最近两年VLA几乎成了具身智能领域最热门的技术关键词之一。从OpenVLA、π0到GR00T、X-VLA、GO-1再到不断出现的新模型VLA的技术路线正在快速演进。对于机器人企业来说真正值得关注的已经不只是“哪个模型更强”而是这些模型背后到底需要什么样的算法人才以及为什么同样叫VLA算法工程师不同企业招聘时要求的能力差异会非常大。从机器人猎头的角度来看VLA的快速发展正在改变具身智能企业的招聘逻辑企业过去招聘的是视觉算法、控制算法、强化学习等单一方向的人才现在越来越需要能够把视觉、语言、本体状态、动作生成和机器人控制真正串起来的人。这也是为什么很多企业的VLA岗位看起来薪资很高、候选人也不少但真正能够进入面试后半程的人并不多。一、VLA到底是什么核心不是理解而是让机器人行动VLA全称Vision-Language-Action即视觉—语言—动作模型。从技术定义来看它试图建立这样一条完整链路输入模型理解输出视觉图像识别环境、物体和任务状态动作决策语言指令理解任务目标动作序列本体状态判断机器人自身状态关节/末端动作历史轨迹判断当前动作上下文下一阶段动作例如人对机器人说“把桌上的红色杯子放进水槽”。机器人首先需要通过视觉系统找到杯子再通过语言理解明确任务目标同时结合关节角度、末端姿态、夹爪状态等本体信息判断“自己的手在哪里”最终生成一系列动作让机械臂完成靠近、抓取、移动和放置。因此VLA真正解决的问题并不是“机器人能不能看懂一张图片”而是机器人看到什么、理解什么以及下一步应该怎么动。这也是VLA和传统视觉算法的重要区别。传统视觉算法可能只负责目标检测、识别和定位而VLA需要进一步把这些信息与语言任务、本体状态结合起来最终落到动作执行。对于机器人企业来说这意味着VLA岗位已经很难简单地归类为“视觉算法工程师”。二、一套VLA系统实际上对应着多类技术人才如果从招聘角度拆解一套完整的VLA系统通常涉及视觉语言理解、动作生成、机器人本体适配以及底层控制等多个环节。技术层主要解决的问题对应人才方向视觉理解机器人看懂环境和物体视觉算法、VLM算法语言理解理解人类任务指令多模态大模型、VLM本体状态理解机器人自身状态机器人状态估计、运动学动作生成将任务转化为连续动作VLA、Policy、Diffusion/Flow Matching数据训练从示范轨迹中学习策略机器人学习、模仿学习底层控制将动作转化为真实运动控制算法、运动控制系统部署将模型真正跑到机器人上嵌入式、推理部署、机器人系统因此企业招聘VLA人才时真正稀缺的往往不是“会调用一个开源模型的人”而是理解模型、数据和机器人之间关系的人。这一点从目前主流VLA路线也能够看出来。三、OpenVLA、π0、GR00T它们到底有什么区别如果只看模型名称很容易把目前的VLA理解成一张越来越长的“模型排行榜”。但从技术架构来看不同模型实际上代表了不同的发展路径。模型/路线核心特点招聘时值得关注的能力OpenVLAVLM向机器人动作生成延伸VLM、Transformer、机器人数据OpenVLA-OFT强调连续动作和高频控制Action Head、动作建模、控制π0/π0.5系列强调通用机器人操作和泛化VLM、Flow Matching、机器人学习GR00T N1系列VLM动作生成面向人形机器人生态多模态、Diffusion Transformer、人形机器人X-VLA强调跨机器人本体适配跨本体学习、Policy、数据处理GO-1强调机器人数据和开发者生态数据工程、跨本体训练Xiaomi-Robotics-0强调实时异步执行VLA、实时推理、机器人部署UnifoLM-VLA-0面向通用机器人操作VLM、VLA、真机数据这里有一个非常重要的招聘误区不能简单按照模型名称判断候选人的能力。一个候选人做过OpenVLA并不意味着他一定能够负责企业的VLA系统同样一个没有直接写过“VLA”职位名称的人也可能具备非常强的VLA迁移能力。例如做过机器人模仿学习、Diffusion Policy、Transformer Policy、视觉语言模型、机器人数据闭环的人实际上都可能成为VLA团队的重要候选人。这也是机器人企业招聘VLA人才时最容易忽略的地方。四、真正稀缺的VLA人才往往不是最懂大模型的人从实际招聘角度来看目前企业对VLA算法工程师的要求正在出现一个非常明显的变化。早期企业更容易按照技术标签招聘比如“视觉算法工程师”“强化学习算法工程师”“机器人控制算法工程师”。但随着VLA逐渐进入真机应用单一算法能力已经很难覆盖完整需求。现在更受欢迎的候选人通常具备下面这种能力结构大模型基础 机器人基础 真机经验 数据闭环能力。其中大模型基础主要包括Transformer、VLM、多模态训练、Attention、Token等机器人基础则涉及运动学、动力学、坐标系、轨迹规划和控制真机经验意味着候选人真正让模型在机械臂、人形机器人或其他机器人平台上运行过而不是只在GPU上跑过实验数据闭环则包括示范数据采集、清洗、标注、训练、评测以及失败案例回流。