基于 EasyHire AI 人才库样本，对海外具身智能、机器人相邻池、大厂 AI 与物流自动化人才进行结构化画像：谁在提供机器人软件与控制人才，哪些池子沉淀了研究型 PhD 与华人技术骨干，以及下一阶段应从哪里切入核心人形机器人公司与 FDA 级别的精准寻访。
以下数字为 EasyHire AI 样本库口径。样本显示，海外具身智能的人才供给并不只来自纯人形机器人公司，而是由大厂 AI、物流自动化、控制/硬件工程、学术机器人和少量纯具身创业公司共同构成；其中 UK/欧洲通道与 Amazon Robotics / DeepMind / Meta / NVIDIA 相邻池最值得优先经营。
Meta、Google DeepMind、NVIDIA 提供模型/研究/平台人才，Amazon Robotics 与履约自动化体系提供机器人部署和工程化人才，二者共同构成海外具身人才的现实供给底座。
样本中英国与欧洲相关记录高度集中，叠加 DeepMind、Meta London、Imperial、Cambridge、UCL 等节点，说明欧洲不是边缘池，而是研究型与机器人相邻人才的重要来源。
样本中 robotics software、硬件/机电、robot learning 信号较厚；VLA、manipulation、teleop、sim2real 则是更稀缺、更需要精准搜索的高价值增量层。
42 名华人样本中博士占比高，集中于 Meta、NVIDIA、DeepMind、Tesla 与学术/研究机构，说明华人供给更偏研究型、模型型和高学历技术骨干。
具身智能不是单一机器人公司招聘，而是大厂 AI、机器人硬件、自动驾驶、学术机器人四条来源池叠加。
Figure 官方披露 Series C 超过 10 亿美元、投后估值 390 亿美元，资金用于 Helix、BotQ 制造、GPU 训练/仿真和数据采集。
Apptronik 宣布 Series A 总额超过 9.35 亿美元，并强调 Apollo、制造/物流应用及 Google DeepMind Robotics 合作。
PI 站点连续发布 π0.5、π0.6、π0.7、VLA memory、online RL 等研究，强化“模型控制任何机器人做任务”的叙事。
NVIDIA 公告点名 Figure、Skild AI、Agility、Boston Dynamics、1X、NEURA、ABB、FANUC、KUKA 等使用 Cosmos、Isaac、GR00T。
以下图表均为 999 条样本口径。由于公司池不完整，所有读数都用于内部判断和下一轮补数，不作为公开全量结论。
读数：样本重心明显在 Meta、Amazon 机器人/履约技术、DeepMind，而不是 Figure / PI / Skild / Apptronik 这类核心人形公司。
读数：长尾和大厂 AI 池占主要部分，纯具身当前公司样本不足。
读数：PhD 文本证据信号为 176 人。若下一轮收窄到 VLA / robot learning，博士密度应明显上升。
读数：EasyHire AI 样本显示，具身/机器人相邻人才并非只聚集在纯人形创业公司。Meta 与 DeepMind 是模型/研究型人才高地，Amazon Robotics 是机器人部署与工程化人才高地，NVIDIA/Tesla 则是平台、控制与自动驾驶相邻人才的关键桥。纯 Humanoid/1X 等公司在本批样本中体量小，说明下一轮需要按目标公司补全，而不是依赖泛关键词自然命中。
矩阵为 EasyHire AI 基于样本履历文本做的职能粗分。读数重点不是单点精度，而是判断不同来源池的能力厚度：VLA、操作、teleop 与纯人形公司是下一轮最值得加厚的高价值层。
本节用当前样本的工作经历重建“上一站 → 当前雇主”流向，观察哪些池子正在为具身/机器人相邻市场输送人才，哪些公司正在成为吸纳节点。
读数：这张图按“工作经历第二段≈上一站”粗算，仅用于内部探索。它显示当前样本的主要流向仍是创业/其他、Meta/FAIR、Amazon/AWS、Google/DeepMind 向大厂与 Amazon Robotics 池聚合；真正 AV → 核心人形公司的路径仍需下一轮 Recruiter 按 Past company 精准补数。
导出字段标记华人 42 人，占样本 4.2%。EasyHire AI 读数：这批华人样本不是“运营型机器人池”，而是明显偏研究型、模型型与高学历技术骨干，Meta / NVIDIA / DeepMind / Tesla / 学术机构是优先切入点。
读数：华人样本不是集中在 Amazon 物流机器人池，而是集中在 Meta/NVIDIA/DeepMind 这类研究与平台节点。
