2026-06-18 — views
自动驾驶人才大战 — 顶尖工程师流向何处，对 Physical AI 加速意味着什么
Apple Titan、Cruise、Argo AI 约释出 4,000 名 AV 工程师。他们的去向是 Physical AI 加速赛中谁在胜出的最清晰信号。
Physical AI 基准系列第 81 篇 — 自动驾驶人才大战：顶尖工程师流向何处，对 Physical AI 加速意味着什么
最优秀的工程师决定技术在哪里加速。在自动驾驶与 Physical AI 领域，人才迁移是判断哪些公司正在增强实力最清晰的领先指标之一。2022 至 2025 年间，一波大规模的 AV 项目关闭潮估计释出了 3,000 至 4,000 名经验丰富的工程师进入市场。Apple Project Titan 取消、Cruise 被 GM 停止、Argo AI 关闭，以及数个较小规模的重组，共同造成了 AV 行业史上最大的人才供给冲击。这些工程师落脚何处，以及 Waymo、Tesla 与人形机器人公司正在从哪里招募，是解读加速赛走向的直接信号。
第一节 — AV 人才供给冲击
2022 至 2025 年间，一系列备受瞩目的 AV 项目关闭，将大批资深工程师释入公开市场。这些并非刚入行的新手，许多人已积累了五到十年在自主系统、感知堆栈、仿真基础设施及实时嵌入式软件领域的实战经验。
| 事件 | 释出工程师人数（估） | 时间 | 去向 |
|---|---|---|---|
| Apple Project Titan 取消 | 约 600 人（估） | 2024 年 2 月 | Waymo、Tesla、Rivian、初创公司、学术研究；部分转向生成式 AI |
| Cruise 停止（GM） | 约 900 人（估） | 2023 年底至 2024 年初 | Waymo、Aurora、Zoox、Nuro、初创公司 |
| Argo AI 关闭（Ford/VW） | 约 2,000 人（估） | 2022 年 10 月 | 分散各处；Aurora 吸纳许多；大量流向 Waymo 与 Tesla |
| TuSimple 美国业务关闭 | 约 200 人（估） | 2023 年 | Aurora、Kodiak、Waymo；部分回归中国业务 |
| Motional 重组 | 约 600 人（估） | 2024 至 2025 年 | 分散至其余 AV 公司 |
| Zoox 裁员 | 约 100 人（估） | 2023 年 | Amazon 生态系内部；部分流向 Waymo 与 Tesla |
整体效应： 估计 2022 至 2025 年间约有 3,000 至 4,000 名经验丰富的 AV 工程师进入市场（估）。这批人才主要集中流向 Waymo、Tesla、Aurora，以及日益壮大的人形机器人公司。
这批人才为何珍贵： 他们不是在实验室受控环境中度过职业生涯的工程师。许多人曾将跑在真实道路上的生产代码交付上线，在雨中运作的传感器融合管线，在仿真基础设施中排查边缘案例，以及对真实车队推送 OTA 更新。这种工程经验无法从大学招募取得，只能通过多年的真实 AV 运营磨砺而来。
第二节 — Waymo：人才磁铁
Waymo 是 AV 行业整合的最大受益者。竞争对手接连关闭，Waymo 吸纳了他们最优秀的工程师，这并非偶然，而是因为 Waymo 提供了那些已关闭项目所无法给予的东西：一个正在商业运营的无人驾驶服务，且具备清晰的发展轨迹。
| 人才流动 | 方向 | 备注 |
|---|---|---|
| 来自 Argo AI（2022 年） | 流入 | Waymo 在 Ford/VW 关闭后大量吸纳 Argo 人才 |
| 来自 Cruise（2023 至 2024 年） | 流入 | 具备机器人出租车运营经验的 Cruise 工程师最受重视 |
| 来自 Apple Titan（2024 年） | 流入 | Waymo 的商业运营使其成为首选目的地 |
| 从 Waymo 流向 Tesla | 流出 | 持续进行；Tesla 在此期间积极争抢 Waymo 人才 |
| 从 Waymo 流向人形机器人 | 流出 | 部分资深 Waymo 工程师转往 Physical Intelligence、Figure AI、Apptronik |
