文章的核心论点之一是『自动驾驶追求大一统解法，具身是细分任务集合』。支撑这一差异的技术锚点就是VLA（视觉-语言-动作）模型——当前具身智能的主流架构。它把视觉感知、语言理解和动作控制统一成一个端到端模型，让机器人『看着世界、听懂指令、直接动手』。但VLA远未成熟：一个机械臂用SFT（监督微调）学两周抓香蕉，香蕉往右挪15厘米就『傻』了。行业中流行的『演示即就绪』和『泛化即失灵』的差距，正在推动新架构（如世界模型+强化学习）的尝试。VLA的命运，某种程度上决定了智驾人才的方法论在具身领域能否复用。

文章提到智驾经验在具身领域可能成为负资产，但在此之前，一场规模空前的人才迁徙已经发生。据《晚点 Auto》不完全统计，仅2023-2026年间，至少20位车企和智驾公司的核心骨干、业务一号位转投具身智能；理想汽车一家就流出10位核心研发人员，包括前高级副总裁郎咸朋。迁移速度也在加速：宇树科技用了9年才达到百亿估值，而理想前智驾负责人贾鹏创立的至简动力，仅半年就跻身独角兽。人才供不应求已推高猎头费率——具身公司愿意按候选人年薪的25%支付猎头费，比智驾岗位普遍贵2-3个百分点。这股涌入的潮水，正是文章所述『经验被重新估值』的宏观背景。

文章的立场是『智驾经验可能成包袱』，但招聘市场和技术圈的另一视角截然不同。李力耘（前小鹏自动驾驶一号位）2026年4月加盟众擎机器人任CTO，创始人赵同阳认为『底层逻辑高度相通，都是感知-决策-执行闭环』。马斯克更是直接用特斯拉FSD算法驱动Optimus人形机器人。技术同源性在产业端被反复验证：星海图创始人高继扬来自Momenta，智平方郭彦东来自小鹏——这些智驾出身的创业团队正快速催熟新独角兽。同一批人才、两个叙事：文章看到『方法论不适配』，产业看到『底层能力复用』。这场争论的实质不是谁对谁错，而是人才能力光谱与行业成熟度的错配——当具身行业还在『定义问题』阶段，通才更吃香；一旦进入量产深水区，专业经验的权重会重新上升。

文章描绘了具身对人才的渴求——能清零、会AI、数学好——但这背后是智能制造领域更大的结构性缺口。人社部预测2025年智能制造人才缺口将达450万人，工业机器人领域技术人才需供比高达5.2:1，即每5.2个岗位只有1个匹配候选人。具身智能作为智造的『大脑』层，人才竞争只会更激烈。但拐点可能来自于两个方向：一是具身行业自己开始『量产数据』——宇树科技已在自有工厂部署机器人采集真机操作数据，目标是部署数千台以解决数据稀缺问题。二是智驾行业本身也在快速L2商业化，对人才的『虹吸效应』可能回升。对未来两年的观察信号是：当具身公司开始批量裁撤『纯AI背景但不懂硬件』的人，说明行业已经从『找人』阶段进入『用对人』阶段。

文章反复强调具身行业最需要『愿清零、能快速理解全新问题』的人。但这个要求听起来像套话——任何新行业都这么说。真正值得追问的是：『清零』在技术上到底意味着什么？以VLA模型路线嬗变为例：2023-2024年行业追捧VLA（视觉-语言-动作）作为统一框架，2025年英伟达机器人负责人Jim Fan在红杉AI峰会上就宣告『VLA已死，World Action Models万岁』。智驾背景的人花了几年学会的端到端数据闭环方法论，到具身领域可能半年就被新的技术范式颠覆。不是机器人不需要经验，而是它需要的是『快速诊断新范式、判断它值不值得投入』的元能力，而不是『把上一代的成功模板搬过来』的执行力。对从业者的真问题是：你的经验是解题模板，还是对『解题过程本身』的理解？