读数：华人样本博士占比超过一半，说明这批人更适合研究科学家、机器人学习、感知/控制、平台研究等岗位，而不是泛运营型机器人岗位。
| 姓名 | 当前公司 | title | 学历 | |
|---|---|---|---|---|
| Yanke Sun | Meta | Research Scientist | 博士 | Profile |
| Jie Shen | Meta | Senior Research Manager | 博士 | Profile |
| Dalin Guo | Google DeepMind | Research Engineer | 博士 | Profile |
| Xin Kong | NVIDIA | Research Scientist | 博士 | Profile |
| Guanming W. | UCL Robotics Institute | Research Assistant, Robot Perception and Learning Lab | 未知 | Profile |
| Daniel Zheng | ZOA Robotics | Head of Machine Learning | 硕士 | Profile |
内部版保留真实姓名和 LinkedIn 链接。以下仅为样本初筛，未逐人公开核实；正式报告需逐个打开 profile 与公开来源复核。
当前样本中少数直接落在人形/具身当前公司的资深软件架构画像。
华人机器学习负责人样本，适合作为中文背景机器人 ML 搜索的种子。
DeepMind + 创业经历样本，适合观察 AI 产品原型与 embodied interface 交叉人群。
Amazon Robotics 技术集成画像，适合物流机器人部署与技术支持岗位。
Tesla controls/staff 画像，适合补足运动控制与 AV-adjacent 人才池。
NVIDIA 研究科学家样本，适合 Physical AI / robotics platform 方向补数。
DeepMind 研究工程师样本，可作为 AI Lab → robotics adjacent 的种子人群。
学术机器人/感知学习方向样本，适合 C 组高潜与 PhD 搜索扩展。
研究科学家画像，当前并非机器人公司，但可观察大模型/科学 AI 向实体世界迁移的相邻性。
华人 PhD + NVIDIA 研究实习画像，适合进一步核实 robotics / simulation / embodied 相关性。
Tesla 控制方向样本，适合 AV / controls → humanoid locomotion 的迁移搜索。
下一轮不建议广撒，而应围绕四个最高价值搜索包加厚数据：核心人形公司、VLA/robot learning、AV 到具身迁移、华人研究型人才。
Figure AI, Physical Intelligence, Skild AI, The Bot Company, 1X, Apptronik, Agility, Boston Dynamics, Bedrock, NEURA。每家公司至少 30-80 条，小公司尽量抓全。
("robot learning" OR "physical AI" OR "embodied AI" OR "foundation model" OR VLA OR "imitation learning" OR "reinforcement learning")。
Current company 用核心公司池；Past company 用 Waymo, Cruise, Zoox, Nuro, Aurora, Motional, Tesla Autopilot, TuSimple, Pony.ai, WeRide。
Current company 用目标公司池；School 加 Tsinghua, PKU, SJTU, Zhejiang, USTC, Fudan, HIT, Beihang, HUST；关键词加 robotics / VLA / controls / manipulation。
读取 EasyHireAI Excel 中“人才报表”，将第 3 行作为真实表头。用最近公司、工作经历、教育经历、学历要求、国籍字段做统计，并用关键词对职能、职级、PhD、迁移来源做粗识别。
未逐人打开 LinkedIn 复核；地区字段存在异常；当前岗位字段全为未知，title 来自工作经历第一条解析；Open to Work/活跃状态全部为否，不能推断真实活跃度。