两家具身智能公司，几乎同时开始招”研发总监”。
A公司的JD是这样写的：精通具身大模型与VLA算法，熟悉运动控制与全身控制，具备机器人本体结构知识，有量产交付经验，能带五十人以上团队，硕士以上，薪资面议。挂了五个月，收到不少简历，技术面全军覆没——要么算法强但没碰过真机，要么运控扎实但完全不懂大模型，要么样样”了解”但没有任何一项真正做深。
B公司写的完全是另一个路数：明确这个岗位负责”运控算法线”，要求八年以上的机器人运控研发与量产落地经验，必须主导过真机闭环项目，WBC和MPC是硬性要求，强化学习是加分项，带团队规模写清了，汇报对象写清了。三个月，人到岗了。
两个岗位都叫”研发总监”，结果天差地别。差距不在招聘渠道，在画像本身。
具身智能研发总监这个岗位，画像定不准的根源，是企业把它当成了一个统一的岗位来写。 而实际上，在具身智能公司里，这个title下面至少是三个完全不同的角色。画像怎么定才准？拆开看。
第一件事：先定是哪条线的总监
按”大脑、小脑、肢体”的结构看，具身智能公司的研发总监天然分成三类：偏”大脑”的具身模型与算法总监，偏”小脑”的运动控制总监，偏”肢体”的本体与硬件总监。这三类人的能力结构、来源池子、薪酬水平，几乎没有任何重叠。
画像失真的第一种典型情况，就是把三条线的要求缝在一份JD里。市面上有些招聘启事就是这么写的：既要VLA和端侧部署，又要运动控制和力控交互，还要懂关节模组和量产工艺——这种画像对应的人在理论上存在，在现实中大概率没有，或者说，就算有，也在头部整机厂拿着股权当合伙人，不会通过公开渠道看机会。
公开JD里其实能看得很清楚这三类画像的差异。偏”大脑”方向的岗位，比如某企业公开招聘的双臂人形机器人具身算法中心负责人，核心要求写着：必须有双臂人形机器人的真机算法研发经验，从数据采集、模型训练到真机部署、调试和任务评测形成闭环，并且明确写了”仅有自动驾驶、纯视觉、纯语言模型或仿真研究经历不满足核心要求”。偏”小脑”方向的岗位，比如猎聘平台上某轮式人形机器人的运控算法技术负责人，要求八年以上运控算法研发、落地、量产经验，WBC、MPC、力位混合控制是基本功。偏”肢体”方向的硬件负责人岗位，重点则是电机、关节模组、传感器这些核心部件，以及从原型到量产的工程实现。
业务负责人要写JD，第一步不是列能力，而是回答一个问题：这个总监进公司之后，第一条KPI是什么。 是把真机任务成功率做上去，还是把行走和越障能力做上去，还是把BOM成本降下来。第一条KPI决定了这是哪条线的岗位，然后才轮到列能力。
第二件事：把”精通项”和”理解项”分开
这是画像里最容易犯的第二个错误，也是对招聘效率杀伤最大的一个。
翻一批具身智能研发负责人的公开JD，写得比较专业的都有一个共同结构：要求”精通”的只有一到两项，其余写的是”熟悉”或”了解”。 比如有企业写”具备人形机器人全栈技术视野，至少精通1项核心技术栈，需熟悉其他”；也有企业写”精通至少一个领域，如强化学习控制或仿生驱动，掌握机械动力学、嵌入式开发等交叉学科”。
这就是具身智能研发总监画像的正确结构——T型，而不是π型，更不是全栈型。一个真正带过整机项目的人，一定有一项能力是做深的，其余是系统级的理解。反过来，如果一个人简历上每一项都”精通”，恰恰值得警惕：这个行业的深度壁垒很高，样样精通往往意味着样样都是旁观。
