都在写WAIC总结，我们通过展会聊聊招聘吧

上周那几天是真的热，周六顶着大太阳去的，展会又是封路又是排队，硬是下了车暴走几千步才到，路上个个大汗淋漓，真是敬佩每个参展的人啊。

拉回来讲

🔽

今年 WAIC 最明显的变化，是展台看起来越来越像“工位”。

很多机器人还是在跳舞，也在做互动；但更多的是在展示：电池模组线、汽车线束、车灯装配、商超补货、早餐制作、居家取物这些场景任务。

展台摆出来的是能展示的能力，招聘岗位看到的是各家公司准备补齐和增强的部分。

🔽

把两边放在一起，比只看一场 Demo 更容易理解他们。

1. 从“抓取”到“进工位”

苏度：从仿真抓取，往通用操作能力平台走

1）苏度把和宁德时代合作的电池模组产线搬进了展区，四台轮式双臂机器人分别完成箱体上料、电芯装配、除尘扫码和成品下料全流程。

这套展示值得看的不只是四台机器人协同，它把抓取、放置、装配、扫码、移动等动作放进同一条任务链。相比单一抓取演示，这已经在试着验证基础技能能否跨场景复用。

2）苏度弄了一块花里胡哨的背景板，抓胶囊、抓口罩、拿观众给的物体盲测，听说成功率在98％以上；我在旁边看了很久抓取任务基本上都成功了。

这个展示和前面那条产线一起看，就能理解苏度为什么一直强调仿真。前者测的是开放环境下没见过的物体能不能抓，后者测的是抓取能力放进装配任务后还能不能稳定工作。两者中间，隔着物体建模、接触建模、相机和传感器误差、轨迹规划、工位节拍、失败恢复这些很长的一段工程。

再看苏度的招聘岗位：力反馈遥操作、策略数据闭环与部署、模拟器环境搭建、三维视觉与虚实融合、触觉算法、电机驱动、机械臂运动控制、机器人系统软件等等都在铺。

说明招聘和技术路线是连着的。

这批岗位拼起来，基本就是：仿真场景/资产 → 数据生成 → 策略训练 → 真机控制 → 传感器与系统集成 → 数据回流。

苏度对外讲的是“仿真训练 + 少量真机校准”。现在继续补系统软件、电机、触觉、遥操和部署，说明它接下来要解决的，不只是模型能不能在开放环境抓取，而是策略到了真机以后，接触过程、时延、相机、力觉、执行器这些变量处理。

下一步更值得观察的，不是再做多少个新 Demo，而是这些基础技能能否在不同工业任务间迁移：除电池模组之外，能不能走到线束、3C、汽车零部件和更多精细装配场景。

它石智航：从具身模型，往工业线束交付走

它石智航把汽车线束产线搬进来了。取线、布线、定位、插接，这类任务不像抓个杯子那么直观，但更接近工业现场难题。

线束会软、会缠、会变形，插接既要求精度，也要求接触过程足够稳定。再往下还有节拍、换型、异常恢复和与现有产线衔接的问题。

它石当前公开岗位覆盖 SLAM、具身 VLA、机器人大模型、端到端算法、强化学习、电机控制软件和机械设计。

从岗位构成看，它石现在没有铺出特别多细分、很花的算法 title，更多还是把工业具身必须的几层先补齐：

• SLAM 和空间感知，机器人、工位、物料之间的定位关系；

• VLA、大模型和强化学习，处理任务理解、视觉输入和动作生成；

• 电机控制、机械设计和系统工程，动作稳定执行；

它石接下来应该是继续沿着“模型 + 本体 + 产线”这条线走。

新智具身：从视觉感知，往接触智能走

新智具身在现场做车灯装配、插拔和锁螺丝。

这种任务的难点，基本都在最后几毫米，插进去没有、拧紧没有、接触力是否合适、偏了以后如何调整，这种靠视觉并不能完全解决。

新智主打的技术路线是：自研视触觉传感器、数采平台、VTLA 操作模型、触觉世界模型和触觉强化学习。这里的 VTLA，不是单纯给 VLA 加一路传感器，是把视觉、触觉、语言和机器人自身状态一起送进策略里，让模型在接触之后还能继续调整动作。

他们官网招聘的岗位也写得很具体：

• VLA 方向做 VTLA 预训练、微调、对齐和评测；

• 世界模型方向做 World/Video Action Model，并要求有真实机械臂、ACT、Diffusion Policy 或 VLA 的部署经验；

• 真机 RL 方向直接写了触觉、视觉、运动状态的多模态反馈对齐，以及长程任务的奖励设计；

• 数采算法方向涉及机械臂数采方案、ROS/ROS2、动力学建模和 UMI/遥操方案。

证实了他们这条路线：传感器—多模态数据—操作模型—真机后训练—工业任务。

2. 从“一个动作”到“完成一件事”

