2026-06-18 — views
自動駕駛人才大戰 — 頂尖工程師流向哪裡，對 Physical AI 加速意味著什麼
Apple Titan、Cruise、Argo AI 約釋出 4,000 名 AV 工程師。他們的去向正是 Physical AI 加速賽中誰在勝出的最清晰訊號。
Physical AI 基準系列第 81 篇 — 自動駕駛人才大戰：頂尖工程師流向哪裡，對 Physical AI 加速意味著什麼
最優秀的工程師決定技術在哪裡加速。在自動駕駛與 Physical AI 領域，人才遷移是判斷哪些公司正在增強實力最清晰的領先指標之一。2022 至 2025 年間，一波大規模的 AV 計畫關閉潮估計釋出了 3,000 至 4,000 名經驗豐富的工程師進入市場。Apple Project Titan 取消、Cruise 被 GM 停止、Argo AI 關閉，以及數個較小規模的重組，共同造成了 AV 產業史上最大的人才供給衝擊。這些工程師落腳何處，以及 Waymo、Tesla 與人形機器人公司正在從哪裡招募，是解讀加速賽走向的直接訊號。
第一節 — AV 人才供給衝擊
2022 至 2025 年間，一系列備受矚目的 AV 計畫關閉，將大批資深工程師釋入公開市場。這些並非剛入行的新鮮人，許多人已累積了五到十年在自主系統、感知堆疊、模擬基礎設施及即時嵌入式軟體領域的實戰經驗。
| 事件 | 釋出工程師人數（估） | 時間 | 去向 |
|---|---|---|---|
| Apple Project Titan 取消 | 約 600 人（估） | 2024 年 2 月 | Waymo、Tesla、Rivian、新創公司、學術研究；部分轉往生成式 AI |
| Cruise 停止（GM） | 約 900 人（估） | 2023 年底至 2024 年初 | Waymo、Aurora、Zoox、Nuro、新創公司 |
| Argo AI 關閉（Ford/VW） | 約 2,000 人（估） | 2022 年 10 月 | 分散各處；Aurora 吸納許多；大量流向 Waymo 與 Tesla |
| TuSimple 美國業務關閉 | 約 200 人（估） | 2023 年 | Aurora、Kodiak、Waymo；部分回歸中國業務 |
| Motional 重組 | 約 600 人（估） | 2024 至 2025 年 | 分散至其餘 AV 公司 |
| Zoox 裁員 | 約 100 人（估） | 2023 年 | Amazon 生態系內部；部分流向 Waymo 與 Tesla |
整體效應： 估計 2022 至 2025 年間約有 3,000 至 4,000 名經驗豐富的 AV 工程師進入市場（估）。這批人才主要集中流向 Waymo、Tesla、Aurora，以及日益壯大的人形機器人公司。
這批人才為何珍貴： 他們不是在實驗室受控環境中度過職業生涯的工程師。許多人曾將跑在真實道路上的生產程式碼交付上線，在雨中運作的感測器融合管線，在模擬基礎設施中排查邊際案例，以及對真實車隊推送 OTA 更新。這種工程經驗無法從大學招募取得，只能透過多年的真實 AV 運營磨礪而來。
第二節 — Waymo：人才磁鐵
Waymo 是 AV 產業整合的最大受益者。競爭對手接連關閉，Waymo 吸納了他們最優秀的工程師，這並非偶然，而是因為 Waymo 提供了那些已關閉計畫所無法給予的東西：一個正在商業運營的無人駕駛服務，且具備清晰的發展軌跡。
| 人才流動 | 方向 | 備註 |
|---|---|---|
| 來自 Argo AI（2022 年） | 流入 | Waymo 在 Ford/VW 關閉後大量吸納 Argo 人才 |
| 來自 Cruise（2023 至 2024 年） | 流入 | 具備機器人計程車運營經驗的 Cruise 工程師最受重視 |
| 來自 Apple Titan（2024 年） | 流入 | Waymo 的商業運營使其成為首選目的地 |
| 從 Waymo 流向 Tesla | 流出 | 持續進行；Tesla 在此期間積極爭搶 Waymo 人才 |
| 從 Waymo 流向人形機器人 | 流出 | 部分資深 Waymo 工程師轉往 Physical Intelligence、Figure AI、Apptronik |
