智驾光环在具身智能领域为什么不够用了？

过去几年，自动驾驶一直是人工智能产业里最重要的人才高地之一。感知、预测、规划、控制、数据闭环以及端到端模型等岗位，长期聚集了大量算法和工程人才。随着具身智能快速升温，这批人才又成为机器人企业重点关注的对象。但到了2026年，一个有意思的变化正在出现。

过去，企业抢的是做过智驾的人，只要简历上有头部智驾公司的经历，就被默认具备做机器人的能力。但现在，企业开始追问另一个问题，这个人过去积累的能力，到底能不能真正迁移到机器人上？

脉脉高聘数据显示，2026年1月至4月，具身智能招聘指数达到579，相较2025年的36增长约15倍，相关岗位平均月薪也从58696元提升至61625元。猎聘发布的《2026机器人领域人才供需趋势洞察报告》则显示，近一年机器人领域新发职位同比增长75.26%，平均年薪达到32.80万元；其中人形机器人新发职位同比增长215.80%，平均年薪达到40.61万元。

既然机器人行业正在大规模抢人，为什么智驾背景本身却不像前几年那样天然具有溢价？智驾最前沿以为，并不是具身智能不需要智驾人才，而是企业正在重新拆解智驾经验到底意味着什么。过去，一个头部智驾团队的经历就可能成为重要的加分项，但到了2026年，企业越来越愿意为具体能力付钱，而不只是为行业标签买单。

01、人才价值开始重新计算？

自动驾驶人才曾经受到具身智能青睐，其实很正常。两者虽然属于不同产业，但做的都是让AI进入真实物理世界。机器需要通过摄像头、激光雷达等传感器获取环境信息，再通过模型完成理解、预测和决策，最终在真实世界中执行动作。因此，自动驾驶过去几年形成的一套能力，很容易迁移到机器人领域。视觉感知、3D空间理解、多模态模型、时序建模、端到端模型、数据闭环、仿真训练、模型部署以及大规模工程化，这些经验对于具身智能同样重要。

尤其是在数据工程和模型工程领域，自动驾驶经过多年量产实践，头部企业已经积累了比较成熟的数据采集、难例挖掘、训练、评测、回灌和车端部署经验。这也是为什么智驾人才一度成为具身智能企业重点争夺的对象。

但这里必须说明，企业看中的其实并不是做过自动驾驶这几个字，而是这段经历背后的能力。如果一名工程师真正掌握的是大规模数据闭环、模型训练、模型评测、推理部署和复杂系统落地，那么这些能力可以迁移到机器人。但如果只拥有一个智驾公司的履历，而缺少可以独立迁移的技术能力，那么这个标签本身的价值就没有过去那么高了。

这正是人才市场发生变化的原因。

02、机器人要解决的不只是看见什么

自动驾驶和具身智能最大的差别之一，并不是一个在道路上、一个在人机环境里，而是两者面对的物理约束不同。自动驾驶主要围绕车辆在动态交通环境中的安全运动展开。系统需要识别道路、车辆、行人等目标，预测其他交通参与者的行为，然后规划车辆轨迹并通过车辆控制系统完成执行。机器人尤其是人形机器人，则需要进一步处理高自由度运动和物理交互。

一台机器人面对桌上的杯子，不能只判断这是一个杯子。它还需要判断杯子处于什么位置、以什么姿态接近、从哪里抓取，以及抓取之后如何调整手臂和身体的运动。如果对象发生位移、接触状态发生变化，系统还需要根据反馈重新调整动作。也就是说，机器人不仅要理解环境，还要通过动作与环境发生持续的物理交互。这会将问题进一步推向机器人运动学与动力学、运动规划、全身控制、操作学习、模仿学习、强化学习以及触觉等方向。这并不是说自动驾驶的感知和决策能力没有价值，而是它们在机器人系统中的位置发生了变化。

过去，一个优秀的智驾感知工程师可能凭借BEV、Occupancy、3D检测等经验形成明显优势。到了具身智能领域，这些能力依然重要。但企业真正需要的是有没有机器人经验？是否理解运动控制？是否做过仿真到真实世界的迁移？有没有处理过真实的抓取和操作任务？当招聘走到这个方向，智驾背景就很难再单独构成稀缺性。

