人形机器人公司招人时，有一个很常见的动作：先把同行名单列出来。
宇树、智元、优必选、傅利叶、逐际动力、星动纪元……然后让猎头按照公司一层层往下挖。
这个思路当然没错。
但真正做过一段时间人形机器人招聘以后，我反而越来越觉得：人形机器人最值得抢的一批人，不一定已经在人形机器人公司。
原因很现实。整个行业还处在快速迭代阶段，真正经历过“人形机器人研发—工程化—量产—大规模商业交付”完整周期的人，本来就非常少。
如果所有公司都只盯着同行，最后就会变成几十家公司反复争抢同一批候选人，薪资越来越高，人才池却没有明显扩大。
真正有价值的Talent Mapping，应该继续往外走。
问题不是：“谁现在做人形机器人？”
而是：“哪些行业已经解决过人形机器人接下来一定会遇到的问题？”

这两种思路，找到的人完全不同。

一、关节模组的人，可能藏在汽车电驱和工业自动化里

人形机器人现在很重视关节模组。

电机、减速器、编码器、轴承、驱动器、传感器、热管理，需要塞进一个越来越小的空间里，同时又要求高扭矩密度、低重量、高响应和可靠性。

如果只在人形机器人公司找，人才当然很少。

但把问题拆开以后，人才池一下就大了。

比如做无框力矩电机，可以往伺服电机、汽车电驱、航空电机寻找；做电机控制，可以从高性能伺服、电驱控制、无人机等团队Mapping；做精密传动，可以看工业机器人、机床、谐波减速器、精密齿轮企业。

真正值得抢的，不一定是已经做过某款人形机器人关节的人，而可能是：

过去十年一直在解决高功率密度电机、精密传动和机电一体化问题的人。

人形机器人需要的，恰恰是把这些能力重新组合起来。

---

二、量产人才，更不应该只盯机器人行业

这个问题到了量产阶段会更加明显。

研发样机阶段，机器人公司内部的人当然最懂产品。

但从100台做到1000台，再做到1万台，需要的能力已经发生变化。

BOM怎么降？
供应商怎么开发？
工艺怎么固化？
装配节拍怎么提高？
批次一致性怎么保证？
失效问题怎么追溯？

这些事情，很多人形机器人公司自己都还没有完整经历过。

这时候反而是汽车、3C、智能硬件、医疗器械这些行业的人更有价值。

尤其是做过：NPI、制造工程、SQE、可靠性、供应链和质量体系的人。

他们可能对VLA不熟，也未必能说清楚WBC，但他们知道怎么把一个复杂机电产品稳定生产一万套。

而机器人真正进入量产以后，这种能力一点都不“外围”。

我甚至觉得，接下来人形机器人行业最容易被重新定价的一批人才，就是传统制造业里那些真正经历过大规模产品导入的人。

---

三、运动控制人才，不一定来自人形机器人

现在很多人形机器人公司抢WBC、强化学习运动控制工程师。

于是招聘需求经常写成：

“有双足人形机器人经验优先。”

没问题，但如果直接把它变成硬门槛，人才池会迅速缩小。

真正可以往外看的方向其实很多。

工业机器人里有大量做动力学、轨迹规划、阻抗控制的人；四足机器人团队里有人长期做Locomotion；无人机行业有一批非常强的飞控人才；汽车领域也沉淀了大量控制和状态估计人才。

