算法岗是不是只要博士、实习到底算不算招聘、三维重建这个方向是不是太窄了——关于 Sharpa，应届生问得最多的就是这三个问题。
它是一家做具身智能与三维感知的公司，团队规模不大，这轮校招放出 152 个岗位，其中 140 个在上海。下面用七个问题回答清楚。
Q1：这是一家什么公司，值得投吗？
Sharpa 对应的是上海大裂谷智能科技，做的是具身智能机器人。从岗位方向看，它的技术重心集中在三维感知与人体重建：三维重建算法工程师、三维人体重建算法工程师、人体骨骼重建算法工程师，这三个方向各有正式岗与实习生岗。
判断值不值得投，看两件事。一是方向是否处在真实的产业需求上——三维重建与人体骨骼重建是具身智能、动作捕捉、虚拟内容生产共同依赖的底层能力；二是岗位是否真的在做这件事，而不是挂着算法的名字做工程。
Q2：算法岗是不是只招博士？
学历分布是本科 55 个、硕士 40 个、博士 2 个。博士只有 2 个，硕士与本科才是主体。
所以结论很清楚：算法岗以硕士为主，本科也有相当比例的机会，尤其是工程实现方向。真正的门槛不是学历，而是你有没有真正跑通过一个与三维、几何、视觉相关的项目。
Q3：实习岗占了一半，是好事还是坑？
152 个岗位里，57 个标注为实习，19 个是秋招与实习兼有。实习占比接近四成，这个比例在整批企业的校园招聘里偏高。
好处是入口多、门槛相对低，转正通道明确；代价是实习期的不确定性更高，需要自己判断团队是否真的有转正名额。判断方法是看实习岗位是否有明确的周期说明，以及正式岗与实习岗的比例——这家公司正式校招岗 73 个，说明正式需求是真实存在的。
Q4：三维重建方向是不是太窄了？
窄，但这类窄在具身智能赛道上是优点。三维重建涉及多视图几何、点云处理、神经渲染这几块核心技术，一旦做深，可迁移的方向包括机器人感知、AR 与虚拟制作、自动驾驶的静态场景建模。
真正的风险是浅尝辄止：如果只是调过开源模型的参数，没有做过完整的数据处理与评估流程，那这个方向对你是没有壁垒的。
Q5：本科背景投什么方向更稳？
本科岗位 55 个，主要集中在工程与支撑方向：嵌入式软件开发工程师 2 个、产品工程师 2 个、光机工程师（实习生）、AI Infra 工程师（实习生）、后端容器开发工程师（实习生）。
这几条线的共同点是对工程能力的要求高于对理论的深度要求。如果你写过完整的服务、调过嵌入式系统、搭过训练环境，这些岗位的匹配度会比纯算法岗更高。
Q6：面试会考什么？
从岗位性质推断，算法岗的面试会围绕项目展开：你处理过什么数据、用了什么方法、怎么评估效果、遇到过什么失败。三维重建方向大概率会问到几何基础、坐标系变换、点云与网格的处理经验。
工程岗则偏系统能力：并发、容器、部署、调试。准备方式是把一个项目从数据到结果完整讲一遍，包括失败的尝试，比背概念有效得多。
Q6 补充：三类岗位的真实工作内容
算法岗做的是数据与模型：采集、清洗、标注、训练、评估、迭代，一个方向做深通常要半年以上。这类岗位在具身智能公司里的价值最直接，也最容易被量化。
工程与基础设施岗做的是让模型跑起来、让产品动起来：AI Infra 工程师管训练与推理的环境和效率，后端容器开发工程师管服务化与部署，嵌入式软件开发工程师管设备端的软件与通信。
产品与硬件岗做的是把技术变成可交付的产品：产品工程师要定义功能与指标，光机工程师要处理光学与机械的结构配合。这条线对综合能力的要求更高，专业背景的门槛反而更宽。
放在一起看，三条线的面试重点完全不同，投递前先分清自己属于哪一类，比海投更有效。
关于投递节奏
这轮校招的岗位只有一个截止日期：2026-12-31。单个截止日意味着它不按批次滚动收口，从十月中到年底都是投递窗口。
好处是准备时间充裕，可以慢慢打磨作品与项目叙述；代价是如果你拖到最后一周才投，很可能和集中投递的人撞在同一个池子里。建议在十一月中旬之前完成投递，把剩余时间留给面试准备。
另外要注意的是，实习岗与正式岗的入口可能不同，投递前先在系统里确认清楚岗位性质，避免把实习岗当成正式岗投出去。
Q7：能不能用一句话给想去这家公司的人一个建议？
如果你愿意在一个窄但深的方向上做两三年、并且能接受小团队节奏快、什么都得自己动手，Sharpa 这类具身智能公司的成长密度会高于去大厂做一颗螺丝钉；如果你更看重平台稳定与明确的晋升通道，就要再想想。