2026-06-18 — views
Physical AI 人才争夺战 — Tesla 与 Waymo 的 ML 工程师招聘、薪酬与团队构成
Waymo 薪酬高于 Tesla 约 20-30%；Tesla 以使命广度与 Optimus 机器人独特性取胜。两者均从相同的斯坦福-CMU-MIT 人才管道竞相招募。
Physical AI 基准系列第 142 篇 — Physical AI 人才争夺战：Tesla 与 Waymo 的 ML 工程师招聘、薪酬与团队构成
科技由人才打造。人才层——谁能招募最优秀的 ML 工程师、机器人研究员与计算机视觉博士，以何种薪酬、何种留才率——是 Physical AI 规模化的隐性制约。Tesla 与 Waymo 竞相争夺来自斯坦福、CMU、MIT 与加州大学伯克利分校的同一狭窄人才池，但两者的薪酬结构、团队文化与职业主张截然不同。本篇文章从团队规模、薪酬、人才流动，以及各公司规模化瓶颈角色等维度进行全面比较。
所有标记”（估计）“的数字均来自公开披露、职位发布、行业薪酬数据库、研究论文与分析师估算，并非独立验证的第一手数据。本文不构成投资建议。
第一节 — 团队规模与构成
| 指标 | Tesla AI/Autopilot/Optimus | Waymo | 备注 |
|---|---|---|---|
| AI/AV 工程总人数（估计） | ~3,000-5,000（估计），横跨 Autopilot/FSD/Dojo/Optimus 团队 | ~1,500-2,500（估计），横跨 AV 软硬件与运营 | Tesla 范围更广（FSD + Dojo + Optimus + Energy AI），使整体人数高于纯 AV 的 Waymo |
| 主要子团队 | Autopilot 软件、Dojo 芯片/集群、Optimus AI/硬件、FSD 数据标注、车队算力 | 感知、预测、规划、地图、仿真、远程运营、车队硬件、安全 | 两者均有深厚仿真团队；Waymo 仿真能力被认为是业界顶尖 |
| 博士密度（估计） | 较低（估计）——Tesla 重视执行速度而非学术资历 | 较高（估计）——Waymo 源自 Google X 的深厚学术研究文化 | 文化差异：Tesla 招募实践者，Waymo 招募研究者 |
| 机器人团队 | ~500-1,000（估计）负责 Optimus 硬软件 | ~0（无人形机器人项目） | Tesla 的机器人团队在 AV 公司中独一无二 |
| 数据标注团队 | 庞大内部团队（~1,000+ 估计）＋外部标注承包商 | 较小内部团队；更依赖仿真 | Tesla 的视频转标注管道大量依赖人工介入 |
| 远程运营团队 | 建设中（奥斯汀机器出租车部署） | ~200-500（估计）专职远程运营人员 | Waymo 远程运营团队已成熟运作；Tesla 仍属起步阶段 |
规模差距：Tesla 人数较多的原因
Tesla 的 AI 工程组织横跨三条独立产品线，各自需要专属 AI 人才：FSD/Autopilot（自动驾驶）、Dojo（定制 AI 训练超级计算机）与 Optimus（人形机器人）。Waymo 则专注于自动驾驶。直接比较总人数会高估 Tesla 在任何单一领域的深度。就各产品线而言，Tesla FSD 与 Waymo AV 之间的人数差距可能远比表面数字小得多（估计）。
博士密度与文化模式
Waymo 源自 Google X 的研究优先文化，重视学术资历与发表记录。Tesla 的工程文化则优先考量出货速度与工程执行力。两种模式各有优劣：Waymo 的研究深度产出顶尖感知与规划算法；Tesla 的执行文化带来更快的 FSD 迭代速度。文化差异直接影响各公司吸引与留住哪类工程师。
第二节 — 薪酬比较
| 职位 | Tesla（估计） | Waymo（估计） | Google DeepMind（基准） | 备注 |
|---|---|---|---|---|
| 首席 ML 工程师 | $350K-550K 总薪酬（估计） | $450K-700K 总薪酬（估计） | $500K-800K 总薪酬（估计） | Waymo 支付 Google 级薪酬；Tesla 底薪较低但若机器出租车规模化则股票上涨空间大 |
| 高级 ML 工程师 | $250K-400K 总薪酬（估计） | $300K-500K 总薪酬（估计） | $350K-550K 总薪酬（估计） | 高级层级 Waymo 较 Tesla 高出 20-30%（估计） |