工程師選擇 Waymo 的原因：
- 全商業無人駕駛部署路徑最明確，已在美國四座城市規模化運營
- Alphabet 支撐提供了穿越長開發週期的財務穩定性
- 全球最成熟的 AV 工程文化（超過 14 年的機構知識積累）
- 最完整的真實世界無人駕駛資料集，任何其他公司無法比擬
- 使命不再是假設：工程師可以搭乘自己開發的產品上班
複利優勢： Waymo 從每一個關閉計畫中吸納的工程師，立刻開始為全球最成熟的無人駕駛系統做出貢獻。他們的經驗壓縮了 Waymo 的機構學習曲線。這種人才吸納不僅是人頭數的增加，更是從那些在關閉前已花費數十億美元和數百萬工程師小時的計畫中萃取的具身知識。
第三節 — Tesla：薪酬競賽升溫
Tesla 主要透過薪酬規模與使命敘事爭搶 AV 與 AI 人才。Elon Musk 將 Tesla 定位為加速永續能源並擴展人類文明的公司，吸引了願意接受略低於市場的薪酬換取更高使命感的工程師——儘管與 Waymo 的薪酬差距已大幅縮小。
| 薪酬層級 | Tesla AV/AI 職位（估計 TC） | Waymo 同等職位（估計 TC） |
|---|---|---|
| 資深 ML 工程師 | 40 萬至 60 萬美元（估） | 45 萬至 70 萬美元（估） |
| Staff/Principal ML 工程師 | 60 萬至 90 萬美元（估） | 70 萬至 110 萬美元（估） |
| Autopilot/FSD 總監 | 90 萬至 150 萬美元（估） | 100 萬至 200 萬美元以上（估） |
| VP 層級 | 200 萬至 500 萬美元以上，偏重股權（估） | 200 萬至 400 萬美元以上（估） |
Tesla 的人才優勢： 端對端神經網路的全自動駕駛方法本身就是尖端 AI 研究問題，從某種程度上比 Waymo 更結構化的系統工程方法更接近機器學習的前沿。對某類 ML 研究員而言，投身 Tesla FSD 堆疊，比在已透過 HD 地圖與雷達冗餘解決核心感知問題的系統上工作，智識上更具吸引力。
關鍵人才訊號：
- Tesla 多次從 Google Brain、DeepMind 與 OpenAI 招募人才加入 Dojo 與 FSD 團隊，顯示其在 AI 研究人才市場競爭，而非僅限 AV 工程人才市場
- Andrej Karpathy 於 2022 年離職是當年整個 AV 產業最受關注的單一人才訊號；他離職後的工作持續維繫 Tesla 與廣大 AI 研究社群的連結
- Tesla 的 Dojo 晶片團隊從 AMD、NVIDIA 及 Apple Silicon 團隊招募人才，顯示其對客製化晶片能力的認真投入
第四節 — AV 人才向人形機器人的流失
2024 至 2026 年最重要的人才趨勢，是一個不會出現在標準招募追蹤工具上的現象：有經驗的 AV 工程師正從 AV 計畫流向人形機器人公司。這種遷移並非偶然，而是資深工程師刻意認識到人形機器人與 AV 感知技術問題的相似程度遠超表面所見。
| 人形機器人公司 | 吸引的 AV 人才來源 | 帶來的能力 |
|---|---|---|
| Physical Intelligence (π) | Waymo、Google DeepMind、史丹佛機器人 | 機器人策略學習；模擬到現實遷移；大規模行為訓練 |
| Figure AI | Waymo、Tesla、Boston Dynamics | 全堆疊機器人系統；感知加操控；真實世界部署經驗 |
| Apptronik | NASA、德州大學奧斯汀分校機器人 | 雙足運動；硬體與軟體協同設計；力控驅動 |
| 1X Technologies | 各 AV 與機器人計畫 | 全球招募；挪威總部；感知堆疊專業 |
| Boston Dynamics（現代汽車） | Atlas 計畫內部老兵 | 深度操控專業；數十年雙足運動研究 |
AV 工程師為何直接適用於人形機器人：
技術遷移比多數業界觀察者意識到的更為直接。感知堆疊——攝影機、雷達、感測器融合、即時目標偵測與追蹤——本質上是相同的問題。邊緣端即時神經網路推論在幾乎相同的硬體約束下運行。訓練用的模擬基礎設施，包括合成資料生成與領域隨機化，解決的是同樣的領域差距問題。一位為 Waymo 機器人計程車堆疊建立目標偵測系統的工程師，能將那段經驗直接應用於人形機器人的目標辨識與操控目標偵測。