他们和人形机器人之间当然存在迁移成本，但核心问题高度相关：

怎么让一个复杂动力系统，在真实环境的不确定性下稳定运行。

真正值得判断的是候选人的底层能力：

机器人动力学到底扎不扎实？

做没做过复杂控制系统？

有没有真机调试能力？

遇到振荡、延迟、模型偏差时能不能找到根因？

而不是简历上有没有出现“Humanoid”这个关键词。

这也是做机器人猎头和简单关键词搜索最大的区别。

---

四、具身算法人才，可能要去自动驾驶和大模型团队里找

VLA、世界模型、机器人学习也是一样。

如果企业只去现有具身智能公司挖人，很快会发现大家看到的候选人高度重合。

但这一轮具身智能，本来就是多个行业能力融合出来的。

自动驾驶行业长期积累了：

多模态感知、3D视觉、预测、规划、大规模数据闭环、仿真。

大模型团队则积累了：

Transformer、多模态、VLM、生成模型、大规模预训练和分布式训练。

机器人公司真正要做的，不应该只是争抢已经贴上“VLA工程师”标签的人。

而是判断：

哪些能力可以迁移，哪些必须通过机器人真机重新补课。

比如一个非常强的VLM人才，如果愿意补机器人Action、Policy Learning和真机数据闭环，可能很快成为VLA核心人才。

一个自动驾驶预测规划专家，如果本身对世界模型、时序建模和决策有很深积累，也可能比一个只有半年“世界模型”Title的人更值得看。

所以人形机器人招聘越往前沿走，越不能被岗位名称限制。

五、灵巧手和触觉的人，甚至可能根本不在机器人行业

这一块更典型。

灵巧手需要什么？

微型电机、精密传动、腱绳、轴承、编码器、力传感器、触觉传感器、柔性材料、结构设计以及控制算法。

这里面大量技术原本就不是在人形机器人行业成长起来的。

触觉人才可能来自MEMS、柔性电子、传感器、医疗器械；

精密结构人才可能来自消费电子；

微型传动可以往医疗设备、精密仪器、自动化寻找；

力传感器可以从工业测量和机器人末端力控企业寻找。

如果只把“做过灵巧手”作为门槛，那基本是在一个非常小的人才池里互相抬价。

更好的招聘逻辑是：

先把灵巧手拆成技术问题，再去寻找已经解决过这些问题的人。

---

人形机器人真正应该画的是“能力地图”

如果从猎头角度重新做一次人才Mapping，我不会只按照“机器人公司名单”往下找，而会先把岗位拆成能力，再看这些能力在哪些行业已经成熟。

人形机器人岗位	可以重点Mapping的外部行业
关节模组	汽车电驱、伺服、工业机器人、精密传动
电机控制	伺服、汽车电驱、无人机、自动化
WBC/运动控制	工业机器人、四足、无人机、自动驾驶控制
VLA/世界模型	大模型、多模态、自动驾驶、机器人学习
触觉传感	MEMS、柔性电子、医疗器械、精密传感
灵巧手结构	精密机械、医疗设备、消费电子
NPI/量产	汽车、3C、智能硬件、医疗器械
SQE/供应链	汽车、消费电子、精密制造
可靠性测试	汽车、智能硬件、工业设备

你会发现，人形机器人真正的人才池，其实远远大于“人形机器人行业”。

---

但跨行业挖人，最难的不是找到，而是判断

这也是为什么跨行业招聘不是简单地扩大搜索范围。

一个汽车电驱专家，不代表一定适合机器人关节。

一个大模型专家，也不代表一定能做VLA。

一个3C制造负责人，也不一定适合机器人这种仍在快速迭代的产品。

猎头和HR真正需要判断的是三件事：

第一，底层能力能不能迁移。

过去解决的问题和机器人现在的问题，到底有多少共性？

第二，候选人能不能接受重新学习。

跨赛道以后，原来的专家可能有一部分知识需要重新建立。

第三，他为什么愿意来。

真正成熟行业里的高手，本身通常已经有不错的位置。仅靠“机器人是风口”很难长期吸引他们。

这时候真正需要讲清楚的是项目、权责、技术挑战和未来空间。

---

David的一个判断

未来人形机器人公司的招聘能力，很可能会分成两个阶段。

第一阶段，比的是：

谁能把同行的人抢过来。

第二阶段，比的是：

谁能把其他行业最优秀的人重新组合进机器人。

我反而觉得第二阶段更重要。

因为一个产业真正做大，从来不可能只靠原来那几千、几万名从业者内部流动。

汽车工业的发展，也不是靠“汽车人”自己完成的；智能手机崛起以后，也吸收了半导体、通信、软件、光学、材料和精密制造的大量人才。

人形机器人最终也一样。

所以从猎头视角看，未来最值钱的人才地图，可能不是：**宇树的人去了智元，智元的人去了另一家机器人公司。**而是：汽车电驱的人进入关节模组，工业机器人控制的人进入人形运控，大模型的人进入VLA，3C和汽车制造的人开始搭机器人量产体系。

当这种跨行业人才迁移真正大规模发生时，人形机器人产业才算真正开始从一个“机器人圈”，变成一个完整的新产业。