智平方：咖啡、冰淇淋和鸡尾酒，背后是规划和控制

智平方现场做咖啡、冰淇淋和鸡尾酒。

这些任务看着偏服务展示，但一条任务链并不短：理解订单、识别物料、移动到位、拿取、操作、递交。中间台面变乱了、杯子被挪了、某一步失败了，系统得知道后面怎么接住。

智平方当前公开岗位里，除了具身大模型、VLA，也在招机器人运动规划。岗位写到了人形机械臂和整机的轨迹规划与跟踪、关节级和任务空间的分层控制，以及控制系统稳定性分析。

模型并不是听懂指令就够了，给出目标之后，机械臂轨迹怎么生成、末端怎么避障、底盘和手臂怎么配合、失败后状态怎么回到任务树，才决定能不能持续服务。

智平方这边后面更值得看长程任务的恢复能力，而不是只看一杯饮料做得多漂亮。

傅利叶：居家助手推动感知、导航、系统能力一起往前走

傅利叶把居家助手和轮式双臂 GRW 放在了展台。

居家任务不像工厂流程那么固定。用户说“帮我拿一下”“我渴了”，指令本身就有歧义；环境也更复杂，物品会变，人在走动，机器人既要理解，也要保证安全。

傅利叶目前公开岗位覆盖感知导航、语义地图与 SLAM 融合、嵌入式、整机系统、测试、硬件、应用开发。

居家场景不是加一个大模型就能完成，前面是语义理解，中间是空间感知、地图和导航，后面是双臂操作、嵌入式系统、整机可靠性和人机安全。他们更像是在先把居家任务拆成一套室内服务系统。轮式双臂、康养、导览和半结构化室内场景，可能会比真正的家庭通用机器人更早跑出结果。

银河通用：长程任务把“大脑、小脑、规控”都拉进来

银河通用现场做烤面包、倒饮料、装盘，还有零售值守。

这种早餐任务比单次抓取更接近真实服务场景。关键不只是双臂能不能完成动作，而是环境变了、杯子被挪了、任务被打断以后，机器人能不能重新判断状态并继续执行。

银河的公开岗位里，同时出现了世界模型、仿真数值、规控软件、具身算法应用和人机交互等岗位。

银河在把长程任务拆开做：上层做多模态理解和任务判断，中层负责技能和状态切换，下层负责规控和动作执行。

行业里说“大脑—小脑”，银河这批岗位更像是在把这套分层架构真正补齐。

接下来值得关注的，是这些能力能不能从早餐、零售延伸到更多复杂场景，并在扰动下保持连续性，希望准确率能高一些吧。

3. 数据和部署，开始从幕后走到台前

灵御：商超遥操，本质上是在建具身数据入口

灵御在商超场景里展示远程遥操的机器人取货、整理和移动。

很多公司把重点放在机器人完成了什么动作，灵御的核心更偏向“这些动作的数据怎么采”。

怎么抓、怎么调整姿态、怎样判断接触、遇到遮挡怎么处理、失败后如何补救，这些都需要被记录下来，最后变成可训练数据。

灵御的公开介绍和岗位信息里，重点放在高精度同步、定位、柔性力控和机器人算法。

说明后面遥操、视觉力觉同步、动作重定向、低延迟通信、标定和数据pipeline，都会变成越来越重要的基础设施。

智元：从单机展示，往部署、调度和生态走

智元这次展区的规模感最强，除了导览和接待服务，还有上下料、仓储等作业任务，60 台机器人参与了大会服务，排面最大。

几十台机器人在场馆里运行，考验的已经不只是单机动作。调度、通信、充换电、远程运维、故障恢复、安全和整体稳定性，都挺重要。

招聘侧来看，基本啥都有，毕竟规模大，智元当前招聘覆盖具身仿真操作、真机强化学习、机器人软件和系统集成。

4. 多种本体并行，底层能力开始被当成长期资产

魔法原子：双足、轮式、四足同时推进

魔法原子这次带来全尺寸人形、工业轮式人形和轻工业四足，展示了工业制造、公共安全、导览等几个场景；不同本体走不同场景，但底层能力是共用的：关节与驱动、实时控制、定位导航、系统软件、测试和量产。从场景出发，机器人干活，数据回流，升级模型。

招聘岗位来看基本也是全覆盖，但C++ 系统软件、端侧软件、嵌入式等一些底层软件岗位挺多的，双足、轮式、四足的产品节奏不一样，但底层能力沉淀下来，复用率也高。

5. 总结一下

苏度：通用操作 + 仿真数据，往"零样本泛化"走。
它石：工业具身交付，往"产线真干活"走。
新智：视触觉操作模型，往"精密装配"走。
智平方和银河：长程任务，往"多步自主闭环"走。
傅利叶：室内服务系统，往"家庭/康养入口"走。
灵御：补数据入口，往"真实交互数据闭环"走。
智元：押部署和平台，往"量产交付"走。
魔法原子：跨本体底层能力，往"一脑多形"走。

这次展会看起来主要是三条主线：

• 精细操作线：让机器人"手巧"：抓取、装配、插接、力控、柔性物体处理。

• 长程任务线：让机器人"脑子稳"：指令理解、任务拆解、状态维护、异常恢复。

• 数据和部署：让机器人"能复制"：遥操数采、仿真、真机后训练、系统软件、多机调度和运维。