AV 與人形機器人之間的人才橋梁比表面看起來更短。正在吸納流失 AV 工程師的公司，正在將數年的學習壓縮進數月。
第五節 — 人才遷移作為基準訊號
人才遷移是領先指標，它在營收、部署數字和公開聲明之前就已移動。正確解讀人才流向，能提供財務指標無法揭示的 Physical AI 加速賽洞察。
| 訊號 | 解讀 |
|---|---|
| Waymo 持續吸引前 Cruise/Argo/Apple 工程師 | 正向加速訊號 — 有經驗的工程師用職涯為 Waymo 的商業軌跡投票 |
| 資深 Waymo 工程師流向人形機器人新創 | 混合訊號 — 人形機器人被視為下一個前沿；不代表 Waymo 正在衰退，但顯示有企圖心的工程師在哪裡看見 10 年上行空間 |
| Tesla Dojo 團隊從 NVIDIA 與 Apple Silicon 招募 | Tesla 正面訊號 — 建立嚴肅的矽晶片能力，不只是軟體策略 |
| Karpathy 離職（2022 年）及後續 Tesla Autopilot 團隊流動 | 歷史警訊 — 頂層人才流動預示能力停滯；Tesla 其後重建了團隊 |
| Aurora 吸納 Argo AI 後的成果 | Aurora 正面訊號 — 以破產計畫折扣價吸納最優秀的 Argo 人才；隨後用以達成 I-45 貨運走廊商業發射 |
| Cruise 解散 | 負面訊號已被吸收 — GM 超過 100 億美元的注銷將人才釋入生態系統；對 Waymo 與 Aurora 為主要吸納者而言淨為正向 |
| Apple Titan 取消 | AV 史上最大單次人才釋出；主要受益者為 Waymo；次要訊號：Apple 判斷 AV 不值得競爭，驗證了這個問題的難度 |
元訊號： 從已關閉計畫吸納有經驗 AV 工程師的公司，正在壓縮其加速時程。每位被吸納的工程師都帶來從那些在關閉前已花費數十億研發資本的計畫中萃取的具身知識，而這種機構知識現在在接收組織內複利增長。
對 Tesla 而言，Optimus 與 FSD 計畫在關鍵領域共用工程人才。一位改進 Tesla 神經網路駕駛堆疊的工程師，同時也在改進 Optimus 的環境感知能力。這種跨計畫交叉授粉是 Tesla 獨特的組織複利優勢，且對任何將 AV 與人形機器人視為獨立計畫的指標而言完全不可見。
第六節 — 關於本系列
這是 Physical AI 基準系列的第 81 篇文章。前篇文章涵蓋了加速指數、人形機器人競賽、單位經濟、全球競爭、高精度地圖、軟體與 OTA 更新、消費者需求、競爭護城河、安全資料、Waymo Gen 6、Optimus 製造、計分卡快照、2030 年預測情境、投資人框架、城市擴張管線、Tesla FSD 州核准地圖、AV 天氣與氣候限制、法規日曆、機器人計程車票價定價、人形機器人部署追蹤、供應鏈分析、消費者採用需求指數、估值與 IPO 分析、Physical AI 2026 年中總結、AV 每英里成本分解、AV 資料飛輪比較、AV 網路安全攻擊面、Physical AI 供應鏈、AV 車隊運營、AV 保險與責任演變、完整生命週期環境成本、無障礙層、地圖架構比較、中國 AV 競賽、模擬與合成資料訓練、Physical AI 投資格局、AV 城市規劃影響、自動駕駛貨運經濟、歐洲 AV 競爭格局、AV 感測器技術辯論，以及 AV 安全指標（第 80 篇）。
本篇增加人才層面的分析：2022 至 2025 年間從已關閉 AV 計畫釋出的約 3,000 至 4,000 名（估）工程師去向何處、為何 Waymo 是主要吸納者、Tesla 如何在薪酬與使命上競爭、人形機器人公司為何開始從 AV 人才庫招募，以及如何將人才遷移解讀為 Physical AI 加速賽的領先指標。
注意： 工程師人數、薪酬數字及人才流動估計，凡基於業界估計、公開報導及 LinkedIn 資料彙整之處均標記「（估）」。本文不構成投資建議。
來源
- Apple Project Titan 取消 — Bloomberg 報導 ↗
- Cruise 結束 — GM 投資人關係 ↗
- Argo AI 關閉 — Ford Motor Company ↗
- Waymo 招募 — Waymo 職涯 ↗
- Physical Intelligence (π) ↗