算法岗收了六十份简历，但产品还是做不出来
我见过的大部分情况是：一家具身智能初创公司，创始人是算法背景出身，团队里算法工程师占了一大半。VLA模型训练得不错，仿真环境里机器人跑得也挺稳。但一到真机部署，问题全出来了——电机响应延迟、关节控制精度不够、传感器数据噪声大、整机结构刚度不足。
创始人开始招人，JD里写的全是”算法工程师””深度学习””强化学习”。简历收了不少，面试也面了不少，但产品就是出不来。
问题可能出在：你的团队里，只有算法，没有能把算法落到真机上的人。
数据已经变了：算法不再是唯一的主角
猎聘大数据研究院的数据显示，2026年上半年，AI行业新发职位同比增长21.08%，但增速最快的并非算法工程师。架构师新发职位同比增长76.74%，机械结构工程师增长57.20%，硬件工程师增长40.80%——这几个岗位均大幅跑赢算法工程师12.84%的增速。
上海观察援引智联招聘平台2026年上半年数据也显示，机械设计/制造工程师、软件研发、人工智能工程师位列人工智能行业职位数前三，占比分别为6.8%、6.2%和6.1%。通信及硬件研发、电子/电器/自动化等技术岗位也进入职位数前15位。
AI人才需求，正在从单一算法能力转向软硬融合和产业落地能力。 深圳PMP考试中心的一篇文章总结得很直接：如果你只会写Python调参，竞争力正在被稀释；如果你既懂算法又懂硬件或懂行业场景，身价正在被重估。
具身智能不是”算法+机器人”，是”大脑+小脑+肢体+软件+整机”
很多创始人对具身智能的理解停留在”给机器人装一个大模型”。但真到量产和落地阶段，才发现缺的东西远不止算法。
OFweek的产业链梳理把具身智能分为几个核心环节：“大脑”负责理解环境、拆解任务和生成行为，包括AI芯片、VLA模型、世界模型、训练数据和云端算力；“小脑”负责步态、平衡、关节协同和实时控制；“肢体”包括执行器、传感器、关节模组等核心部件；基础设施包括仿真平台、操作系统和数据工厂。
机器人世界的报告也指出，人形机器人本体由”大脑、小脑、肢体”构成，成本主要集中在执行器和传感器（合计超60%）。
这意味着，一个具身智能产品的成本结构和价值创造，60%以上集中在硬件和控制系统，而不是算法模型。 如果你的团队里只有算法工程师，没有运动控制专家、没有机械结构工程师、没有嵌入式开发人员、没有系统集成工程师，那算法再好也落不了地。
哪些非算法岗位正在暴涨
从猎聘和智联招聘的数据来看，以下岗位的需求增速已经超过或接近算法岗：
机械结构工程师
增速57.20%，超过算法工程师的12.84%。聚焦减速器、关节模组、灵巧手等精密部件设计，要求熟练使用SolidWorks、AutoCAD，同时掌握量产工程管理能力。
硬件工程师
增速40.80%。电路设计、电机驱动、FPGA开发、高集成度和可靠性设计。硬件侧重电路设计与仿真、电机控制系统、感知与数据传输能力。
嵌入式软件开发
增速52.53%。精通C/C++、ARM架构、实时操作系统、电机控制技术、ROS/ROS2、Linux驱动。
系统集成工程师
机器人不可能全部依靠真机试错。仿真平台可以生成训练环境、验证控制算法并降低硬件损耗，操作系统则连接传感器、控制器、模型和执行器。
数据采集/AI训练师
增速最为迅猛，同比增长2250%。 行业正全力搭建高质量数据集，为技术产业化落地筑牢基础。
解决方案工程师
增速71%。行业正式从”售卖产品”转向”落地行业解决方案”。
为什么企业还在只招算法
一个常见的心理陷阱是：创始人自己是算法出身，对算法有深度理解，对硬件和控制系统却相对陌生。于是招聘时自然倾向于招”自己能评估的人”——算法工程师。
另一个陷阱是：算法岗位的产出最容易量化——模型精度、论文数量、竞赛排名。硬件和系统的产出却很难短期量化——一个机械结构优化可能需要三个月才能看到效果，一个控制算法调参可能需要半年才能在真机上稳定运行。
但具身智能的竞争，已经从”谁的模型在仿真环境里跑得好”转向”谁的机器人能在真实场景里稳定工作”。 北京日报援引猎聘大数据研究院8月25日发布的报告显示，招聘需求正从算法研发延伸至工程、制造和交付，高薪开始更多奖励解决整机、量产与现场问题的能力，要求3到5年和5到10年经验的职位合计占比近67%。
复合型人才才是真正的稀缺资源
福建新闻援引福建师范大学计算机与网络空间安全学院院长孔祥增的观点指出，合格的具身智能从业者必须具备跨学科知识体系、工程化实战能力、产业化落地思维三大核心素养。既要掌握算法、机器学习、多模态感知等软件能力，也要精通机器人学、运动控制、机械设计、嵌入式系统等硬件技术；能够在真实机器人平台上完成算法调试，应对噪声、力学约束及非结构化复杂环境。
深圳国资委发布的行业分析也提到，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。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。
这意味着，市场上95%的求职者都是”偏科型选手”：懂AI算法的缺乏真机落地经验，懂机械控制的对大模型应用一知半解，擅长嵌入式开发的又不熟悉仿真训练。 钛媒体的报道也提到，主流招聘平台上，标注”具身智能”相关技能的候选人里，同时掌握”强化学习+ROS+机械控制”三项核心能力的，占比不足5%。
企业应该怎么调整招聘思路
如果具身智能企业正在招人，发现算法岗简历不少但产品就是做不出来，建议先停下来做一件事：把团队能力结构和产品需求重新对齐一遍。
不是继续扩大算法团队的规模，而是回到起点问自己：
- 我们的产品当前最大的瓶颈是算法精度不够，还是工程化落地不了？
- 团队里有没有能把算法部署到真机上的人？
- 有没有懂运动控制、机械结构、嵌入式系统的工程师？
- 如果招不到”既懂算法又懂硬件”的复合型人才，能不能先招”单科强”的人，让团队互补？
猎聘的数据显示，同期”经验不限”职位同比增长66.41%，增速居首；3年以下经验职位增长61.72%。这说明机器人产业正在形成”双线招聘”：成熟人才守住关键任务，初阶岗位为年轻人和跨行业人才打开入口。前者缩短当下的试错周期，后者决定团队未来能否规模化。
对初创公司来说，与其花半年招一个”全能神”，不如用两个月招三个”单科强”的人，让他们在项目中磨合出协同能力。
优必猎在协助具身智能企业梳理招聘策略时，通常会比建议”继续招算法”更优先做一件事：帮企业确认产品当前最大的瓶颈到底在哪个环节——是算法突破、工程化落地、硬件集成，还是场景验证？先把”缺什么样的人”想明白了，找人时才不会只盯着算法。
如果岗位画像需要进一步梳理，也可以把现有JD和团队结构发过来，优必猎可以基于现有信息先帮助企业一起判断团队能力结构是否匹配产品需求，再决定后续适合补充哪些方向的人才。