2026-06-18 — views
Physical AI 人才爭奪戰 — Tesla 與 Waymo 的 ML 工程師招聘、薪酬與團隊組成
Waymo 薪酬高於 Tesla 約 20-30%；Tesla 以使命廣度與 Optimus 機器人獨特性取勝。兩者均從相同的史丹佛-CMU-MIT 人才管道競相招募。
Physical AI 基準系列第 142 篇 — Physical AI 人才爭奪戰：Tesla 與 Waymo 的 ML 工程師招聘、薪酬與團隊組成
科技由人才打造。人才層——誰能招募最優秀的 ML 工程師、機器人研究員與電腦視覺博士，以何種薪酬、何種留才率——是 Physical AI 規模化的隱性制約。Tesla 與 Waymo 競相爭奪來自史丹佛、CMU、MIT 與加州大學柏克萊分校的同一狹窄人才池，但兩者的薪酬結構、團隊文化與職涯主張截然不同。本篇文章從團隊規模、薪酬、人才流動，以及各公司規模化瓶頸角色等面向進行全面比較。
所有標記「（估計）」的數字均來自公開揭露、職缺發布、產業薪酬資料庫、研究論文與分析師估算，並非獨立驗證的第一手數據。本文不構成投資建議。
第一節 — 團隊規模與組成
| 指標 | Tesla AI/Autopilot/Optimus | Waymo | 備注 |
|---|---|---|---|
| AI/AV 工程總人數（估計） | ~3,000-5,000（估計），橫跨 Autopilot/FSD/Dojo/Optimus 團隊 | ~1,500-2,500（估計），橫跨 AV 軟硬體與運營 | Tesla 範疇更廣（FSD + Dojo + Optimus + Energy AI），使整體人數高於純 AV 的 Waymo |
| 主要子團隊 | Autopilot 軟體、Dojo 晶片/叢集、Optimus AI/硬體、FSD 資料標注、車隊算力 | 感知、預測、規劃、地圖、模擬、遠端作業、車隊硬體、安全 | 兩者皆有深厚模擬團隊；Waymo 模擬能力被認為是業界頂尖 |
| 博士密度（估計） | 較低（估計）——Tesla 重視執行速度而非學術資歷 | 較高（估計）——Waymo 源自 Google X 的深厚學術研究文化 | 文化差異：Tesla 招募實作者，Waymo 招募研究者 |
| 機器人團隊 | ~500-1,000（估計）負責 Optimus 硬軟體 | ~0（無人形機器人計畫） | Tesla 的機器人團隊在 AV 公司中獨一無二 |
| 資料標注團隊 | 龐大內部團隊（~1,000+ 估計）＋外部標注承包商 | 較小內部團隊；更依賴模擬 | Tesla 的影片轉標注管道大量倚賴人工介入 |
| 遠端作業團隊 | 建設中（奧斯汀機器計程車部署） | ~200-500（估計）專職遠端作業人員 | Waymo 遠端作業團隊已成熟運作；Tesla 仍屬起步階段 |
規模差距：Tesla 人數較多的原因
Tesla 的 AI 工程組織橫跨三條獨立產品線，各自需要專屬 AI 人才：FSD/Autopilot（自動駕駛）、Dojo（自訂 AI 訓練超級電腦）與 Optimus（人形機器人）。Waymo 則專注於自動駕駛。直接比較總人數會高估 Tesla 在任何單一領域的深度。Waymo ~1,500-2,500 名工程師幾乎全部聚焦於一項產品；Tesla ~3,000-5,000 名則分散於三條線。就各產品線而言，Tesla FSD 與 Waymo AV 之間的人數差距可能遠比表面數字小得多（估計）。
博士密度與文化模式
Waymo 源自 Google X 的研究優先文化，重視學術資歷與發表記錄。Tesla 的工程文化則優先考量出貨速度與工程執行力——這是 Musk 時代刻意選擇的文化取向。兩種模式各有優劣：Waymo 的研究深度產出頂尖感知與規劃演算法；Tesla 的執行文化帶來更快的 FSD 迭代速度。文化差異直接影響各公司吸引與留住哪類工程師。
第二節 — 薪酬比較
| 職位 | Tesla（估計） | Waymo（估計） | Google DeepMind（基準） | 備注 |
|---|---|---|---|---|
| 首席 ML 工程師 | $350K-550K 總薪酬（估計） | $450K-700K 總薪酬（估計） | $500K-800K 總薪酬（估計） | Waymo 支付 Google 級薪酬；Tesla 底薪較低但若機器計程車規模化則股票上漲空間大 |
| 資深 ML 工程師 | $250K-400K 總薪酬（估計） | $300K-500K 總薪酬（估計） | $350K-550K 總薪酬（估計） | 資深層級 Waymo 較 Tesla 高出 20-30%（估計） |
