崗位暴漲15倍！月薪6.2萬只是入場券！行業(yè)“搶人戰(zhàn)”打響！

在中國，年收入過億的人是極少數(shù)。

福布斯中國名人榜最鼎盛的2017年，全年收入過億的明星不過十幾位。藥明康德董事長李革是2024年A股年薪最高的上市公司董事長，也不過4180萬。

現(xiàn)在，一個新群體闖入這個收入層級：具身智能研究員。

抖音前段時間很火的一個問題，機器人馬拉松和運動會上，那些坐在高爾夫球車上，或者跟跑在機器人身后的年輕工程師，到底拿多少薪資？

脈脈發(fā)布的2026春招數(shù)據(jù)給出了一個令整個行業(yè)側(cè)目的數(shù)字：2026年1月至4月，具身智能相關(guān)崗位招聘量較去年同期增長15倍，崗位平均月薪從5.9萬元升至6.2萬元。獵聘大數(shù)據(jù)研究院的報告則顯示，近一年人形機器人領(lǐng)域新發(fā)職位同比增長高達215.80%，平均年薪達40.61萬元。

這一令人羨慕的數(shù)字背后，恰恰意味著一場圍繞全面人才掠奪正式開始。

01.

薪酬金字塔：千萬年薪買什么？

具身智能的薪酬結(jié)構(gòu)，呈現(xiàn)典型的“金字塔”形態(tài)。

根據(jù)脈脈2026年春招報告，AI科學家/負責人以平均月薪13.28萬元斷層領(lǐng)先，是新經(jīng)濟行業(yè)中唯一月薪突破10萬元的崗位類別，算法研究員、AI infra、架構(gòu)師、大模型算法、AIGC算法工程師緊隨其后。

而聚焦到具身智能細分賽道，這一薪酬曲線更加陡峭。例如獵聘網(wǎng)上某獵頭公司掛出的崗位，具身智能首席科學家，月薪10萬至20萬元，16薪。按上限計算，年薪逼近320萬元。

更夸張的是優(yōu)必選，其近期發(fā)布的招聘顯示，具身智能科學家崗位月薪開到了45萬至50萬元，折合年薪540萬至600萬元。崗位職責清晰，就是定義公司在人形智能與具身智能領(lǐng)域的長期技術(shù)戰(zhàn)略，指導機器人基礎(chǔ)模型和大規(guī)模學習系統(tǒng)的架構(gòu)設計。這意味著該崗位不是在招一個工程師，而是在招一個技術(shù)路線的制定者。

這類招聘也驗證了行業(yè)內(nèi)部流傳的一種說法：頂尖崗位“千萬起，上不封頂”。

數(shù)字層面，一切都在高速旋轉(zhuǎn)。然而，另一組判斷卻在同期流傳于業(yè)內(nèi)。例如脈脈創(chuàng)始人林凡直言，具身智能在技術(shù)成熟度上還沒到ChatGPT 3.5階段，甚至可能還在GPT-2階段。這是整個賽道最詭異的內(nèi)在張力：一個技術(shù)上尚處于前ChatGPT時代的產(chǎn)業(yè)，正在以后ChatGPT時代的薪資體系和招聘烈度搶奪人才。

02.

誰在付錢，買的是什么？

具身智能人才爭奪白熱化的原因，本質(zhì)上是不同技術(shù)線的公司在同一片人才池里搶人。

一類是大模型公司。這類公司開得起高薪，也愿意開高薪。這類公司的薪資溢價機制極為清晰，因為它們的商業(yè)模式建立在算力堆砌之上，訓練一次的成本可以高達數(shù)千萬甚至上億美元。一位頂級研究員如果能在算法層面節(jié)省5%到10%的算力開銷，在動輒百億美元算力投入的背景下，這項貢獻對應的商業(yè)價值可能高達數(shù)十億美元。公司為其支付數(shù)百萬年薪，是完全理性的商業(yè)決策。這是成熟賽道的薪資定價邏輯，投入產(chǎn)出可測量。

另一類是具身智能創(chuàng)業(yè)公司。它們面臨的是完全不同的成本結(jié)構(gòu)，數(shù)據(jù)采集、硬件迭代、場景驗證，每一項都需要燒錢，但每一塊錢的邊際回報遠不如大模型公司那樣清晰。清華大學助理教授、破殼機器人創(chuàng)始人許華哲近期就坦言，具身智能公司很難像大模型公司那樣開出極高薪酬。

這就形成了一個結(jié)構(gòu)性矛盾：具身智能需要的人才，恰恰也是大模型公司、AI巨頭爭搶的對象。DeepMind、OpenAI、Meta不僅在大模型上招人，也在機器人、具身智能方向大規(guī)模布局。一個做VLA（視覺語言動作）模型的研究員，可能在多家公司之間收到offer，而具身智能創(chuàng)業(yè)公司在薪酬談判中往往處于劣勢。

