求。

这时候真正优秀的产品负责人或者技术产品负责人，需要做一个很难的判断：

什么指标是“必须继续优化”，什么指标已经“够用了”。

机器人产品最大的风险之一，就是无限研发。

每一个团队都觉得还可以继续优化，最终导致产品一直无法冻结。

所以真正好的产品负责人，不只是懂客户。

他还必须理解技术。

甚至能和：

算法、机械、硬件、运控、制造

在同一个会议里把问题聊明白。

这种人目前其实非常少。

---

八、从招聘结构看，一家公司缺什么人，基本就能看出它走到哪一步了

如果一家具身智能公司大量招聘：

VLA、世界模型、强化学习、运控、视觉，

它大概率还在强化核心能力。

如果开始大量招聘：

系统工程、关节、嵌入式、整机架构、测试可靠性，

说明它正在解决整机产品问题。

如果开始出现：

NPI、工艺、制造、质量、供应链、SQE，

说明它正在向规模化制造走。

如果进一步出现：

行业解决方案、应用工程、项目交付、售后服务，

那基本已经进入商业落地阶段。

所以从猎头角度看，我有时候判断一家机器人公司到底发展到什么阶段，不一定先看宣传。

看招聘岗位结构，往往更直接。

---

David的判断：具身智能最终拼的不是“算法团队有多豪华”，而是有没有完整的人才闭环

早期具身智能公司当然需要顶级算法人才。

因为没有算法能力，机器人智能上限很低。

但当行业往后发展，竞争会逐渐从：

单点技术竞争

变成：

系统能力竞争。

一家公司最终需要同时拥有：

算法、运控、机械、电机、电控、嵌入式、系统工程、测试、供应链、制造、质量、产品、解决方案和交付。

少任何一层，都可能卡住。

所以未来真正稀缺的，不一定只是“某一个算法方向最强的人”。

还有另外一批人会越来越值钱：

能够把算法变成系统的人，把系统变成产品的人，把产品变成量产的人，以及把量产产品真正交到客户手里的人。

算法决定机器人能有多聪明。

但真正决定一家具身智能公司能不能活下来、能不能做出收入的，是：

有没有能力把“聪明”变成一个稳定、可制造、可交付、客户愿意付钱的产品。