如何看待机器人行业人才频繁流动?

最近做机器人岗位,有个现象越来越明显:很多候选人的履历开始变"短"了。

以前看工业机器人、自动化行业的人才,3年、5年甚至更长时间待在一家企业很正常。现在看具身智能、人形机器人,一年多换一次公司,甚至入职几个月又被其他团队接触的情况并不少见。

站在猎头角度,我觉得不能简单把这个现象归结为:"机器人行业的人不稳定。"

更准确地说,是一个高速扩张、技术路线尚未完全收敛的行业,正在经历非常剧烈的人才重新定价和重新分配

但问题也随之出现:频繁流动,到底是在抓住行业红利,还是在透支自己的职业信用?

这两种情况,现在同时存在。

一、为什么机器人行业的人才特别容易流动?

第一个原因很现实:同一个人,在不同公司眼里的价格可能完全不一样。

比如一个做WBC+强化学习的算法工程师,原来在传统机器人公司做运控,收入可能并没有特别夸张。

人形机器人热起来以后,他突然发现自己过去积累的:机器人动力学、MPC、WBC、强化学习、Sim2Real、真机调试

全部变成热门能力。原来市场上只有少数公司需要,现在可能同时有多家创业公司、大厂机器人团队和具身智能公司接触。

于是人才价格迅速重新计算。

这种情况下,30%、50%甚至更高的薪酬变化,很容易推动人才流动。

所以这几年机器人行业很多跳槽,并不是候选人突然变得浮躁,而是:行业在高速变化,人才的市场价格也在高速变化。


二、第二个原因:技术路线还没定,人才其实也在"选赛道"

机器人和很多成熟行业不太一样。

今天大家在讨论VLA。

明天世界模型热起来。

强化学习、Diffusion Policy、WBC、Sim2Real、灵巧操作、触觉、多模态感知,又不断出现新的机会。

候选人面对的其实不只是:

A公司和B公司选哪个?

而是:

未来三年,我应该押哪条技术路线?

比如一个做传统机械臂规划的人,可能会考虑转Manipulation;做VLM的人开始进入VLA;做自动驾驶强化学习的人开始看具身;做工业机器人运控的人又被人形机器人公司大量接触。

所以机器人行业现在的人才流动,还有很强的技术迁移属性

有些人换公司,实际上是在换自己的技术坐标。


三、创业公司太多,也是人才流动加速的重要原因

机器人行业还有一个非常特殊的地方:

大量公司本身也处于高速变化。

今年融资顺利,快速扩张200人。

明年产品路线调整,团队重新组织。

原来重点做人形本体,后来转场景。

原来重点做VLA,后来开始强调数据。

原来的技术负责人离职,新负责人进来以后又重新搭团队。

这种情况下,候选人的稳定性并不完全由自己决定。

特别是创业公司,一个人入职时谈好的:

岗位职责、汇报对象、技术路线、期权预期、团队资源

半年以后可能全部发生变化。

所以现在看机器人候选人的履历,我越来越不建议HR只看:

"为什么两年换了两家公司?"

而应该继续问:

"每一次变化背后的原因是什么?"

这两个判断完全不同。


四、但频繁跳槽确实开始出现一个问题:很多人只拿到了"价格",没有拿到"能力"

这才是我觉得真正值得提醒的地方。

机器人行业高速发展以后,一部分人才确实吃到了红利。

比如:

30万→45万→65万→90万。

两三年连续几次跳槽,收入涨得非常快。

但如果把简历上的公司名称和薪资全部去掉,再问:

"过去三年,你真正独立解决过什么问题?"

有些人的答案并没有同步增长。

这就会出现一个非常危险的情况:

薪资增长速度超过了能力增长速度。

前两次跳槽,市场缺人,公司愿意为稀缺标签买单。

但到了第三次、第四次,企业开始要求:

你拿100万年包,到底能解决什么问题?

如果这个时候仍然只能说:

参与过某项目、使用过某框架、做过某模块。

职业发展很容易突然卡住。


五、机器人企业现在也越来越会"拆简历"了

前几年一个候选人简历写:

VLA、强化学习、Sim2Real、Isaac Sim、MuJoCo、ROS2

可能就很容易得到面试机会。

现在越来越难。

企业开始继续往下问:

VLA是自己训练还是调用现成模型?

Robot Data怎么采?

Policy怎么训练?

Action Space怎么设计?

RL里的Reward是谁设计的?

Sim2Real具体解决过什么Reality Gap?

最后有没有部署到真机?

真机成功率多少?

最难解决的一次失败是什么?