那具身智能公司靠什么搶人？因為產(chǎn)業(yè)尚處早期，規(guī)模收益還未顯現(xiàn)，具身智能公司若要留住人，只能被迫跟進，支付與其當前商業(yè)化進展不完全匹配的薪資。這是防御性招聘，而非進攻性投資。這也使得當下具身智能的邏輯依然更接近風險溢價。

這種高薪酬不代表產(chǎn)業(yè)成熟，恰恰相反，它暴露了產(chǎn)業(yè)的高度不成熟。真正成熟的產(chǎn)業(yè)，人才供給是結(jié)構(gòu)化的、可預期的。而具身智能當前的狀態(tài)是：大量資本涌入，商業(yè)化場景開始冒頭，但能夠打通“感知-決策-執(zhí)行”全鏈路的人才，全國范圍內(nèi)可能不超過三位數(shù)。企業(yè)不是在為“勞動力”付費，而是在為“稀缺性”定價。

但另外一種人才流動趨勢也并非只有薪資的邏輯。具身智能面臨的技術(shù)挑戰(zhàn)，數(shù)據(jù)匱乏、泛化能力弱、物理交互不可控，這恰好是一批頂尖研究者眼中“值得做一輩子”的問題。他們選擇加入創(chuàng)業(yè)公司，不是因為薪酬更高，而是因為大模型、自動駕駛等領(lǐng)域公司的問題已經(jīng)被定義得過于清晰，而具身智能的問題還足夠混沌、足夠開放，尤其在產(chǎn)業(yè)早期階段，長期占坑的意義大于短期的薪資需求，這些人才也更愿意為夢想買單。

這種中層技術(shù)崗位的薪資結(jié)構(gòu)雖然也在逐年上升，但相對合理化。算法研究員年薪30萬至70萬是主流，多模態(tài)算法工程師年薪區(qū)間在60萬至150萬，這一薪資水平對于大量有自動駕駛、工業(yè)機器人或傳統(tǒng)AI經(jīng)驗的中高級工程師而言，依然有著強烈的跨賽道吸引力。

這也使得具身智能近年來，持續(xù)有汽車領(lǐng)域的人才切換到具身智能。29歲的葉凱就是一個典型案例，碩士攻讀計算機，畢業(yè)后從事自動駕駛，此后轉(zhuǎn)入具身智能賽道，自動駕駛積累的環(huán)境感知與控制算法經(jīng)驗與新賽道高度互通，上手迅速。這種跨領(lǐng)域知識遷移的可行性，以及早期的賽道可能性、趨于統(tǒng)一的薪資結(jié)構(gòu)，正是當前人才流動的核心驅(qū)動力。

03.

三大缺口下的教育端加速

具體來看，當前具身智能賽道核心緊缺的人才分為三類，每一類的緊缺邏輯各不相同。

第一類：算法技術(shù)人才。這是第一大缺口，也是最難補的缺口。VLA視覺語言模型、世界模型、強化學習、機器人運動控制等方向，是具身智能實現(xiàn)感知、決策與自主行動的核心支撐。問題是，同時懂大模型推理和機器人控制的人，少之又少。大部分算法工程師要么偏“軟”，例如只是擅長Transformer、擴散模型，但對動力學、控制理論陌生；要么偏“硬”，這些人懂PID控制、MPC，但沒訓練過大模型。而具身智能恰恰要求兩者打通。

第二類：硬件與系統(tǒng)工程人才。機器人關(guān)節(jié)研發(fā)、整機結(jié)構(gòu)設計、電控開發(fā)、軟硬件調(diào)試、系統(tǒng)集成，這些崗位看起來像是傳統(tǒng)機器人行業(yè)的事，但在具身智能時代，它們的復雜度被放大了。因為具身智能的“大腦”在快速迭代，每一版新模型都可能對硬件提出新要求：扭矩、響應速度、散熱、功耗……硬件團隊必須在模型尚未確定的情況下做設計，這對系統(tǒng)工程能力提出了極高要求。

第三類：產(chǎn)品與商業(yè)化落地人才。這個缺口最容易被忽視，但恰恰可能是決定誰能跑出來的關(guān)鍵。當前具身智能的應用場景正在集中爆發(fā)，但每個場景的需求都高度定制。解決方案工程師、售前工程師、產(chǎn)教運營經(jīng)理——這些崗位的職責是對接終端客戶，理解真實需求，然后把技術(shù)能力翻譯成可交付的產(chǎn)品。具備實際項目落地案例經(jīng)驗的人，其實也正在成為企業(yè)爭搶的對象。

