Skip to content
AI-Daily-Builder

2026-06-18 — views

Physical AI 人材争奪戦 — Tesla対WaymoのMLエンジニア採用・報酬・チーム構成

WaymoはTeslaより約20〜30%高いGoogle水準の報酬を提供。Teslaはミッションの広さとOptimusロボティクスの独自性で優位。両社ともスタンフォード・CMU・MITの同一パイプラインから人材を争奪する。

Physical AI ベンチマークシリーズ 第142回 — Physical AI 人材争奪戦：Tesla対WaymoのMLエンジニア採用・報酬・チーム構成

テクノロジーは人が作る。人材層——最優秀のMLエンジニア、ロボティクス研究者、コンピュータビジョン博士を、どのような報酬で、どのような定着率で採用できるか——は、Physical AIスケーリングの見えざる制約である。TeslaとWaymoはスタンフォード、CMU、MIT、UCバークレーから輩出される同一の狭い人材プールを争奪するが、両社の報酬構造、チーム文化、キャリア価値提案は根本的に異なる。本稿ではチーム規模、報酬、人材フロー、および各社のスケーリングを制約する特定の職種についてベンチマーク分析を行う。

「（推定）」と表示された数値はすべて、公開情報、求人情報、業界報酬データベース、研究論文、アナリスト推計に基づくものであり、独立検証された一次データではない。本稿は投資アドバイスを構成しない。

セクション1 — チーム規模と構成

指標Tesla AI/Autopilot/OptimusWaymo備考
AI/AVエンジニア総人数（推定）約3,000〜5,000人（推定）、Autopilot/FSD/Dojo/Optimusチーム全体約1,500〜2,500人（推定）、AVソフトウェア/ハードウェア/オペレーション全体Teslaの広いスコープ（FSD + Dojo + Optimus + Energy AI）が純粋AV専業のWaymoより人数を押し上げる
主要サブチームAutopilotソフトウェア、Dojoチップ/クラスター、Optimus AI/ハードウェア、FSDデータラベリング、フリートコンピュート知覚、予測、計画、マッピング、シミュレーション、リモートオペレーション、フリートハードウェア、安全両社とも深いシミュレーションチームを持つ；Waymoのシミュレーション能力は業界最高水準と評される
博士密度（推定）低め（推定）——Teslaは学術資格よりも実行速度を重視高め（推定）——WaymoはGoogle X起源の深い学術研究文化を持つ文化的差異：Teslaはビルダーを採用し、Waymoは研究者を採用する
ロボティクスチームOptimusハードウェア/ソフトウェアに約500〜1,000人（推定）約0人（ヒューマノイドプログラムなし）TeslaのロボティクスチームはAV企業の中で唯一無二
データアノテーション/ラベリングチーム大規模な内部チーム（推定1,000人以上）＋外部ラベリング請負業者小規模な内部チーム；シミュレーションへの依存度が高いTeslaのビデオ→ラベル変換パイプラインは人間介在型が多い
リモートオペレーションチーム構築中（オースティン ロボタクシー展開）推定200〜500人の専任リモートオペレーション専門家Waymoのリモートオペスチームは運用成熟；TeslaはゼロからのスタートZ

スコープのギャップ：Teslaの人数が多い理由

TeslaのAIエンジニアリング組織はそれぞれ専任AIタレントを必要とする3つの独立した製品ラインにまたがっている：FSD/Autopilot（自動運転）、Dojo（カスタムAIトレーニングスーパーコンピュータ）、Optimus（ヒューマノイドロボット）。Waymoの組織は自動運転のみに集中している。Tesla FSDとWaymo AVの製品ライン別人数差は、トップラインの数字が示すよりもはるかに小さい可能性がある（推定）。