工程师选择 Waymo 的原因：
- 全商业无人驾驶部署路径最明确，已在美国四座城市规模化运营
- Alphabet 支撑提供了穿越长开发周期的财务稳定性
- 全球最成熟的 AV 工程文化（超过 14 年的机构知识积累）
- 最完整的真实世界无人驾驶数据集，任何其他公司无法比拟
- 使命不再是假设：工程师可以乘坐自己开发的产品上班
复利优势： Waymo 从每一个关闭项目中吸纳的工程师，立刻开始为全球最成熟的无人驾驶系统做出贡献。他们的经验压缩了 Waymo 的机构学习曲线。这种人才吸纳不仅是人头数的增加，更是从那些在关闭前已花费数十亿美元和数百万工程师小时的项目中萃取的具身知识。
第三节 — Tesla：薪酬竞赛升温
Tesla 主要通过薪酬规模与使命叙事争抢 AV 与 AI 人才。Elon Musk 将 Tesla 定位为加速可持续能源并扩展人类文明的公司，吸引了愿意接受略低于市场薪酬换取更高使命感的工程师——尽管与 Waymo 的薪酬差距已大幅缩小。
| 薪酬层级 | Tesla AV/AI 职位（估计 TC） | Waymo 同等职位（估计 TC） |
|---|---|---|
| 高级 ML 工程师 | 40 万至 60 万美元（估） | 45 万至 70 万美元（估） |
| Staff/Principal ML 工程师 | 60 万至 90 万美元（估） | 70 万至 110 万美元（估） |
| Autopilot/FSD 总监 | 90 万至 150 万美元（估） | 100 万至 200 万美元以上（估） |
| VP 层级 | 200 万至 500 万美元以上，偏重股权（估） | 200 万至 400 万美元以上（估） |
Tesla 的人才优势： 端到端神经网络的全自动驾驶方法本身就是前沿 AI 研究问题，从某种程度上比 Waymo 更结构化的系统工程方法更接近机器学习的前沿。对某类 ML 研究员而言，投身 Tesla FSD 堆栈，比在已通过高精度地图与雷达冗余解决核心感知问题的系统上工作，在智识上更具吸引力。
关键人才信号：
- Tesla 多次从 Google Brain、DeepMind 与 OpenAI 招募人才加入 Dojo 与 FSD 团队，显示其在 AI 研究人才市场竞争，而非仅限 AV 工程人才市场
- Andrej Karpathy 于 2022 年离职是当年整个 AV 行业最受关注的单一人才信号；他离职后的工作持续维系 Tesla 与广大 AI 研究社区的联系
- Tesla 的 Dojo 芯片团队从 AMD、NVIDIA 及 Apple Silicon 团队招募人才，显示其对定制化芯片能力的认真投入
第四节 — AV 人才向人形机器人的流失
2024 至 2026 年最重要的人才趋势，是一个不会出现在标准招募追踪工具上的现象：有经验的 AV 工程师正从 AV 项目流向人形机器人公司。这种迁移并非偶然，而是资深工程师刻意认识到人形机器人与 AV 感知技术问题的相似程度远超表面所见。
| 人形机器人公司 | 吸引的 AV 人才来源 | 带来的能力 |
|---|---|---|
| Physical Intelligence (π) | Waymo、Google DeepMind、斯坦福机器人 | 机器人策略学习；仿真到现实迁移；大规模行为训练 |
| Figure AI | Waymo、Tesla、Boston Dynamics | 全堆栈机器人系统；感知加操控；真实世界部署经验 |
| Apptronik | NASA、德克萨斯大学奥斯汀分校机器人 | 双足运动；硬件与软件协同设计；力控驱动 |
| 1X Technologies | 各 AV 与机器人项目 | 全球招募；挪威总部；感知堆栈专业 |
| Boston Dynamics（现代汽车） | Atlas 项目内部老将 | 深度操控专业；数十年双足运动研究 |
AV 工程师为何直接适用于人形机器人：
技术迁移比多数行业观察者意识到的更为直接。感知堆栈——摄像头、雷达、传感器融合、实时目标检测与追踪——本质上是相同的问题。边缘端实时神经网络推理在几乎相同的硬件约束下运行。训练用的仿真基础设施，包括合成数据生成与领域随机化，解决的是同样的领域差距问题。一位为 Waymo 机器人出租车堆栈构建目标检测系统的工程师，能将那段经验直接应用于人形机器人的目标识别与操控目标检测。
