最近几年，机器人行业对强化学习（Reinforcement Learning，RL）的关注度一直很高。早期人形机器人想要站起来、走稳，很多团队都在研究强化学习；后来机械臂开始做复杂抓取、灵巧操作，RL又重新成为热门方向。从招聘市场看，这一变化也很明显。过去企业招聘强化学习工程师，通常关注PPO、SAC、MPC、动力学和Sim2Real。现在一些具身智能企业已经开始招聘VLA后训练、Reward M

做人形机器人招聘时，散热这个问题很容易被低估。很多人会觉得，机器人热了，加个风扇、散热片或者导热材料就行。但整机真正开始追求高动态、长时间运行和量产以后，散热会同时影响关节、电机、电控、电池、算力平台，最后甚至限制机器人的动作能力。今年已经能看到这种变化。Tesla Optimus公开招聘的机器人热验证工程师，工作范围直接覆盖；国内也已经出现专门的“机器人关节模组热管理工程师”和“人形机器人热管理

VLA、世界模型、强化学习、WBC、Sim2Real、灵巧操作、触觉、模型部署、关节模组、NPI……岗位名称越来越具体，对候选人的要求也越来越接近真实机器人闭环。

这些问题聊下来，很快就能分辨出：他只是做过电气出图，还是确实做过复杂动态线束系统。

做机器人招聘久了，会发现很多人对“量产”这件事有一个误区。样机跑起来了、Demo也做出来了，就觉得离量产不远了。真正到过量产现场的人一般不会这么看。一台机器人从实验室样机走到稳定交付，中间往往要经历等多轮验证。不同机器人产品差异很大，没有统一规定一定要测“几轮”。但如果按产品开发流程拆开，通常至少可以看到，真正落到测试项目上，可能是几十项甚至上百项。机器人能跑起来，只是第一关。

机器人行业正在向智能化、精密化和工程化方向发展。从工业机器人、移动机器人到人形机器人和具身智能，不同技术路线对人才的要求差异明显。企业招聘时，既需要运动控制、机器视觉、SLAM、嵌入式开发等传统机器人技术人才，也需要VLA算法、世界模型、强化学习、灵巧手和关节模组等新兴领域的专业人才。对于企业HR来说，普通招聘渠道可以满足一部分常规岗位需求，但在招聘机器人算法专家、研发负责人、核心零部件技术专家等

有意思的是，自动驾驶在讲世界模型，具身智能也在讲世界模型。答案是：能转，但两边解决的问题差异很大。世界模型的底层思路相通——让模型学会理解当前世界，并预测“接下来可能发生什么”。可一旦进入具体场景，自动驾驶和具身智能面对的“世界”，复杂度完全不一样。

很多机器人公司在10台样机阶段，看起来团队已经挺完整了。算法有了，机械有了，电气有了，嵌入式和控制也有人，几位核心研发把机器人做出来、跑起来，甚至拿去参展都没问题。因为10台机器人，很多问题可以靠核心工程师现场解决。做到1000台以后，靠几个“大神”救火基本撑不住。这时候公司真正开始进入另一种状态：研发还重要，但工程、制造、质量、供应链、测试和交付都会越来越重。从猎头招聘的角度看，这个变化其实非常

机器人行业现在岗位很多。VLA、世界模型、强化学习、运动控制、机械设计、关节模组、灵巧手、传感器、NPI、供应链……如果只看招聘网站上的最高薪资，很容易得出一个答案：算法最值钱。但猎头长期看人以后，会发现市场给一个岗位定价，通常同时看几件事：人才有多少、问题有多难、这个岗位离核心产品有多近，以及候选人离开以后好不好替代。按照这个逻辑，目前机器人行业真正比较值钱的岗位，大致集中在下面几类。

前几年机器人公司招人，研发岗位最受关注。算法、机械、电气、运动控制、嵌入式，大家都在解决一个核心问题：机器人能不能做出来、能不能跑起来。等产品真正开始交付以后，企业会慢慢碰到另一类更麻烦的问题：一台机器人实验室里跑得很好，到了客户现场用了两个月，关节开始异响；同一批机器人里，有几台电机温升明显偏高；灵巧手连续运行几十万次以后，某个传动机构寿命突然下降；减速器、轴承、编码器单独检测都合格，装到整机关