我见过的大部分情况是：一家具身智能初创公司，核心技术岗的JD写着：精通深度学习算法，熟悉VLA模型训练，同时掌握机器人运动控制，具备硬件电路设计和嵌入式开发经验，有真机部署和系统集成能力。
创始人面试了十几个人，发现要么算法很强但没见过电机驱动，要么硬件经验丰富但对Transformer架构一知半解。最后感叹：这样的人到底在哪里？
答案是：这样的人确实存在，但数量极少，而且大概率不在你的招聘渠道能触达的范围里。
这样的人确实存在，但数量极少
数据给出的答案很明确。
深圳国资委发布的行业分析指出，具身智能是典型的复合型产业，融合机械工程、自动化控制、人工智能、软件编程、材料科学、行业工艺等多学科知识。 但当前高校人才培养仍以单一学科为主线，传统专业壁垒尚未打破，能够同时精通大模型算法与机器人运动控制、既懂硬件又懂软件的复合型人才极为稀缺。
更具体的数字是：一个典型的具身大模型工程师需同时具备多模态模型训练、强化学习、机器人控制三项交叉能力，满足这一条件的人才在国内不超千人。 部分地区研发岗位供需比约为1∶10，复合型人才供需比超过1∶10。
广州市教育局在一份官方文件中也提到，企业反馈”一将难求”的现象日趋普遍，招聘市场上，既精通硬件电路设计、芯片开发，又能驾驭感知算法、认知模型、决策系统和控制逻辑的综合型人才，堪称凤毛麟角。
猎聘大数据研究院的数据显示，近一年机器人领域新发职位同比增长75.26%，招聘平均年薪达到32.80万元，人形机器人细分赛道招聘需求暴增215.80%，平均年薪高达40.61万元。 脉脉高聘的数据更夸张：2026年1到4月，具身智能赛道岗位量同比增长了15倍，平均月薪涨到6.2万元。
岗位在暴涨，但符合”既懂算法又懂硬件”这个条件的人，增长速度远远跟不上。
为什么高校培养不出来
这不是高校不努力，而是培养体系本身需要时间调整。
羊城晚报的报道提到，北京理工大学邓方分析，人才紧缺的根源来自行业四大底层痛点：高质量具身采集数据成本高、标准不统一；模型跨场景泛化与长时序任务能力不足；仿真环境与真实物理世界存在明显鸿沟；感知、算法、硬件本体缺少一体化协同架构。单一学科背景人才难以系统性破解全链条难题，这也是国家加速布局本科新专业的核心动因。
消费日报的报道也指出，现有从业人才大多专精于单一领域，具备”感知—决策—行动”闭环能力的系统性人才仍然不足。据调研，当前各行业和单位具身智能人才缺口约100万人。
2026年，全国首批9所高校获批开设具身智能本科专业。 但本科四年加上研究生，第一批系统培养出来的复合型人才，至少要等到2030年以后才能真正进入市场。
这意味着，未来三到五年，企业仍然需要在现有人才池里”拼凑”团队，而不是指望招到现成的”全能神”。
企业写的JD本身就在”找神仙”
很多企业的JD，本质上是在描述一个”理想型”，而不是一个”可落地型”。
要求候选人同时负责VLA算法研发、运动控制系统设计、硬件架构选型、嵌入式开发和团队搭建。这种JD推出去，真正有能力的人一看就知道：这家公司对技术管理的认知还停留在”找个全能神”的阶段。
深圳证券交易所的一份上市公司研报提到，协作机器人与具身智能行业需融合机械工程、电子电气、控制工程、计算机科学、人工智能、材料科学等多学科知识，且要求人才兼具软硬件算法、场景数据、核心零部件研发及生产工艺优化等多领域能力。 但报告也明确指出，此类人才全球供给有限、培养周期长，尤其具备系统架构与跨技术整合能力的领军人才更为稀缺。新进入者面临激烈人才竞争，且缺乏系统化技术积累与团队协作积淀，短期内难以在人才储备与团队效能上形成抗衡。
JD写得越”全能”，越说明企业自己没想清楚这个岗位到底要解决什么问题。 是算法突破、工程化落地、硬件集成，还是团队搭建？不同的核心问题，需要不同的人。
那这样的人到底在哪里
如果非要找”既懂算法又懂硬件”的复合型人才，现实的路径通常有几种。
第一种：从头部企业的交叉岗位里挖。
大厂或头部机器人公司，有些岗位天然就是算法和硬件的交叉点，比如仿真到真机迁移工程师、机器人系统架构师、边缘计算优化工程师。这些人日常工作中同时接触算法模型和硬件部署，是最接近”复合”定义的现成人才。但问题是，他们通常在大厂内部发展不错，跳槽意愿低，而且薪资预期很高。
第二种：从相邻赛道转。
自动驾驶、无人机、高端装备制造这些领域，有些人才的技术栈跟具身智能有重叠。比如自动驾驶的感知算法工程师，对多传感器融合和实时决策有经验；无人机领域的飞控工程师，对运动控制和嵌入式系统很熟悉。但转赛道有风险，他们对机器人本体的理解、对具身智能特有的Sim2Real迁移问题，需要重新学习。
第三种：自己培养。
招一个算法强的人，再招一个硬件强的人，让他们在同一个项目里磨合。或者招一个”单科强+学习能力强”的年轻人，给足项目资源和成长空间，靠实战培养出复合能力。这是成本最低、但周期最长的方式。
比”找到全能人”更现实的思路
如果企业正在招聘具身智能核心技术岗，发现”既懂算法又懂硬件”的人几乎找不到，建议先停下来做一件事：把岗位拆解成”核心必须”和”可以培养”。
不是继续挂那份”全能神”JD，而是回到起点问自己：
- 这个岗位未来六个月最优先解决的技术问题是什么？是算法突破、工程化落地、硬件集成，还是团队搭建？
- 哪些能力是”入职就必须有”的？哪些是可以”入职后学”的？
- 能不能接受”算法强+愿意学硬件”或者”硬件强+愿意学算法”的人，而不是非要”两样都精通”？
- 以公司当前阶段，有没有能力培养这样的人？
猎聘大数据研究院的报告指出，AI人才需求正从单一算法转向软硬融合，架构师新发职位同比大增76.74%，远超算法工程师12.84%的增速，产业落地型人才成新刚需。 这说明市场本身也在从”招纯算法人才”转向”招能把算法落到硬件上的人”。但这个转变不等于要求一个人包办所有环节，而是要求团队具备软硬协同的能力。
优必猎在协助企业梳理具身智能核心技术岗时，通常会比马上启动寻访更优先做一件事：帮企业确认这个岗位到底需要解决什么核心问题——是VLA模型训练、运动控制算法、硬件系统集成，还是仿真到真机的迁移？先把岗位到底要什么样的人想明白了，找人时才不会大海捞针。
如果岗位画像需要进一步梳理，也可以把现有JD发过来，优必猎可以基于现有信息先帮助企业一起判断岗位定义和人才要求是否匹配市场情况，再决定后续适合采用什么招聘方式。