AV 与人形机器人之间的人才桥梁比表面看起来更短。正在吸纳流失 AV 工程师的公司，正在将数年的学习压缩进数月。
第五节 — 人才迁移作为基准信号
人才迁移是领先指标，它在营收、部署数字和公开声明之前就已移动。正确解读人才流向，能提供财务指标无法揭示的 Physical AI 加速赛洞察。
| 信号 | 解读 |
|---|---|
| Waymo 持续吸引前 Cruise/Argo/Apple 工程师 | 正向加速信号 — 有经验的工程师用职业生涯为 Waymo 的商业轨迹投票 |
| 资深 Waymo 工程师流向人形机器人初创 | 混合信号 — 人形机器人被视为下一个前沿；不代表 Waymo 正在衰退，但显示有抱负的工程师在哪里看见 10 年上行空间 |
| Tesla Dojo 团队从 NVIDIA 与 Apple Silicon 招募 | Tesla 正面信号 — 建立严肃的芯片能力，不只是软件策略 |
| Karpathy 离职（2022 年）及后续 Tesla Autopilot 团队流动 | 历史警示 — 顶层人才流动预示能力停滞；Tesla 其后重建了团队 |
| Aurora 吸纳 Argo AI 后的成果 | Aurora 正面信号 — 以破产项目折扣价吸纳最优秀的 Argo 人才；随后用以达成 I-45 货运走廊商业发布 |
| Cruise 解散 | 负面信号已被吸收 — GM 超过 100 亿美元的注销将人才释入生态系统；对 Waymo 与 Aurora 为主要吸纳者而言净为正向 |
| Apple Titan 取消 | AV 史上最大单次人才释出；主要受益者为 Waymo；次要信号：Apple 判断 AV 不值得竞争，验证了这个问题的难度 |
元信号： 从已关闭项目吸纳有经验 AV 工程师的公司，正在压缩其加速时程。每位被吸纳的工程师都带来从那些在关闭前已花费数十亿研发资本的项目中萃取的具身知识，而这种机构知识现在在接收组织内复利增长。
对 Tesla 而言，Optimus 与 FSD 项目在关键领域共用工程人才。一位改进 Tesla 神经网络驾驶堆栈的工程师，同时也在改进 Optimus 的环境感知能力。这种跨项目交叉授粉是 Tesla 独特的组织复利优势，且对任何将 AV 与人形机器人视为独立项目的指标而言完全不可见。
第六节 — 关于本系列
这是 Physical AI 基准系列的第 81 篇文章。前篇文章涵盖了加速指数、人形机器人竞赛、单位经济、全球竞争、高精度地图、软件与 OTA 更新、消费者需求、竞争护城河、安全数据、Waymo Gen 6、Optimus 制造、计分卡快照、2030 年预测情境、投资者框架、城市扩张管线、Tesla FSD 州核准地图、AV 天气与气候限制、法规日历、机器人出租车票价定价、人形机器人部署追踪、供应链分析、消费者采用需求指数、估值与 IPO 分析、Physical AI 2026 年中总结、AV 每英里成本分解、AV 数据飞轮比较、AV 网络安全攻击面、Physical AI 供应链、AV 车队运营、AV 保险与责任演变、完整生命周期环境成本、无障碍层、地图架构比较、中国 AV 竞赛、仿真与合成数据训练、Physical AI 投资格局、AV 城市规划影响、自动驾驶货运经济、欧洲 AV 竞争格局、AV 传感器技术辩论，以及 AV 安全指标（第 80 篇）。
本篇增加人才层面的分析：2022 至 2025 年间从已关闭 AV 项目释出的约 3,000 至 4,000 名（估）工程师去向何处、为何 Waymo 是主要吸纳者、Tesla 如何在薪酬与使命上竞争、人形机器人公司为何开始从 AV 人才库招募，以及如何将人才迁移解读为 Physical AI 加速赛的领先指标。
注意： 工程师人数、薪酬数字及人才流动估计，凡基于行业估计、公开报道及 LinkedIn 数据汇整之处均标记「（估）」。本文不构成投资建议。
来源
- Apple Project Titan 取消 — Bloomberg 报道 ↗
- Cruise 停止 — GM 投资者关系 ↗
- Argo AI 关闭 — Ford Motor Company ↗
- Waymo 招聘 — Waymo 职业 ↗
- Physical Intelligence (π) ↗