三類人才背后，是一個更深層的產(chǎn)業(yè)現(xiàn)實，那就是具身智能本質(zhì)上還沒有形成標準化的崗位定義和人才培養(yǎng)體系。一個崗位叫“具身智能算法工程師”，在A公司可能80%的時間在寫Python訓練模型，在B公司可能60%的時間在調(diào)PID參數(shù)。這種崗位定義的分裂，本身就是一個產(chǎn)業(yè)早期階段的典型特征。

目前，機器人大講堂還注意到，產(chǎn)業(yè)倒逼教育轉(zhuǎn)型的跡象已經(jīng)出現(xiàn)。2026年，教育部正式批準9所高校開設“具身智能”本科專業(yè)，包括上海交大、浙大、北航、北郵、北理工、西安交大、哈工大、南航、東北大學。首批招生規(guī)模有限，北郵30人、北航30人、上交30人、浙大30人、西安交大30人，北理工120人算是多的，東北大學60人。

這意味著什么？即使這批學生四年后全部進入產(chǎn)業(yè)，也不過三百多人。而同期行業(yè)的人才需求是多少？沒有精確數(shù)字，但一個參考是：優(yōu)必選一家公司，過去一年發(fā)布的具身智能相關(guān)崗位就超過50個，且大多要求3年以上經(jīng)驗。三百個應屆生，連頭部幾家公司都填不滿。

這是典型的產(chǎn)業(yè)跑在教育前面。不是教育不努力，而是當下技術(shù)迭代速度已經(jīng)超出了高校四年制培養(yǎng)周期的設計極限。2022年大模型爆發(fā)時，高校里幾乎沒有對應的課程體系；2026年具身智能爆發(fā)，高校總算跟進了，但培養(yǎng)方案尚未經(jīng)歷一輪完整的教學反饋閉環(huán)，課程內(nèi)容與實際需求的差距仍然很大。而且屆時產(chǎn)業(yè)是否已經(jīng)歷過一輪洗牌、技術(shù)路線是否發(fā)生重大轉(zhuǎn)變，都是未知數(shù)。

更現(xiàn)實的路徑，是前述的跨領(lǐng)域知識遷移。自動駕駛、工業(yè)機器人、傳統(tǒng)機器視覺背景的工程師，正以最短路徑切入具身智能的各個技術(shù)層，成為當下供給側(cè)最重要的人才水源。

04.

人才戰(zhàn)的真正贏家

這場人才爭奪戰(zhàn)，正在重塑整個產(chǎn)業(yè)的權(quán)力結(jié)構(gòu)，并影響地區(qū)的產(chǎn)業(yè)布局。

傳統(tǒng)視角下，人才是成本中心，也導致部分公司更愿意采取第三方合同減免糾紛。但在具身智能賽道，頂尖人才正在變成戰(zhàn)略資產(chǎn)。一個首席科學家的技術(shù)路線選擇，可能決定公司未來三年的研發(fā)方向；一個核心算法工程師的加入，可能將一個項目的進度縮短半年。這不是夸張，因為在數(shù)據(jù)匱乏、技術(shù)路線尚未收斂的階段，人的判斷力、經(jīng)驗與直覺，遠比算力或資金更稀缺。

與此同時，人才流動的方向也在暴露產(chǎn)業(yè)格局的變化。過去，頂尖AI人才的首選是大廠AI Lab或大模型創(chuàng)業(yè)公司。現(xiàn)在，一部分人開始愿意向具身智能方向遷移。葉凱的案例很典型，計算機碩士畢業(yè)，做過自動駕駛，然后轉(zhuǎn)向人形機器人算法崗。他的判斷是：具身智能問題還沒有標準答案，這意味著更大的發(fā)揮空間。

這是一種信號，因為當一批聰明人開始從“已經(jīng)被解決的問題”流向“還沒有答案的問題”，產(chǎn)業(yè)的轉(zhuǎn)折點就不遠了。有咨詢機構(gòu)預測，到2030年，具身智能產(chǎn)業(yè)市場規(guī)模將達4000億元，2035年突破萬億。

這種產(chǎn)業(yè)的轉(zhuǎn)向，其實也帶來了更多新職業(yè)，央視財經(jīng)數(shù)據(jù)就顯示，預計具身智能產(chǎn)業(yè)將帶動就業(yè)崗位超100萬個。這是足夠宏大的敘事。例如數(shù)據(jù)采集已經(jīng)成為多地布局的重心，相對應的數(shù)據(jù)采集師正在成為一個熱門職業(yè)。央視財經(jīng)報道中提到，一個數(shù)據(jù)采集師每天要重復泡燕麥粥的動作300次，最終采集1000條以上有效數(shù)據(jù)才算完成一項“教學”任務。這種人力密集型的生產(chǎn)方式，效率低下，成本高昂，但現(xiàn)階段別無選擇。

數(shù)據(jù)瓶頸直接影響了人才結(jié)構(gòu)。懂數(shù)據(jù)采集、清洗、標注、仿真增強的人才，正在變得和算法工程師一樣稀缺。而能夠采集數(shù)據(jù)的地區(qū)，設計高效數(shù)據(jù)采集方案的人，更是鳳毛麟角。

05.