操作上有句话很实用：让业务负责人做一个取舍——如果所有要求里只能保住一项，保哪项。 被保住的写进”必须”，其余降级为”加分”。舍不得做取舍的画像，最后都会被市场做取舍——用五个月招不到人的方式。
第三件事：分清研究型和工程交付型，别阶段错配
具身智能行业有一个特殊现象：同一个岗位名称下，流动着两种人。一种来自高校实验室和头部大模型团队，有顶会论文、有开源影响力，擅长算法创新；另一种来自整机和硬科技公司，有从0到1再到量产的完整交付记录，擅长工程闭环。
财联社报道过字节跳动旗下火山引擎的操作算法资深专家招聘，月薪开到9.5万到12万，要求是硕博学历，主导人形机器人的操作算法，包括VLA模型研发、灵巧手等方向。这类画像明显偏向研究与前沿。而猎聘平台上另一家人形机器人企业的研发总监JD，核心要求是”拥有从0到1及量产落地经验，熟悉量产风险管控”，这就是典型的工程交付画像。
两种人没有高下之分，但和企业的阶段错配，是具身智能公司招聘最昂贵的事故之一。创业公司拿了融资要赶量产窗口，招来一个研究型总监，团队的技术探索很热闹，产品交付日期一推再推；反过来，一家处在技术路线攻坚期的公司招了纯交付型的人，可能会把团队带进”快速做成熟方案”的惯性里，错过了真正建立技术壁垒的窗口。
所以画像里必须写清楚的是：这个岗位入职后十二个月，要交付的是论文级的技术突破，还是万台级的量产交付。这一个答案，会改变后面所有的能力要求。
第四件事：写清否决项和加分项，顺序别反
一份好用的画像，有三个层次：必须满足的硬条件，可以培养的软条件，以及锦上添花的加分项。很多JD的问题是把加分项和硬条件混在一起写，比如把”有顶会论文”和”有量产经验”并列——对量产阶段的总监来说，前者是加分，后者是硬条件，反过来的岗位同理。
公开JD里做得比较到位的例子，会把否决项直接写成明确的门槛：”仅自动驾驶、纯视觉、纯语言模型或仿真研究经历不满足核心要求”，或者对运控负责人写明”有轮足或双足机器人运动算法开发经验”优先、量产项目经验是硬指标。这种写法的好处是，筛简历的效率极高——不满足否决项的直接淘汰，不用纠结。
另一个值得写进去的是软性的判断力要求。有JD写得很到位：能够在完全端到端、分层架构和混合模型之间做出阶段性取舍。具身智能正处在技术路线快速演变的阶段，总监级的岗位比的不是谁的方案更先进，而是谁能在资源约束下做对阶段性的取舍。这种判断力没法用学历和经验年限筛出来，但至少可以在面试环节设计针对性的问题。
把四件事合起来
一份准的具身智能研发总监画像，长什么样？它清楚说明这是哪条线的岗位，”精通项”只有一到两项且经过取舍，明确区分了研究型还是交付型，否决项和加分项层次分明，最后再加上这个岗位独特的软性判断力要求——路线取舍、跨学科翻译、和创始人同频。
画像写到这个程度，剩下的事情——去哪找人、怎么评估、怎么谈——才有展开的基础。画像模糊的时候，寻访做得再努力，也是在错误的池子里使劲。
这也是优必猎接具身智能寻访需求时的固定动作：先把业务负责人拉进来做需求解析，把”哪条线、精通什么、交付什么、否决什么”这四个问题聊透，再启动人才地图。很多时候聊完发现，企业要的根本不是最初设想的那个岗位——这种在画像阶段完成的纠偏，比推到面试阶段再纠偏，成本几乎低一个数量级。具体的服务流程以双方沟通和合同约定为准。
如果你正在写研发总监的JD，可以先自检一下：把JD里所有的要求圈出来，问自己——哪一项是招不到人也不能让步的？如果答案超过两项，这份画像大概率还需要再砍。