这个问题最近被问得很多。我结合自己观察到的行业情况和招聘市场的变化，说一些实际的。
先说结论：前景好，但分化严重
具身智能和强化学习不是"uniformly good"的方向。不同细分领域、不同公司类型、不同岗位的需求差异很大。
一句话总结：算法岗卷，工程岗缺，应用岗刚起步。
算法岗：卷，但天花板高
强化学习算法工程师是最热门的方向之一，但竞争也很激烈。
需求端：
- 大厂AI Lab（DeepMind、OpenAI、Meta、字节、腾讯）：持续招聘，但门槛极高，基本要求顶会论文+名校博士
- 人形机器人公司（宇树、智元、傅利叶等）：2024-2025年大量扩招，但2026年开始收紧，更看重实际落地能力
- 自动驾驶公司（Waymo、小鹏、华为）：决策规划模块需要RL背景，需求稳定
薪资范围（2026年，国内，仅供参考）：
- 应届博士：约40-80万/年（大厂SP offer可达100万+，但名额很少）
- 3-5年经验：约60-120万/年（因公司、地区、个人能力差异较大）
- 资深/专家：150万+（这类岗位非常稀缺）
现实问题：算法岗的HC（headcount）在减少。2024年人形机器人热潮时大量招聘，2025-2026年很多公司发现技术落地比预期慢，开始优化团队。纯算法、没有工程能力的人风险最大。
工程岗：缺人，但要求复合背景
这是我觉得被低估的方向。
具身智能不只是算法问题，更是工程问题。把模型部署到真实机器人上，需要解决：
- 实时控制：策略推理延迟要控制在10ms以内
- 硬件集成：传感器标定、执行器驱动、通信协议
- 系统优化：CUDA加速、模型压缩、边缘部署
- 仿真平台：搭建和维护大规模并行仿真环境
能做这些事的人，目前市场上很缺。而且这类岗位对学历的要求相对宽松——本科+实战经验就可以，不一定需要博士。
薪资范围（仅供参考）：
- 3-5年经验：约50-90万/年（因公司、地区、个人能力差异较大）
- 资深工程师：约80-150万/年（高级岗位数量有限）
不比算法岗低多少，但竞争小很多。
应用岗：刚起步，机会最大
这是我最看好的方向。
具身智能的技术已经过了"能不能做"的阶段，进入"怎么用"的阶段。工厂里需要把AI能力集成到现有产线，物流公司需要机器人分拣，医院需要手术辅助——这些场景不需要你发明新算法，需要你把现有技术应用到具体问题。
典型岗位：
- 机器人应用工程师：负责具体场景的任务适配和部署
- Sim-to-Real工程师：把仿真训练的策略迁移到真实机器人
- 技术方案工程师：对接客户需求，设计技术解决方案
这类岗位的需求正在快速增长，但目前供给不足。因为传统机器人工程师不懂AI，AI工程师不懂机器人，两者都懂的人很少。
薪资范围（仅供参考）：
- 3-5年经验：约40-70万/年（因公司、地区、个人能力差异较大）
- 资深/管理岗：约70-120万/年（这类岗位相对稀缺）
起薪可能不如算法岗，但增长空间大，而且离业务近，不容易被优化。
几个趋势判断
- 纯算法岗会继续卷，工程和应用岗会升值。
随着基础模型（大语言模型、基础世界模型）越来越强，“调参侠"的价值在下降。能把模型落地的人价值在上升。
- 跨界人才最吃香。
懂AI + 懂机器人 + 懂行业（制造、物流、医疗）的复合型人才，未来3-5年都会很抢手。
- 创业机会在应用层。
基础模型是大厂的游戏，但应用层有大量细分场景还没被覆盖。比如"用世界模型做工厂机器人快速任务适配”，这种方向大厂看不上，但市场需求真实存在。
- 地域分化明显。
北京、上海、深圳、杭州集中了80%以上的岗位。其他城市的机会很少，除非是当地有机器人产业集群（比如东莞、苏州）。
给不同背景的人的建议
在校学生：如果有机会读博，读博。算法岗的门槛只会越来越高。但博士期间一定要做有工程价值的工作，不要纯理论。
转行者：不要直接冲算法岗，竞争太激烈。从工程岗或应用岗切入，积累实战经验后再往算法方向转。
传统机器人工程师：学PyTorch、学RL基础、学仿真工具（MuJoCo、Isaac Sim）。你已有的机器人知识是优势，补上AI这块就很有竞争力。
纯软件工程师：学机器人学基础、学控制理论、了解硬件。你的编程能力是优势，补上物理世界这块。
最后说一点
具身智能和强化学习的前景是好的，但这个"好"不是均匀的。它属于那些愿意深入理解问题、能动手解决实际问题的人，不属于只想追风口的人。
我自己在做的方向是世界模型 + Sim-to-Real，属于工程和应用之间的交叉地带。没有大厂的资源，也没有学术界的背景，但通过持续输出内容、积累实战经验，慢慢建立自己的影响力。
这条路不快，但走通了就很稳。
评论