セクション2 — 報酬比較

職種Tesla（推定）Waymo（推定）Google DeepMind（ベンチマーク）備考
スタッフMLエンジニア総報酬$350K〜550K（推定）総報酬$450K〜700K（推定）総報酬$500K〜800K（推定）WaymoはGoogle水準の報酬；Teslaは基本給低めだがロボタクシーがスケールすればエクイティ上昇余地大
シニアMLエンジニア総報酬$250K〜400K（推定）総報酬$300K〜500K（推定）総報酬$350K〜550K（推定）シニアレベルでWaymoはTeslaより20〜30%高い（推定）
MLエンジニア（L4/L5）総報酬$180K〜280K（推定）総報酬$220K〜350K（推定）総報酬$250K〜380K（推定）Waymoプレミアムは全レベルで一貫
コンピュータビジョン研究員（博士）総報酬$250K〜450K（推定）総報酬$350K〜600K（推定）総報酬$400K〜700K（推定）研究職：Waymoは学術研究報酬ベンチマークに最も近い
ロボティクスエンジニア（Optimus/AVハードウェア）総報酬$200K〜350K（推定）総報酬$250K〜400K（推定）N/A（ロボティクスプログラムなし）Optimusのスコープを考えると、TeslaはロボティクスタレントでユニークなZ競争力を持つ
エクイティ要素Tesla RSU——AV/Optimusがスケールすれば上昇余地大；歴史的にボラタイルWaymoエクイティはAlphabet支援；Teslaピークより上昇余地小さいが安定Google RSUは安定TeslaエクイティはAV/Optimus実現への賭け；Waymoエクイティはより安全だが上昇余地小
基本給とエクイティの比率基本給低め、エクイティ比率高め（推定）基本給高め、エクイティより控えめ（推定）バランス型Teslaの報酬構造はエクイティ上昇余地を信じるミッションドリブンなエンジニアを引き付ける

報酬ギャップ：ほとんどのレベルでWaymoが20〜30%高い

levels.fyi、Glassdoor、LinkedIn Salaryの2026年中頃時点の公開報酬データ（推定）によると、WaymoはL4からスタッフまで全レベルでTeslaより一貫して20〜30%高い。このギャップは、WaymoがGoogle、DeepMind、その他のAlphabet関連企業と直接競合する必要性を反映している。Teslaの報酬構造は異なる：保証基本給が低く、エクイティ比率が高く、FSDとOptimusが商業製品として実現すればTesla RSUが大幅に上昇するという「ミッションプレミアム」が暗黙に含まれている。

セクション3 — 主要な人材フローと競争ダイナミクス

ダイナミクス詳細示唆
Google/DeepMind → WaymoWaymoはGoogle Xチームが創設；深いGoogleタレントパイプラインWaymoはGoogleの名声と内部トランスファーネットワークから恩恵を受ける
Waymo → Tesla一部の元WaymoエンジニアがTeslaに在籍（両方向の流れが存在）相互受粉；TeslaはWaymoの研究文化出身のアルムナイから恩恵を受ける
Tesla → Waymoあまり一般的でない；Teslaの文化はより高速；Waymoの文化はよりアカデミック文化的適合がエンジニアの流れる方向をフィルタリング
大学パイプライン両社ともスタンフォード、CMU、MIT、UCバークレー、UIUCから積極採用スタンフォードCS/EE → シリコンバレーAVパイプライン；CMUロボティクス研究所 = Waymo/Tesla双方の重要供給源
国際人材両社ともH-1Bビザ保有者に大きく依存；米国移民政策変更は両社に影響共通リスク；AVタレントはグローバル調達
スタートアップ買収TeslaはDeepScaleを買収（2019年、知覚）；Waymoは研究スピンアウトから人材買収両社ともオーガニック採用を買収で補完
イーロン・マスクリテンションファクターTeslaエンジニアはミッションドリブン；マスクとの近さ = 高速度 + 高離職率高アウトプット、高燃え尽き；平均在籍2〜3年（推定）
Alphabet安定ファクターWaymoエンジニアはリサーチDepth + ワークライフバランス + Alphabet福利厚生を重視低速度、高定着率；平均在籍4〜6年（推定）

大学パイプライン：スタンフォード・CMU・MITへの高度集中

TeslaとWaymoは同一の5大機関と深い採用関係を築いている：スタンフォードCS/EE、カーネギーメロン大学ロボティクス研究所・ML学部、MIT CSAIL、UCバークレーEECS、UIUC。これらの機関からのコンピュータビジョン、ML、ロボティクスの博士課程修了者は年間数百人規模であり、数千人ではない。両社は同一の卒業コホートを争奪しており、このプールが急速に拡大することはない。