03、具身智能正在从单点算法走向系统能力竞争

人才市场的变化，其实已经能够从招聘结构中看到。《2026机器人领域人才供需趋势洞察报告》显示，过去一年机器人领域不仅算法工程师岗位增长，系统工程师、架构师、测试工程师、解决方案等岗位也出现较大幅度增长。其中架构师新发职位同比增长127.06%，系统工程师增长121.03%，测试工程师增长113.70%，解决方案岗位增长108.47%；与此同时，算法工程师岗位仍然增长70.70%。这个数据其实非常值得探讨。这个数据并不是在说算法人才不再重要。

恰恰相反，算法岗位依然在快速增长。其中真正变化的是，企业需要解决的问题正在从单个模型能不能跑起来，逐渐转向整套机器人系统能不能长期稳定运行。模型只是其中一层。

机器人最终需要把模型、数据、传感器、执行器、控制系统、计算平台、软件和真实场景连接起来。模型推理速度不够、控制延迟过大、硬件能力不匹配、数据无法持续回流，这些任何一个环节出问题，最终都会影响机器人表现。因此，具身智能的人才结构正在变得更加多元。算法依然重要，但系统、硬件、控制、测试和工程化能力的重要性也在迅速上升。这和自动驾驶曾经经历的过程非常相似。

自动驾驶早期也曾经高度关注单点算法指标，后来随着量产规模扩大，真正决定产品能力的逐渐变成数据闭环、系统工程、软硬件协同、部署效率以及长期运行能力。具身智能正在进入类似阶段，只不过机器人多了一层机械本体与物理控制。

04、真正被重新定价的是纯智驾经验

所以，智驾人才当然还能做机器人。真正需要关注的是，哪些智驾能力能够迁移，哪些只能停留在原来的行业语境里。如果一个人的能力边界停留在单一感知算法，那么仅凭智驾经历获得额外人才溢价的空间可能会缩小。因为具身智能同样可以从计算机视觉、机器学习、多模态模型等人才池中获得类似能力。

当然，数据闭环和模型工程人才仍然非常重要。机器人今天依然需要解决真实世界数据如何采集、如何筛选难例、如何构建训练数据、如何建立评测体系以及如何持续迭代模型的问题。自动驾驶在这些方面积累的经验具有明显迁移价值。端到端、多模态和大模型人才同样如此。随着VLA等视觉、语言、动作统一建模路线不断发展，具身智能和自动驾驶正在共享越来越多的基础模型技术。

一个同时理解视觉、多模态模型、时序决策和真实世界部署的人，其自动驾驶背景反而可能成为很强的加分项。而在更高一层，真正稀缺的是能够跨越多个技术栈的人。他们既懂AI模型，又理解机器人本体；既能够完成训练，又理解控制和部署；既能做算法，也能处理真实设备中的工程问题。这样的能力，才是具身智能真正难以替代的人才资产。

05、智驾人才没有失去价值？

从2026年的招聘数据和企业布局来看，说智驾人才被具身智能抛弃其实并不准确。具身智能招聘指数正在快速上涨，人形机器人岗位也在大幅增加；与此同时，企业招聘正在向算法、系统、硬件、控制和工程化等多个方向扩张。一些企业的组织调整也说明了这一点。

理想汽车在2026年的智能化组织调整中，将原自动驾驶团队中的AI评测、运营、数据标注等能力并入人形机器人相关体系，同时继续推进基座模型和具身智能研发。这种变化恰恰说明，自动驾驶积累的部分能力并没有消失，而是被重新迁移到具身智能业务中。

小米目前的公开招聘也同时覆盖端到端自动驾驶感知与规控一体化模型、自动驾驶仿真与数据闭环平台，以及人形机器人全身动力学控制、实时规划、多模态触觉传感、灵巧手抓取学习和具身智能决策框架等岗位。

所以，2026年的真正变化不是智驾人才不吃香了。而是行业开始从争夺某个热门赛道的人，转向争夺能够跨越多个技术栈的人。

过去，企业可能愿意为头部智驾经历支付一部分溢价；现在，这部分溢价越来越需要靠实际能力来证明。会感知，已经不够了；会训练模型，也不够了；甚至有智驾量产经历，也不意味着一定适合机器人。

真正有价值的是，能不能把模型、数据、硬件、控制和真实场景连接起来，最终让AI稳定地工作在现实世界里。这可能才是2026年具身智能人才市场正在发生的真正变化。不是智驾人才失去了光环，而是行业光环本身正在失去定价权。

#自动驾驶 #具身智能