本文转自公众号：RoboVenture，作者： 东宇。
图片来源：优必选
“烧钱抢人，透支未来”
脉脉《2026春招职场洞察报告》显示，2026年1—4月具身智能领域新发职位较去年同期暴增15倍，平均月薪拉升至6.2万元；科锐国际数据进一步披露，具身智能算法工程师年薪区间已达60万—200万元，塔尖首席科学家薪酬包甚至开到千万元级。当一家50人规模的初创团队，仅核心算法组年薪支出就可能突破5000万，这笔钱从哪来、值不值、会不会挤占产品化资源，成了摆在每一个具身智能CEO和投资人桌前的现实考题。
01
钱花在哪里：三层人才金字塔吞噬现金流
具身智能的"烧人"不同于互联网——它不是单一算法岗堆人，而是沿"大脑—小脑—躯体—数据"形成三层人才新地图：
塔尖：具身智能首席科学家/世界模型负责人
优必选2026年4月为全球招募首席科学家开出1500万元起步、最高1.24亿元薪酬包；字节跳动"操作算法资深专家（具身）"月薪达9.5万—12万元。这部分成本虽只占极少数，但是企业技术定调与融资叙事的核心筹码。
腰部：复合型算法与工程人才（最大现金黑洞）
VLA（视觉—语言—动作）模型、世界模型、运动控制算法工程师年薪普遍60万—150万元，兼具机械本体理解的全栈工程师更高。一个15—20人的算法团队，仅人工成本即占A轮融资（通常1亿—3亿元）的15%—25%。
基座：数据采集与场景工程化人员
随"真机数据采集"成为模型迭代瓶颈，数据采集员、产线集成工程师批量扩招——武汉、苏州等地相关岗位激增，月薪多在1.5万—3万元，人数往往是算法团队的3—5倍。
一家处B轮的具身智能公司，人力成本通常占总运营成本的40%—55%，远超传统硬件制造企业，且仍在攀升。
02
投资机构的视角
投资机构对人才成本的态度，取决于企业的融资阶段，这直接决定了研发的容错空间。
在早期阶段，资本默许甚至鼓励高薪抢人，认为这是构建技术壁垒的必要成本。然而，进入B轮、C轮后，投资人开始严查“人效比”。如果高薪组建的豪华团队迟迟无法交付可商业化的产品，或者无法证明模型能力的指数级增长，那么高昂的人力成本就会被视为对研发资源的恶性挤压。资本愿意为未来买单，但不愿为停滞不前的高价团队买单。
03
效率悖论
具身智能面临严重的人才断层，懂大模型的不懂机械动力学，懂硬件的不懂神经网络。这种稀缺性导致了巨大的溢价泡沫。
许多初创公司陷入了“人海战术”的误区，以为堆砌博士数量就能加速技术迭代。但实际上，具身智能的突破更多依赖于“数据—场景—算法”的闭环。如果一个昂贵的团队没有高质量的数据闭环配合，不仅无法加速研发，反而会拖慢决策效率，甚至导致产品与市场需求脱节。当人力成本成为固定支出的大头时，企业在面对市场变化时的灵活性也将大打折扣。
04
供应链的“沉默成本”与定价权反噬
在讨论人力成本挤压研发时，还有一个容易被忽视的隐性黑洞：供应链的沉默成本。由于具身智能至今缺乏统一的标准接口和量产规模，核心零部件（如精密行星滚柱丝杠、六维力传感器）仍处于“小批定制、良率波动”阶段。这意味着，高薪聘请的算法团队不仅要写代码，还要花费大量工时去适配硬件的不稳定性、做繁琐的底层驱动补偿。
这种“软件迁就硬件、人才填补工艺”的内耗，直接导致BOM（物料清单）成本居高不下。当一台人形机器人的硬件成本卡在几十万甚至上百万时，即便软件算法再先进，整机厂商也失去了市场定价权。要么硬着头皮卖给不差钱的科研院校，要么陷入“卖一台亏一台”的To B泥潭。最终，高昂的人才成本不仅没能加速技术闭环，反而因为无法摊薄硬件成本，变成了悬在商业化头顶的达摩克利斯之剑。
人才成本的飙升，本质上是用金钱换取时间。但在具身智能这条长坡厚雪的赛道上，只有烧钱的效率，没有烧钱的捷径。如何在高昂的人力成本与漫长的商业化落地周期之间找到平衡点，将是决定谁能在淘汰赛中存活下来的关键。
更多干货分享敬请关注我们的公众号与视频号~超多精彩对话内容等待您的解锁！
热门跟贴