| ML 工程师（L4/L5） | $180K-280K 总薪酬（估计） | $220K-350K 总薪酬（估计） | $250K-380K 总薪酬（估计） | Waymo 溢价在各层级一致 |
| 计算机视觉研究员（博士） | $250K-450K 总薪酬（估计） | $350K-600K 总薪酬（估计） | $400K-700K 总薪酬（估计） | 研究职位：Waymo 最接近学术研究薪酬基准 |
| 机器人工程师（Optimus/AV 硬件） | $200K-350K 总薪酬（估计） | $250K-400K 总薪酬（估计） | N/A（无机器人项目） | 考量 Optimus 范围，Tesla 在机器人人才方面具独特竞争力 |
| 股权部分 | Tesla RSU——若 AV/Optimus 规模化则上涨空间大；历史上波动剧烈 | Waymo 股权 = Alphabet 支持；上涨空间低于 Tesla 高峰但更稳定 | Google RSU 稳定 | Tesla 股权是对 AV/Optimus 实现的押注；Waymo 股权更安全但上涨空间较小 |
| 底薪与股权比例 | 底薪较低，股权占比较高（估计） | 底薪较高，股权较适中（估计） | 均衡 | Tesla 薪酬结构吸引使命导向、相信股票上涨空间的工程师 |
薪酬差距：各层级 Waymo 高出 20-30%
根据 levels.fyi、Glassdoor 与 LinkedIn Salary 截至 2026 年中期的公开薪酬数据（估计），Waymo 在 L4 至首席各层级均比 Tesla 高出 20-30%。这一差距反映 Waymo 须直接与 Google、DeepMind 及其他 Alphabet 相关实体竞争——薪酬设定在 Google 内部薪资带水平。Tesla 的薪酬结构不同：保障底薪较低、股权占比较高，并隐含”使命溢价”——即 FSD 和 Optimus 若实现为商业产品，Tesla RSU 将大幅增值的主张。
第三节 — 关键人才流动与竞争动态
| 动态 | 详情 | 影响 |
|---|---|---|
| Google/DeepMind 到 Waymo | Waymo 由 Google X 团队创立；深厚的 Google 人才管道 | Waymo 受益于 Google 的声望与内部转调网络 |
| Waymo 到 Tesla | 部分前 Waymo 工程师任职 Tesla（双向流动皆有） | 交叉授粉；Tesla 受益于 Waymo 研究文化的校友 |
| Tesla 到 Waymo | 较少见；Tesla 文化节奏更快；Waymo 文化更偏学术 | 文化适配过滤工程师流动方向 |
| 大学人才管道 | 两者均大量招募斯坦福、CMU、MIT、加大伯克利、UIUC 人才 | 斯坦福 CS/EE 到硅谷 AV 管道；CMU 机器人研究所 = Waymo/Tesla 重要来源 |
| 国际人才 | 两者均大量依赖 H-1B 签证持有者；任何美国移民政策变化均影响两者 | 共同风险；AV 人才全球招募 |
| 初创收购 | Tesla 收购 DeepScale（2019，感知）；Waymo 通过人才收购补充研究人才 | 两者均以收购补充有机招募 |
| Elon Musk 留才因素 | Tesla 工程师具使命导向；与 Musk 近距离 = 高速度 + 高流失 | 高产出、高倦怠；平均任期约 2-3 年（估计） |
| Alphabet 稳定因素 | Waymo 工程师重视研究深度 + 工作生活平衡 + Alphabet 福利 | 较低速度、较高留才；平均任期约 4-6 年（估计） |
大学人才管道：斯坦福-CMU-MIT 的高度集中
Tesla 与 Waymo 均与相同的五所机构建立深厚招募关系：斯坦福 CS/EE、卡内基梅隆大学机器人研究所暨 ML 系、MIT CSAIL、加大伯克利 EECS 和 UIUC。每年从这些机构毕业的计算机视觉、ML 与机器人博士人数以数百计，而非数千。两家公司竞争同一批应届毕业生，而这个人才池不会快速扩大。
第四节 — 人才作为规模化制约
| 制约 | Tesla | Waymo | 对规模化的影响 |
|---|---|---|---|
| Optimus 团队扩张 | Optimus 需要机器人 + AI + 硬件工程师；全球人才池狭窄 | N/A | Tesla 最快速成长的人才需求；最难招募（估计） |
| Dojo 芯片团队 | 定制硅晶工程师（VLSI + ML 协同设计）是业界最稀缺人才之一 | Google TPU 团队负责算力（内部；无 Dojo 等效制约） | Tesla 的 Dojo 路线图受人才制约程度不亚于资本制约 |
