一代成功经验正在失效，新世界正加速筛选全新能力。
过去两年，具身智能领域几乎全盘承接了自动驾驶行业的人才储备、方法论框架与组织实践。
但进入2024年，越来越多一线从业者开始清醒意识到：自动驾驶与具身智能之间，或许天然横亘着一道难以弥合的鸿沟。
近半年来，我陆续与多位具身智能创业者、机器人产业链核心参与者深入交流，反复探讨一个关键问题：如今招聘时，是否仍优先青睐智驾背景人才？
答案正日益趋同。
智驾光环正悄然褪色
春节前后，已有猎头透露，部分机器人公司已明确将“具备机器人行业实操经验”列为硬性门槛，跨领域候选人的初筛通过率显著降低。
智驾背景虽未沦为负面标签，但早已失去昔日那种不言自明的竞争力加成。
此前，一家由头部智驾团队孵化的具身智能企业，在招募世界模型方向研究员时，岗位JD中赫然写着：“谢绝纯智驾背景候选人”。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
更耐人寻味的是，不久前我拜访一家工业机器人企业的CEO，在聊到人才策略时，他直言：“目前团队已基本不再考虑纯自动驾驶出身的候选人。”
我下意识追问：“可您本人正是从智驾赛道转过来的？”
他笑着回应：“具身是全新物种，若死守老经验，大概率会掉队。”
他进一步解释：之所以弱化智驾背景权重，并非否定其技术价值，而是因二者底层逻辑已发生根本性偏移。
这话乍听反直觉。
毕竟过去两年，VLA架构、世界模型、端到端训练、数据飞轮……这些AI前沿范式，智驾公司始终冲在落地第一线。
从技术栈看，两者共享大量基础设施与算法能力，业内普遍默认：智驾转具身=降维打击，顺理成章。
然而，真正扎进一线的人却越来越坦诚：我们曾严重低估了二者之间的差异。自动驾驶的问题复杂度，本质上远低于具身智能。
自动驾驶固然高难，但其本质是在强约束环境中求解——
道路结构固定、交规清晰、车辆形态统一，绝大多数变量均处于可建模、可定义的闭环内。
而机器人直面的是开放物理世界，需穷尽人类与现实环境间一切可能的交互维度：
拧螺丝、上下料、分拣、装配、搬运、归整……每个动作背后，都对应独立的数据采集逻辑、专属训练路径与差异化部署方案。
这或许正是二者最本质的分野所在：
自动驾驶不存在“下游任务”概念。你无法打造一辆只跑北京五环的车，也不可能让车辆仅学习上海外环路况。它追求的是覆盖全域道路场景的通用解法。
机器人的本质，就是任务集合体。当前尚无任何模型能通吃全部工业场景，更遑论家庭场景。预训练→后训练→场景微调→小样本适配……这套冗长却必需的流程，恰恰是机器人行业的日常。
而这，恰恰成为许多长期浸润于智驾体系工程师最难跨越的认知门槛。
经验正悄然反噬
自动驾驶历经十余年演进，已沉淀出一套高度成熟、经千锤百炼的方法论体系。
这套体系孕育了大批深谙量产节奏、工程落地、系统架构与数据闭环的顶尖工程师，其能力放在任何硬科技赛道都极具稀缺性。
事实上，当下具身智能领域最具代表性的创业者，绝大多数仍出自智驾阵营。
但问题的核心，从来不在经验有无价值，而在于经验何时会异化为认知枷锁。
长期在智驾生态中成长的工程师，极易形成牢固的路径依赖：习惯寻找普适解法、热衷构建通用框架、本能用已被验证的旧范式去解构新命题。
于是手里的锤子太重，眼里万物皆钉。
而具身智能，往往并不嘉奖此类思维——甚至在某些场景下，它会直接惩罚这种惯性。
