深圳做，最大的误区之一，是把“机器人工作经验”写成所有核心岗位的必选项。真正有价值的人才，很多并不在机器人公司，而藏在无人机、消费电子、新能源汽车、工业视觉、AI芯片和大湾区高校Lab里。2026年深圳最新具身智能产业规划明确把列为重点突破方向；深圳同时拥有无人机、智能终端、汽车、半导体和高端制造产业基础，这恰恰构成了跨界人才迁移的条件。

*研究说明：**本文基于具身智能、机器人、智能制造核心岗位的项目复盘，重点讨论VLA、WBC、Sim2Real、机器人系统、DFM等中高端岗位。文中的3天、24小时、48小时属于建议SLA，不代表所有企业都必须机械执行。

*数据说明：**本文薪酬区间主要参考倍利福智能制造人才智库2026年具身智能核心岗位寻访、企业预算及候选人沟通样本，重点观察北京、上海、深圳、杭州、苏州等核心城市。薪资受企业融资阶段、候选人当前收入、股权、岗位责任和技术稀缺度影响，文中数据更适合作为招聘预算参考，而非统一市场标准。

很多硬科技企业招聘效率低，并不是因为渠道不够，也不是HR不够努力，而是招聘一开始就拿着一份“假JD”。所谓假JD，不一定是内容错误，而是。一份机器人算法负责人的JD里，同时出现VLA、WBC、MPC、强化学习、3D视觉、Sim2Real；一个硬件负责人的JD里，又要求结构、电机、热管理、DFM、供应链全部精通。HR照着关键词找人，CTO看完却说“都不对”，双方再回头改画像，前两周基本白忙。因此，和

很多工业企业采购猎头时，会要求：3个工作日必须推荐候选人。这个指标看似高效，实际上容易迫使供应商先推几份不太离谱的简历完成KPI。3—5个工作日形成首批Benchmark人才样本＋Target Company方向＋市场反馈。现有预算能不能覆盖目标人才；人才主要分布在哪些城市；哪个条件让人才池突然缩小；是否必须跨行业找；技术画像需不需要拆分。根据倍利福智能制造人才智库内部项目实践，复杂技术岗位在正式

企业如果现在的问题是**“图拍不好”**，先找机器视觉工程师。如果是**“图已经拍清楚，但复杂缺陷识别不稳定”**，重点看深度学习算法人才。如果是**“模型在测试集很好，上产线以后就不稳定”**，需要的是懂工业现场又懂AI部署的复合型人才。如果是**“机器人已经看到物体，但不知道物体的空间位置和怎么抓”**，开始进入3D视觉和机器人感知。如果企业真正需要的是**“看懂环境、理解语言并产生机器人动作

模型很容易成为聚光灯中心。数据团队反而经常被低估。但Physical AI的数据不是普通图文数据。多路相机＋关节状态＋末端位姿＋力觉＋语言指令＋Action＋时间戳。只要时间没对齐，数据就可能失去训练价值。Isaac Sim已经把Synthetic Data Generation列为机器人仿真框架的重要能力；中国2026年的“AI+制造”政策也明确提出建设高质量工业数据集、强化数据工程能力。基础模

高管招聘有一个很明显的规律：越往上，公开求职越少。工厂负责人；研发VP；供应链总监；核心业务负责人；CTO。这类人通常不会在招聘平台上长期挂简历。创始人、CTO、投资机构、前同事、客户、供应商、产业上下游发生第一次接触。企业要招的人建议优先渠道VLA/World Model负责人专项猎头＋Lab/顶会＋技术内推专项猎头＋机器人技术圈机器人DFM负责人硬科技猎头＋制造产业链定向挖掘CTO/研发VP高

HR拿着一句：“找个牛一点的VLA。开始搜两周。基本必然返工。

Model＋Robot Data＋Action＋真机的人还会贵。只有泛多模态标签的人，溢价会继续收窄。