智驾人才跨界具身智能，是降维打击还是会水土不服？

自动驾驶领域专业的技术、资讯分享全媒体平台。我们的slogan是：聚焦智能驾驶，紧盯行业前沿。

点击展示全部

[首发于智驾最前沿微信公众号]过去两年，具身智能行业几乎是将自动驾驶的人才、方法论和组织经验一起打包吸收了进来，据不完全统计，近两年国内智驾领域已有近40位核心高管及技术骨干跨界进入具身智能领域。很多智驾相关的平台也会将具身智能作为技术的探讨内容，智驾人才涌向具身智能，是降维打击还是会水土不服？

一场人才大迁徙？

2026年开年至今，具身智能赛道也已经跑出多家新晋独角兽，翻看创始人名单，星海图的高继扬曾任Momenta量产负责人，智平方的郭彦东是小鹏汽车前首席科学家，它石智航的陈亦伦是华为车BU前自动驾驶系统CTO、李震宇是百度智能驾驶事业群前总裁。

理想汽车则是这波人才迁徙最集中的企业，过去半年，理想有8位核心高管离职，涵盖智驾、芯片、产品等关键板块。智驾一号位郎咸朋、智能驾驶产品负责人韩龄，以及曾被外界称为三驾马车的夏中谱、贾鹏、王佳佳等核心高管相继离开，大多转投具身智能领域。郎咸朋创立的昆仑行机器人，注册90天内完成3轮融资，估值超10亿美元，直接跨过独角兽门槛；前理想CTO王凯与智驾团队成员联合创立的至简动力，成立仅8个月连续完成5轮融资，成为具身智能赛道最年轻的独角兽。

图片源自：网络

地平线系的人才流出同样密集，据统计，地平线至少有14位核心技术和管理层离职创业，其中13人进入了具身智能赛道。005号员工余轶南创办了维他动力，智能座舱产品线总经理牛建伟创立叮当动力，前视觉感知技术负责人黄冠创办极佳视界。

这场人才流动的驱动力主要来自两个原因，一个是智驾行业的收缩，L4级Robotaxi商业化落地一再推迟，长尾难题难以攻克，资本市场耐心耗尽，行业从扩张转向收缩；还有就是具身智能赛道的爆发，2026年1至4月，具身智能领域招聘指数达到579，较2025年的36暴增15倍。具身智能的薪资也在提升，具身智能岗位平均月薪已从5.8万元提升至6.1万元以上。一位具身智能算法工程师形容当下的状态，现在投资人问的第一个问题不是你们技术怎么样，而是你们估值多少，上一轮谁投的。

技术栈的高度重叠，让转行看起来顺理成章？

从技术架构看，自动驾驶和具身智能确实共享大量底层技术，两者都依赖感知、决策、执行的技术闭环，都需要借助海量传感器数据实时构建环境模型并做出最优决策。在感知系统中，两者都需应对噪声环境下的信息提取、多传感器数据融合和数据传输低延时等问题。

VLA（视觉-语言-行动模型）、世界模型、端到端大模型、数据闭环这些技术概念，在自动驾驶领域已经得到广泛应用，迁移到机器人领域在逻辑上更是顺畅。理想汽车曾提出自动驾驶是具身智能的上半场，通用人形机器人是具身智能的下半场。国务院发展研究中心发布的报告也显示，中国具身智能产业市场规模有望在2030年达到4000亿元、2035年突破万亿元。

图片源自：网络

之所以具身智能领域可以接收如此多的智驾人才，是因为智驾人才带给具身智能行业的，不只是某段可复用的代码，而是在自动驾驶战场上磨出来的全套方法论。如何定义复杂问题、如何在不确定性中拆解任务、如何在资源约束下做关键取舍、如何在一个长达数年的开发周期里维持团队的纪律与信心等，都是可以从智驾领域直接应用到具身智能领域的。

有观点认为，智驾领域的具体知识（某个算法实现、某个特定调优技巧）或许会随技术换代迅速贬值，但在智驾领域所锤炼出的元能力（对算法开发与部署的掌控力、跨域协同的工程力、将技术从Demo推向量产的执行力）是实实在在的硬通货。

也正因如此，智驾背景的人才在具身智能领域创业时，资本市场给予了极高的信任。郎咸朋在理想主导的是整个智能驾驶体系的战略规划与落地执行，资本认为他对具身大模型的商业路径判断具备确定性；至简动力背后的投资人名单包括元璟资本、蓝驰创投、红杉中国、君联资本、中科创星、高榕创投等明星机构，战略投资方则有腾讯和阿里巴巴。这些投资决策背后，其实也可以看出市场对智驾人才能力的认可。

但两者像，但不代表一样

随着这两个领域并步前行，两者的区分也逐渐明显，很多真正从智驾领域跨入到具身智能领域的人都说，最初都把两者看得太像了。自动驾驶虽然复杂，但本质上是在高度约束的环境中解决问题，道路是固定的，交通规则是明确的，车辆形态是统一的，绝大多数变量都在一个相对可定义的框架里。而机器人面对的是开放的物理世界，需要把人与物理世界几乎所有可能的交互关系都考虑进来。

两者更核心的分野在于任务这个概念是不同的，自动驾驶没有下游任务，不可能造一辆专门跑北京五环的车，智驾追求的是一个能适配所有道路场景的通用解法。但机器人的本质就是任务的集合，今天没有任何一个机器人模型能通吃所有工业场景，更别说家庭场景。像是拧螺丝、上料、分拣、装配、搬运、整理等，每一个动作背后都可能是另一套数据、另一套训练和另一种部署方式。预训练、后训练、场景微调、小样本学习这套繁琐的流程，才是机器人行业的常态。

图片源自：网络

从能力维度看，智驾和具身智能的差异更为明显，智驾要解决的核心问题只有一个，即安全的导航移动；而具身智能则需要同时解决导航移动、运动控制和灵巧操作三个问题，导航移动只是具身智能的入场券，运动控制和灵巧操作才是真正的核心挑战。车辆在结构化道路上的行为空间也是相对有限的，而通用操作机器人需要应对非标物体、柔性材料、动态环境和长时序任务，像是具身智能需要的手眼协调、力控、故障自恢复这些能力，在车规级方案里没有现成答案。

智驾和具身智能在数据层面也有所差异，语言模型可以利用互联网上沉淀的海量数据，但机器人数据高度依赖具体场景，工厂、商超、咖啡店、酒店前台、医院前台等不同空间积累的数据各不相同。全球加起来能用的真机数据大概只有50万小时，而大语言模型训练时消耗的文本数据是它的两万倍不止。具身智能学会一个动作需要的数据没法从网上爬，只能靠机器人自己在真实环境里一遍遍试。多位算法负责人在闭门会议中承认，花几千万采集来的10万小时数据，模型能力只涨了5%，在A工厂学到的技能，换到B工厂大概率失灵。

前特斯拉中国设计中心负责人张海星曾将具身智能能力划分为L1到L5五个阶段，目前行业仍处在从L1向L2、L3过渡的阶段，对应的是自动驾驶L1到L5的智能阶段。人形机器人可以在部分专用场景落地，但距离真正的跨场景泛化还有相当距离，现阶段，全球尚未形成统一的技术路线，各家有各家的打法。