这几个能力真正叠加起来以后候选人的数量会迅速减少。所以从猎头视角看VLA人才最重要的不是简历上有没有VLA三个字而是能不能把模型真正连接到机器人。五、为什么做过机器人在VLA招聘中越来越重要VLA和纯软件大模型最大的区别就是它最终面对的是一个真实世界。一个语言模型输出错误答案用户可能只是觉得它不够聪明但是机器人输出错误动作可能直接导致物体掉落、机械臂碰撞甚至设备损坏。因此VLA算法工程师不仅要理解模型还必须理解机器人。例如一个模型看到杯子以后需要知道杯子在哪里但“在哪里”并不只是图片中的二维坐标。真正执行抓取时还需要考虑相机坐标系、机器人基座坐标系、末端坐标系、手眼标定、深度信息以及机器人当前关节状态。这就涉及一个典型的机器人问题模型知道目标在哪里不等于机器人知道自己的手应该怎么过去。所以很多VLA岗位招聘JD里会同时出现Transformer、VLM、Diffusion、模仿学习、强化学习、机器人运动学、控制算法等关键词。乍一看要求非常庞杂实际上背后的逻辑很清楚——企业希望找到能够跨越模型和机器人两个世界的人。六、真正难招的是算法机器人交叉型人才如果从机器人猎头的实际招聘视角来看可以把目前相关人才大致分成四类。人才类型优势短板企业适合场景大模型/VLM人才模型能力强机器人经验不足基础模型研发视觉算法人才感知能力强动作生成经验不足感知与多模态机器人学习人才真机和策略经验较强大模型经验可能不足Policy/VLAVLA交叉人才模型机器人数据人才数量少核心VLA团队第四类人才就是目前市场上真正难找的人。尤其是已经做过真实机器人项目并且能够独立完成从数据采集、模型训练到真机部署的人市场供给非常有限。这类候选人的流动也往往非常谨慎。因为他们通常已经处于机器人企业核心项目中换工作的判断标准并不仅仅是薪资而会同时考虑项目方向、技术自主权、算力资源、真机平台、数据规模、团队负责人以及公司未来融资和量产能力。因此机器人企业招聘VLA人才已经不能简单理解成“开一个更高薪资的岗位然后市场上找人”。七、VLA人才招聘企业最容易犯的三个错误第一个错误是把VLA岗位写成大模型算法工程师岗位的升级版。如果JD里面全部都是Transformer、LLM、VLM、Diffusion、RL却没有说明机器人平台、传感器、本体、动作空间、控制频率、数据来源和真实应用场景那么真正做机器人算法的人反而很难判断岗位到底要解决什么问题。第二个错误是过度迷信学历和大厂背景。VLA属于一个快速发展的新方向很多真正有价值的人才并不一定拥有特别漂亮的学历标签。有些候选人可能来自机器人实验室有些来自创业公司有些人在学校期间就参与过大量真机项目。对于这种岗位项目经历往往比单纯的学历和公司名称更加重要。第三个错误是只看论文不看真机落地。论文可以证明候选人的研究能力但不能完全证明他能够把模型部署到机器人上。尤其是VLA数据、硬件、控制、标定、推理延迟以及各种异常情况都会影响最终效果。因此面试时真正值得问的问题不是“你发表过多少篇论文”而应该进一步追问你训练的数据从哪里来机器人是什么平台模型输入是什么动作输出是什么如何处理不同本体真机部署遇到过什么问题模型失败以后怎么重新进入数据闭环这些问题往往比简历上的几个关键词更能判断一个人的真实水平。八、未来VLA人才竞争可能会从模型能力走向系统能力从行业发展来看VLA真正的竞争并不会长期停留在模型参数规模或者论文数量上。当越来越多企业开始使用开源模型以后模型本身的获取门槛会逐渐下降。真正拉开企业差距的很可能变成机器人数据、本体适配、训练效率、推理部署以及真实场景中的任务成功率。这也意味着未来VLA团队的人员结构可能会越来越复杂。一个成熟团队可能同时需要VLA算法负责人、VLM算法工程师、机器人学习算法工程师、模仿学习工程师、强化学习工程师、数据工程师、机器人控制工程师、模型部署工程师以及机器人系统工程师。这些岗位之间并不是简单的上下游关系而是需要形成完整闭环机器人采集数据 → 数据处理 → 模型训练 → 仿真/离线评测 → 真机部署 → 任务执行 → 失败数据回流 → 再训练。谁能够真正把这个闭环跑起来谁才更接近下一阶段具身智能企业真正需要的人才。结语VLA真正缺的不是会调模型的人作为机器人猎头David我越来越明显地感受到具身智能人才市场正在发生一个变化企业招聘的评价标准正在从你会什么算法逐渐转向你能不能解决机器人真实问题。VLA只是一个典型案例。未来真正稀缺的机器人算法人才可能并不是把某一个模型研究得最深的人而是能够理解视觉、语言、数据、机器人本体和控制系统并且能够把这些模块真正连接起来的人。因为机器人最终不是在论文里完成任务而是在真实世界里完成任务。所以如果一家机器人企业正在招聘VLA算法工程师与其在JD里堆满几十个技术关键词不如先回答三个问题你的机器人是什么你的数据从哪里来你希望这个人最终让机器人学会什么这三个问题越清楚越容易找到真正匹配的人。