セクション4 — スケーリング制約としての人材

制約TeslaWaymoスケールへの影響
OptimusチームスケーリングOptimusはロボティクス + AI + ハードウェアエンジニアを必要とする；グローバル人材プールが狭いN/ATeslaで最も急速に成長する人材ニーズ；最も採用困難（推定）
Dojoチップチームカスタムシリコンエンジニア（VLSI + ML共同設計）はテクノロジー業界で最も希少な人材の一つGoogleのTPUチームがコンピュートを担当（社内；Dojo相当の制約なし）TeslaのDojoロードマップは資本制約と同様に人材制約を受けている
リモートオペレーションスケーリングオースティン向けにリモートオペスチームを構築中；経済性のために1:100比率への到達が必要成熟した運用チーム；スケーリングは漸進的Waymoのオペスチームがリード；Teslaはほぼゼロからのスタート
データラベリング品質エンドツーエンドのトレーニング品質には大規模な内部チームが不可欠シミュレーション優先でラベリング依存を削減Teslaのラベリングチーム品質がFSD改善速度を直接決定
安全/バリデーションエンジニア規制要件の増大に伴い成長中大規模で成熟した安全バリデーションチームWaymoの安全エンジニアリングの深さは規制当局との信頼構築の重要資産
地理的集中リスクベイエリア + オースティン集中；リモートフレンドリーを拡大中ベイエリア + マウンテンビュー集中；分散度が低い両社ともベイエリアの人材コストに直面；TeslaのテキサスプレゼンスがリスクをわずかZ分散

Teslaの本質的人材制約：Optimusハードウェア/AIとDojoカスタムシリコン

Teslaで最も制約されている2つの職種はFSD MLエンジニアではない——AV知覚・計画エンジニアは市場に相当数存在する。真に希少なのはOptimusハードウェア-AI統合エンジニア（メカトロニクス + ML共同設計）とDojoカスタムシリコンエンジニア（VLSI設計 + MLトレーニングシステムアーキテクチャ）である。この規模と統合の深さでヒューマノイドロボットを構築する企業は他に存在しないため、OptimusiOSハードウェア-AI職種には既成の人材パイプラインがほぼない——Teslaはこれらのエンジニアの大部分を社内で育成しなければならない。

Waymoの本質的人材制約：大規模リモートオペレーション

Waymoの制約は全く異なる：リモートオペレーション専門家である。Waymoのビジネスモデルは、複数の車両を監視する人間のリモートオペレーターに依存する——目標運用比率はシナリオの複雑さによって1オペレーターあたり10〜100台の車両程度。リモートオペレーションは華やかなエンジニアリング職種ではなく——車両監視、インシデント対応、カスタマーサービス、リアルタイムの曖昧状況下での意思決定を組み合わせたものだ。10都市10,000台の規模で、リモートオペス人材を大規模に採用・訓練・定着させることは、WaymoのML研究採用パイプラインとほとんど重複しない人的資本課題である。

セクション5 — 人材ベンチマークスコアカード

次元TeslaWaymo優位
人数（AI/AV/ロボティクス、推定）多い（推定約3K〜5K）少ない（推定約1.5K〜2.5K）Tesla（スコープが広い）
報酬競争力ほとんどのレベルでWaymoより20〜30%低い（推定）Google水準の報酬；高い競争力Waymo（現金報酬）；Tesla（AVが実現すればエクイティ上昇余地）
リサーチの深さ（博士密度）低め（推定）——実行優先文化高め（推定）——Google X起源の研究優先文化Waymo
ロボティクスタレント（Optimus）AV業界唯一；ヒューマノイド + AVを同時構築する唯一の企業なしTesla決定的優位
定着率/在籍期間低め（推定約2〜3年）——高速度、高燃え尽き高め（推定約4〜6年）——研究文化、安定Waymo
人材パイプライン（大学）スタンフォード/CMU/MITとの強い関係スタンフォード/CMU/MITとの強い関係；Googleの名声同等
ミッション吸引力「持続可能エネルギーの加速 + 完全自動運転 + ヒューマノイド」——信者には非常に強力「自動運転を安全に」——説得力あるがスコープは狭いTesla（より広いミッションがより多くのエンジニアタイプに訴える）

総合評価

TeslaはヘッドカウントZ、ミッションの広さ、ロボティクスのユニーク性で勝る。Waymoは報酬競争力、リサーチの深さ、定着率で勝る。Teslaの真の人材制約はOptimusハードウェア/AIとDojoチップエンジニアリング——Tesla自体以外にほとんど類似のパイプラインが存在しない2つの職種である。Waymoの制約は大規模リモートオペレーション——ML研究ほど華やかではないが、規模での採用においてより困難な、運営上クリティカルな役割である。Physical AIの人材争奪戦は最も高い報酬を提示するだけで勝てない——最優秀エンジニアが抵抗できない文化的価値提案を構築することで勝つ。TeslaとWaymoはまったく異なる価値提案を構築しており、両方が機能している。

注記： 「（推定）」と表示されたすべての数値は、公開情報、求人情報、levels.fyiなどの報酬データベース、研究論文、アナリスト推計、2026年中頃時点の業界レポートに基づく。本稿は投資アドバイスを構成しない。

ソース

タグ

#physical-ai#tesla#waymo#talent#ml-engineers#robotics#compensation#benchmark
チップ