| ML 工程師（L4/L5） | $180K-280K 總薪酬（估計） | $220K-350K 總薪酬（估計） | $250K-380K 總薪酬（估計） | Waymo 溢價在各層級一致 |
| 電腦視覺研究員（博士） | $250K-450K 總薪酬（估計） | $350K-600K 總薪酬（估計） | $400K-700K 總薪酬（估計） | 研究職位：Waymo 最接近學術研究薪酬基準 |
| 機器人工程師（Optimus/AV 硬體） | $200K-350K 總薪酬（估計） | $250K-400K 總薪酬（估計） | N/A（無機器人計畫） | 考量 Optimus 範疇，Tesla 在機器人人才方面具獨特競爭力 |
| 股權部分 | Tesla RSU——若 AV/Optimus 規模化則上漲空間大；歷史上波動劇烈 | Waymo 股權 = Alphabet 支持；上漲空間低於 Tesla 高峰但更穩定 | Google RSU 穩定 | Tesla 股權是對 AV/Optimus 實現的押注；Waymo 股權更安全但上漲空間較小 |
| 底薪與股權比例 | 底薪較低，股權佔比較高（估計） | 底薪較高，股權較適中（估計） | 均衡 | Tesla 薪酬結構吸引使命導向、相信股票上漲空間的工程師 |
薪酬差距：各層級 Waymo 高出 20-30%
根據 levels.fyi、Glassdoor 與 LinkedIn Salary 截至 2026 年中期的公開薪酬資料（估計），Waymo 在 L4 至首席各層級均比 Tesla 高出 20-30%。這一差距反映 Waymo 須直接與 Google、DeepMind 及其他 Alphabet 相關實體競爭——薪酬設定在 Google 內部薪資帶水準。Tesla 的薪酬結構不同：保障底薪較低、股權佔比較高，並隱含「使命溢價」——即 FSD 和 Optimus 若實現為商業產品，Tesla RSU 將大幅增值的主張。
第三節 — 關鍵人才流動與競爭動態
| 動態 | 詳情 | 影響 |
|---|---|---|
| Google/DeepMind 到 Waymo | Waymo 由 Google X 團隊創立；深厚的 Google 人才管道 | Waymo 受益於 Google 的聲望與內部轉調網絡 |
| Waymo 到 Tesla | 部分前 Waymo 工程師任職 Tesla（雙向流動皆有） | 交叉授粉；Tesla 受益於 Waymo 研究文化的校友 |
| Tesla 到 Waymo | 較少見；Tesla 文化節奏更快；Waymo 文化更偏學術 | 文化適配過濾工程師流動方向 |
| 大學人才管道 | 兩者均大量招募史丹佛、CMU、MIT、加大柏克萊、UIUC 人才 | 史丹佛 CS/EE 到矽谷 AV 管道；CMU 機器人研究所 = Waymo/Tesla 重要來源 |
| 國際人才 | 兩者均大量依賴 H-1B 簽證持有者；任何美國移民政策變化均影響兩者 | 共同風險；AV 人才全球招募 |
| 新創收購 | Tesla 收購 DeepScale（2019，感知）；Waymo 透過人才收購補充研究人才 | 兩者均以收購補充有機招募 |
| Elon Musk 留才因素 | Tesla 工程師具使命導向；與 Musk 近距離 = 高速度 + 高流失 | 高產出、高倦怠；平均任期約 2-3 年（估計） |
| Alphabet 穩定因素 | Waymo 工程師重視研究深度 + 工作生活平衡 + Alphabet 福利 | 較低速度、較高留才；平均任期約 4-6 年（估計） |
大學人才管道：史丹佛-CMU-MIT 的高度集中
Tesla 與 Waymo 均與相同的五所機構建立深厚招募關係：史丹佛 CS/EE、卡內基梅隆大學機器人研究所暨 ML 系、MIT CSAIL、加大柏克萊 EECS 和 UIUC。每年從這些機構畢業的電腦視覺、ML 與機器人博士人數以數百計，而非數千。兩家公司競爭同一批應屆畢業生，而這個人才池不會快速擴大。
第四節 — 人才作為規模化制約
| 制約 | Tesla | Waymo | 對規模化的影響 |
|---|---|---|---|
| Optimus 團隊擴張 | Optimus 需要機器人 + AI + 硬體工程師；全球人才池狹窄 | N/A | Tesla 最快速成長的人才需求；最難招募（估計） |
| Dojo 晶片團隊 | 自訂矽晶工程師（VLSI + ML 協同設計）是業界最稀缺人才之一 | Google TPU 團隊負責算力（內部；無 Dojo 等效制約） | Tesla 的 Dojo 路線圖受人才制約程度不亞於資本制約 |