这些问题一问,候选人的项目深度很快就能区分出来。

所以未来机器人行业的人才竞争,很可能逐渐从:

"我在哪家公司工作过"

变成:

"我真正把什么事情做成过。"

这对频繁跳槽的人尤其重要。


六、企业也不要看到"频繁跳槽"就直接淘汰

反过来说,我也不太认同机器人企业机械地规定:

"三年两跳不要。"

机器人行业现在变化太快,这种标准很容易误伤。

一个候选人两年换了两家公司,如果每一次变化都是:

更复杂的机器人本体→更核心的技术模块→更完整的项目责任→真正的真机交付,

他的成长速度可能比在一家成熟企业连续待5年更快。

真正需要判断的是三件事情:

判断维度 应该看什么
流动原因 主动选择还是被动变化
能力变化 每次跳槽有没有扩大能力边界
项目闭环 有没有真正经历完整项目周期

尤其第三点非常重要。

机器人研发很多能力,需要时间才能形成。

设计→开发→真机→Debug→迭代→产品化

如果一个候选人每次项目刚启动就离开,他可能参与过很多明星项目,却没有真正经历过任何一次完整闭环。


七、真正危险的不是跳槽多,而是每一次都在重复同样的事情

我现在看候选人的职业经历,会特别关注一个问题:

每换一家公司,他到底多了什么?

比如一个机器人算法工程师:

第一家公司做机械臂规划;

第二家公司开始做Manipulation;

第三家公司接触IL/RL;

第四家公司负责Robot Policy+真机部署。

虽然流动频率比较高,但技术能力实际上在形成一条非常清晰的成长曲线。

另外一种情况则是:

第一家公司调参数。

第二家公司还是调参数。

第三家公司换了更热门的机器人公司,继续调参数。

工资从40万涨到了80万,但能力边界基本没变化。

这才是真正需要警惕的职业流动。

所以判断机器人行业人才流动,不能只数:

"换过几家公司。"

还要看:

"每一次移动以后,他离核心问题到底近了多少。"


八、从猎头市场看,我觉得人才流动正在进入第二阶段

前一阶段机器人行业的人才流动,主要是:

传统机器人→人形机器人

自动驾驶→具身智能

大模型→VLA

汽车电驱/伺服→机器人关节

本质上是新产业用更高价格吸收成熟行业的人才。

但接下来,我觉得会出现另外一种变化:

机器人公司之间开始重新分配人才。

这时候候选人考虑的就不会只有薪资。

真正优秀的人开始越来越关心:

技术负责人是谁?

公司到底押什么路线?

有没有真机和数据?

产品什么时候落地?

自己有没有决策权?

公司融资还能支撑多久?

期权到底有没有价值?

因为经历过第一轮行业热潮以后,大家会逐渐意识到:

50%的涨薪,并不一定比一个真正能做成事情的平台更值钱。


David的判断:机器人行业人才频繁流动不是最大的问题,"没有形成复利"才是

机器人行业现在人才流动快,我觉得很正常。

产业在重新分配资本,企业在重新选择技术路线,人才当然也会重新选择位置。

真正需要警惕的是:

一个人连续换了四家公司,却没有完整做成过一个机器人项目。

机器人这个行业特别依赖"踩坑经验"。

仿真跑通以后怎么上真机,机器人摔了以后怎么定位问题,关节温升为什么突然异常,视觉精度不错为什么还是抓不住,实验室成功率90%为什么客户现场只有60%......

这些能力很难靠看论文或者换公司获得。

它需要:

做项目→出问题→解决问题→再次失败→继续迭代。

所以对于机器人从业者来说,我觉得未来判断一次跳槽值不值得,不能只问:

"这家公司能给我涨多少?"

还应该多问一句:

"如果我在这里待两三年,我能完整做成什么?"

而对于企业来说,也不要简单用"稳定性"筛掉频繁流动的人。

真正应该判断的是:

他的每一次流动,到底是在追逐热点,还是在持续接近更难、更核心的问题。

前者的简历可能越来越漂亮。

后者,才有可能真正变成机器人行业里难以替代的人。

相关推荐
精益数智工坊1 小时前
云计算环境元数据是什么意思?云计算元数据管理怎么做?
大数据·人工智能·数据挖掘·数据可视化
湘-枫叶情缘1 小时前
为什么你通过AI学了很多,却感觉自己没变强? ——从“知识输入”到“能力形成”的认知转化工程
人工智能·程序人生
东方-教育技术博主1 小时前
自进化自动编码软件用法02
人工智能
2601_962380761 小时前
考研专业课知识点科普视频怎么做:用MG动画把抽象概念讲透
人工智能
AIGCmagic社区1 小时前
四个RL专家蒸回一个8B模型,SenseNova-U1.5后训练配方与原生4K生成拆读
人工智能·aigc·ai多模态
武子康1 小时前
小智首批设备怎样放量?从接入名单到故障后的恢复决定
人工智能·llm·agent
天云数据1 小时前
RSI失控?装好工程约束
人工智能
lucas_AI1 小时前
第 5 讲 · 内存模型:复现一个"x86 能跑、ARM 挂掉"的 bug 并修好它
人工智能
rebornace1 小时前
用 Go 实现轻量级 AI Agent:白泽的架构设计与取舍
人工智能