自动驾驶专家纷纷转投具身智能背后

驱动中国9月6日消息 近年来，自动驾驶行业的人才流向出现显著变化：大量具备感知、决策、控制等核心技术的专家，正在从智能汽车赛道转向具身智能领域。这场人才迁移并非偶然，而是技术演进、产业周期与资本风向共同作用的结果。

具身智能，指能够在物理世界中感知、理解并执行操作的智能体，人形机器人是其典型载体。与自动驾驶相比，具身智能面对的并非结构化道路，而是开放、动态的复杂环境，因而对算法的泛化能力、对硬件的实时协同能力都提出更高要求。恰恰是这种难度，吸引了许多在自动驾驶领域积累多年的技术人才。

从技术底层看，自动驾驶与具身智能共享大量方法论。无论是环境感知中的目标检测与语义分割，还是决策规划中的轨迹预测与运动控制，都依赖深度学习与强化学习框架。专家们所熟悉的传感器融合、仿真训练、端到端模型等能力，几乎可以无缝迁移至机器人场景。一位曾主导L4级算法研发的工程师曾公开表示，两者的感知范式高度一致，区别只是执行器的维度和算力部署的差异。

更深层的原因在于，自动驾驶行业正进入商业化瓶颈期。Robotaxi运营成本居高不下、乘用车辅助驾驶的商业模式仍以硬件预埋为主，技术变现路径漫长。而具身智能在制造业、仓储物流、家庭服务等领域被寄予厚望，被视为继移动互联网之后最大的计算平台机会。资本的目光快速转向，头部创投机构、产业基金乃至地方政府纷纷布局人形机器人产业链，推高了相关岗位的薪酬与股权吸引力。

过去两年间，大量自动驾驶背景的创业公司与核心人才密集出现在具身智能赛道。有的选择加入人形机器人本体企业，有的投身机器人大模型创业，还有的在小脑控制器、灵巧手等关键零部件领域延续技术积累。这一趋势也反映在学术方向与会议投递上，具身智能相关论文的投稿量呈现爆发式增长，其中不少作者此前长期深耕自动驾驶领域。

行业观察人士指出，人才流动是技术成熟度曲线的典型折射。自动驾驶在过去十年完成了算法验证与工程化启蒙，而具身智能正处于类似阶段——比自动驾驶更复杂、更早期，因此也更具想象空间。对专家个人而言，选择具身智能固然有薪资与期权方面的考量，但更深层是对“物理世界智能体”这一终极命题的向往。毕竟，自动驾驶本质上也是具身智能在特定场景下的一个子集。

不过，也有观点提醒，具身智能的商业化进程不会比自动驾驶更平坦。数据采集成本高企、真实场景泛化困难、硬件可靠性不足等问题依然存在，盲目跟风并非明智选择。人才迁移能否从概念炒作转化为实际生产力，仍取决于技术落地与生态协同的进展。

站在产业演进的角度看，自动驾驶专家加入具身智能大军，既是个人职业路径的重新选择，也是智能计算从道路走向全场景的必然投射。未来，两种智能形态或将长期并存，并最终在算法、数据与硬件层面相互滋养。对于正在经历这一波浪潮的中国科技界而言，如何借助自动驾驶积累的工程能力加速具身智能成熟，才是更值得关注的课题。