| 远程运营规模化 | 正为奥斯汀建设远程运营团队；需达 1:100 比率方能实现经济效益 | 成熟运作中；规模化为渐进式 | Waymo 运营团队领先；Tesla 几乎从零开始 |
| 数据标注质量 | 庞大内部团队对端到端训练质量至关重要 | 仿真优先降低标注依赖 | Tesla 标注团队质量直接决定 FSD 进步速度 |
| 安全/验证工程师 | 随监管要求提高而成长 | 庞大、成熟的安全验证团队 | Waymo 的安全工程深度是向监管机构建立信任的关键资产 |
| 地理集中风险 | 湾区 + 奥斯汀集中；远程友好模式持续扩展 | 湾区 + Mountain View 集中；分散程度较低 | 两者均面临湾区人才成本；Tesla 的德州布局略为分散风险 |
Tesla 的核心人才制约：Optimus 硬件/AI 与 Dojo 定制硅晶
Tesla 最受限制的两个职位并非 FSD ML 工程师——市场上有相当数量的 AV 感知与规划工程师。真正稀缺的职位是 Optimus 硬件-AI 集成工程师（机电整合 + ML 协同设计）以及 Dojo 定制硅晶工程师（VLSI 设计 + ML 训练系统架构）。由于没有其他公司以如此规模与集成深度打造人形机器人，Optimus 硬件-AI 职位几乎没有现成人才管道——Tesla 必须大量在内部培养这些工程师。这两项制约对 Tesla 的 Optimus 与 Dojo 路线图的约束程度不亚于资本。
Waymo 的核心人才制约：大规模远程运营
Waymo 的制约截然不同：远程运营人员。Waymo 的商业模式依赖人工远程操作员监控多辆车辆——目标运营比率约为每位操作员监控 10-100 辆车（视情境复杂度而定）。远程运营并非迷人的工程职位——它结合了车辆监控、事故响应、客服与实时模糊情境决策。在 10 个城市、10,000 辆车的规模下，大规模招募、培训与留住远程运营人员，是一项与 Waymo ML 研究招募管道几乎无重叠的人力资本挑战。
第五节 — 人才基准评分卡
| 维度 | Tesla | Waymo | 优势 |
|---|---|---|---|
| 人数（AI/AV/机器人，估计） | 较多（~3K-5K 估计） | 较少（~1.5K-2.5K 估计） | Tesla（范围较广） |
| 薪酬竞争力 | 大多数层级低于 Waymo 20-30%（估计） | Google 级薪酬；高度竞争 | Waymo（现金薪酬）；Tesla（若 AV 实现则股票上涨空间） |
| 研究深度（博士密度） | 较低（估计）——执行优先文化 | 较高（估计）——源自 Google X 的研究优先文化 | Waymo |
| 机器人人才（Optimus） | AV 行业独一无二；唯一同时打造人形机器人与 AV 的公司 | 无 | Tesla 决定性优势 |
| 留才/任期 | 较低（~2-3 年估计）——高速度、高倦怠 | 较高（~4-6 年估计）——研究文化、稳定 | Waymo |
| 人才管道（大学） | 与斯坦福/CMU/MIT 关系深厚 | 与斯坦福/CMU/MIT 关系深厚；Google 声望 | 相当 |
| 使命吸引力 | ”加速可持续能源 + 完全自动驾驶 + 人形机器人”——对信仰者极具吸引力 | ”让自动驾驶更安全”——引人注目但范围较窄 | Tesla（更广的使命吸引更多工程师原型） |
整体结论
Tesla 在总人数、使命广度与机器人独特性方面胜出；Waymo 在薪酬竞争力、研究深度与留才方面胜出。Tesla 真正的人才制约在于 Optimus 硬件/AI 与 Dojo 芯片工程——这两类职位几乎没有任何可比的外部人才管道。Waymo 的制约在于大规模远程运营——这是一个不如 ML 研究光鲜、但在规模化招募上更具挑战性的关键运营角色。Physical AI 的人才争夺战不仅靠出最高薪资取胜——更靠打造让最优秀工程师无法抗拒的文化主张。Tesla 与 Waymo 各自打造了截然不同的主张，而两者都在发挥作用。
备注： 所有标记”（估计）“的数字均来自公开披露、职位发布、levels.fyi 等薪酬数据库、研究论文、分析师估算及截至 2026 年中期的行业报告。本文不构成投资建议。
来源
- Tesla AI 与自动驾驶团队 — Tesla 职业 ↗
- Waymo 职业与团队 — Waymo ↗
- AI 工程师薪酬基准 — levels.fyi ↗
- CMU 机器人研究所 — 学术人才管道 ↗
- Stanford AI 实验室 — 大学人才管道 ↗