| 遠端作業規模化 | 正為奧斯汀建設遠端作業團隊；需達 1:100 比率方能實現經濟效益 | 成熟運作中；規模化為漸進式 | Waymo 作業團隊領先；Tesla 幾乎從零開始 |
| 資料標注品質 | 龐大內部團隊對端到端訓練品質至關重要 | 模擬優先降低標注依賴 | Tesla 標注團隊品質直接決定 FSD 進步速度 |
| 安全/驗證工程師 | 隨監管要求提高而成長 | 龐大、成熟的安全驗證團隊 | Waymo 的安全工程深度是向監管機構建立信任的關鍵資產 |
| 地理集中風險 | 灣區 + 奧斯汀集中；遠端友善模式持續擴展 | 灣區 + Mountain View 集中；分散程度較低 | 兩者均面臨灣區人才成本；Tesla 的德州布局略為分散風險 |
Tesla 的核心人才制約：Optimus 硬體/AI 與 Dojo 自訂矽晶
Tesla 最受限制的兩個職位並非 FSD ML 工程師——市場上有相當數量的 AV 感知與規劃工程師。真正稀缺的職位是 Optimus 硬體-AI 整合工程師（機電整合 + ML 協同設計）以及 Dojo 自訂矽晶工程師（VLSI 設計 + ML 訓練系統架構）。由於沒有其他公司以如此規模與整合深度打造人形機器人，Optimus 硬體-AI 職位幾乎沒有現成人才管道——Tesla 必須大量在內部培訓這些工程師。這兩項制約對 Tesla 的 Optimus 與 Dojo 路線圖的約束程度不亞於資本。
Waymo 的核心人才制約：大規模遠端作業
Waymo 的制約截然不同：遠端作業人員。Waymo 的商業模式依賴人工遠端操作員監控多輛車輛——目標作業比率約為每位操作員監控 10-100 輛車（視情境複雜度而定）。遠端作業並非迷人的工程職位——它結合了車輛監控、事故應對、客服與實時模糊情境決策。在 10 個城市、10,000 輛車的規模下，大規模招募、培訓與留住遠端作業人員，是一項與 Waymo ML 研究招募管道幾乎無重疊的人力資本挑戰。
第五節 — 人才基準評分卡
| 維度 | Tesla | Waymo | 優勢 |
|---|---|---|---|
| 人數（AI/AV/機器人，估計） | 較多（~3K-5K 估計） | 較少（~1.5K-2.5K 估計） | Tesla（範疇較廣） |
| 薪酬競爭力 | 大多數層級低於 Waymo 20-30%（估計） | Google 級薪酬；高度競爭 | Waymo（現金薪酬）；Tesla（若 AV 實現則股票上漲空間） |
| 研究深度（博士密度） | 較低（估計）——執行優先文化 | 較高（估計）——源自 Google X 的研究優先文化 | Waymo |
| 機器人人才（Optimus） | AV 產業獨一無二；唯一同時打造人形機器人與 AV 的公司 | 無 | Tesla 決定性優勢 |
| 留才/任期 | 較低（~2-3 年估計）——高速度、高倦怠 | 較高（~4-6 年估計）——研究文化、穩定 | Waymo |
| 人才管道（大學） | 與史丹佛/CMU/MIT 關係深厚 | 與史丹佛/CMU/MIT 關係深厚；Google 聲望 | 相當 |
| 使命吸引力 | 「加速可持續能源 + 完全自動駕駛 + 人形機器人」——對信仰者極具吸引力 | 「讓自動駕駛更安全」——引人注目但範疇較窄 | Tesla（更廣的使命吸引更多工程師原型） |
整體結論
Tesla 在總人數、使命廣度與機器人獨特性方面勝出；Waymo 在薪酬競爭力、研究深度與留才方面勝出。Tesla 真正的人才制約在於 Optimus 硬體/AI 與 Dojo 晶片工程——這兩類職位幾乎沒有任何可比的外部人才管道。Waymo 的制約在於大規模遠端作業——這是一個不如 ML 研究光鮮、但在規模化招募上更具挑戰性的關鍵運營角色。Physical AI 的人才爭奪戰不僅靠出最高薪資取勝——更靠打造讓最優秀工程師無法抗拒的文化主張。Tesla 與 Waymo 各自打造了截然不同的主張，而兩者都在發揮作用。
備注： 所有標記「（估計）」的數字均來自公開揭露、職缺發布、levels.fyi 等薪酬資料庫、研究論文、分析師估算及截至 2026 年中期的產業報告。本文不構成投資建議。
來源
- Tesla AI 與自動駕駛團隊 — Tesla 職涯 ↗
- Waymo 職涯與團隊 — Waymo ↗
- AI 工程師薪酬基準 — levels.fyi ↗
- CMU 機器人研究所 — 學術人才管道 ↗
- Stanford AI 實驗室 — 大學人才管道 ↗