泡沫與價值的邊界

任何快速升溫的賽道，都繞不開“泡沫”這個判斷。具身智能也不例外。

一個相對理性的判斷是，必須區(qū)分“敘事泡沫”和“能力泡沫”。敘事泡沫指的是市場對某項技術(shù)的期待遠超其實際能力，這在科技行業(yè)太常見了；能力泡沫則是技術(shù)本身在快速進步，但商業(yè)化的節(jié)奏跟不上。具身智能當前更接近后者，因為其技術(shù)確實在突破，但從實驗室到真實場景的轉(zhuǎn)化，需要解決可靠性、成本、安全性等一系列工程問題，這不是一兩年能完成的簡單命題。例如馬拉松比賽中的機器人摔倒了可以扶起來，工廠里的機器人摔一次，可能就是幾萬塊的損失。這就是演示能力與商業(yè)能力之間的距離。

但話說回來，無論是新能源汽車還是手機等所有改變世界的技術(shù)，都經(jīng)歷過“能力不足但資本涌入”的階段。關(guān)鍵在于，資本涌入是為了加速能力建設，還是為了收割短期敘事紅利。從當前的人才流向、企業(yè)投入、高校響應來看，具身智能更接近前者。大量資金依然是正在被用來解決真實的技術(shù)問題，例如數(shù)據(jù)采集、模型泛化、硬件迭代，而不是單純的營銷。

這也使得展望未來三年，具身智能的人才市場有幾個可以預期到的判斷。

第一，薪酬分化會加劇。頂尖的VLA算法專家、具備全棧能力的系統(tǒng)架構(gòu)師、有量產(chǎn)經(jīng)驗的硬件負責人，薪酬將繼續(xù)上行，年包突破500萬甚至千萬的案例會越來越多。而中低端崗位，例如單一技能的數(shù)據(jù)標注員、基礎(chǔ)調(diào)試工程師，薪酬增速會放緩，甚至可能被自動化工具替代。

第二，復合背景人才的溢價會持續(xù)擴大。單一懂算法或單一懂硬件的人，供需正在快速平衡；而同時懂大模型推理和實時控制的交叉型人才，供給幾乎為零。這種結(jié)構(gòu)性稀缺不會在三五年內(nèi)解決，因為復合能力的培養(yǎng)需要時間，無法速成。

第三，人才會向頭部集中。具身智能是典型的高投入、長周期賽道，小公司很難負擔頂尖人才的薪酬和硬件成本。未來兩三年，人才會加速向拿到大額融資的頭部創(chuàng)業(yè)公司、以及科技巨頭的新業(yè)務部門集中。中等規(guī)模、融資能力一般的公司，將面臨人才流失的壓力。

第四，教育端會加速追趕，但短期內(nèi)杯水車薪。9所高校的具身智能本科專業(yè)只是第一步，碩士、博士項目的擴容已經(jīng)在路上。但一個殘酷的事實是：高校培養(yǎng)的人才有價值，但需要時間。未來三年內(nèi)，產(chǎn)業(yè)的核心人才供給仍將依賴“轉(zhuǎn)行”，自動駕駛、工業(yè)機器人、計算機視覺、控制理論等領(lǐng)域的工程師，向具身智能遷移。

06.

具身智能的人才戰(zhàn)，本質(zhì)上是產(chǎn)業(yè)擴張的縮影。大模型初步解決了機器人“理解”的問題，但“執(zhí)行”的最后一公里，需要的是完全不同的能力組合，既有對物理定律的敬畏，也要有對硬件限制的體感、對實時性的苛求。

這不是一個短期靠開高薪就能贏的賽道。真正稀缺的，是那些既能坐在電腦前推導公式，又能蹲在實驗室里調(diào)試電機的人；是那些既看得懂論文，也聽得懂產(chǎn)線工人反饋的人；是那些既相信AGI的長期愿景，又能忍受當前階段各種“愚蠢”問題的人。

他們才是這場掠奪戰(zhàn)真正的戰(zhàn)利品。而他們的人數(shù)，如今遠遠不夠。