因为当下机器人行业最鲜明的特征，就是几乎所有问题都尚无标准答案。
多位创业者私下坦言：如今评估候选人，最关注的既非是否做过机器人，也非是否深耕智驾，而是此人能否在极短时间内穿透表象，精准锚定一个全新问题的本质。
一位具身智能创始人曾给出一句犀利判断：
“若有两位候选人，一位拥有五年智驾履历，另一位刚从AI基础研究转型而来，我未必一定选择前者。”
原因很朴素：智驾经历，意味着你擅长解决大量确定性问题；而机器人行业真正渴求的，是面对未知挑战时敢于归零、重新出发的勇气与能力。
这让我想起十年前自动驾驶萌芽期，业内也曾流行一句如出一辙的话：自动驾驶创业，反而慎招车辆工程科班出身者。
具身呼唤另一类人
那么，当下的具身智能公司，究竟在争夺怎样的人才？综合数十位产业一线人士观点，我提炼出四个共性标准：
第一：真懂AI。
不苛求机器人或智驾从业史，但必须深刻理解模型原理、数据治理、训练机制与推理部署全流程，具备快速验证假设、将抽象洞察转化为可执行实验的能力。
第二：历史包袱轻。
面对新技术路径，第一反应不是“我以前怎么做”“Waymo怎么干”“Tesla怎么推”，而是先评估该路径在当下语境中的真实价值。具身领域尚未形成共识范式，诸多问题甚至尚在定义阶段，背负过重既有经验，反而易被旧答案牵制。
第三：数学功底扎实，抽象能力突出。
因当前机器人领域大量问题尚无现成解法，最终仍要回归建模能力、抽象思维与工程实现力。
第四：也是最关键的一点——拥抱变化，持续学习。
这已成多数具身公司CEO筛选人才的首要标尺。在这个变量密集涌现的行业中，最稀缺的，永远是适应力最强的人。
这也解释了为何当下不少具身企业一边仍在吸纳智驾人才，一边又对智驾背景保持更高审视标准。
它们并非排斥智驾出身者，而是警惕那些被智驾方法论深度绑定、难以挣脱思维惯性的人。
当然，我们绝不否认智驾为具身智能带来的历史性馈赠——它不仅输送了首批核心人才与资本活水，更重要的是，它用十年实践验证了“AI+物理世界”这条路径的可行性。
但智驾与具身的复杂度层级，终究存在不可通约性。
智驾的瓶颈多在决策层，其控制体系经数十年迭代已极为稳健；
而机器人连基础控制仍未完全攻克，决策空间却比智驾大出数个数量级，叠加语言指令到物理动作这一至今未被打通的关键链路，整体难度呈指数跃升。
自动驾驶需逼近100分方可合法上路，差一分即可能酿成重大事故；
而具身智能或许60分、甚至40分就已具备场景准入资格——
家务机器人偶尔打碎一只杯子的风险，与自动驾驶事故的后果，根本不在同一量级。
自动驾驶拥有L2这一完美过渡态，可边商业化边迭代；
而具身智能没有中间态——它要么真正替代人力完成任务（L4），要么仅是个摆设（L0）。
坦白说，智驾创业交过的所有学费，具身智能创业大概率仍需重交一遍。即便少数人真能站在巨人肩上看得更远，多数人仍将重复跌入相似的坑。
今天的具身智能，已在机器人学习范式上取得阶段性突破，但距离像自动驾驶那样，系统性地替代物理世界中的人力效能，依然相去甚远。那条路，注定漫长。
而对个体而言，选择已变得无比务实。
具身智能开出了更具吸引力的薪酬，坐拥资本聚光灯，生态位亦在加速成型。这让我想起前几天与一位刚从智驾转岗具身的工程师闲聊，他半开玩笑地说：“先在这儿赚几年快钱，等具身这波热度退了，我再回智驾呗。”
“坑位渐满，早点儿入场。”
本文来自微信公众号“智见autoweek”，作者：王阿森，36氪经授权发布。
