它站在哪条赛道上
自变量机器人做的是一件还没被验证的事：把大模型的能力从屏幕里搬到物理世界。公开资料里，它被描述为世界统一模型的研发方，方向覆盖 VLA 算法、大模型算法、机械臂开发、运控与强化学习。
这个位置的意义在于，它既不是传统机器人公司，也不是纯算法公司。 传统机器人公司擅长机械和控制，但不懂大模型；纯算法公司懂模型，但碰不到硬件。具身智能要求两边都得有，而这正是它这轮校招岗位结构的特征。
111 个岗位里，机械结构、运控算法、强化学习、VLA、灵巧手这几条线几乎平分。它要的不是某一端的专家，而是能把软硬件拼起来的人。
未来三年它要做什么
从这轮招聘的方向能推出三件事。
第一件是把模型跑在真实设备上。岗位里有一批带着数据采集、遥操作、仿真这些字眼，全都指向同一个问题：数据从哪来。具身智能的瓶颈不在模型架构，而在有没有足够多、足够真实的操作数据。谁能解决数据，谁就能往前走一步。
第二件是把动作能力做成可复用的基础模块。VLA 算法岗的名称里带着"动作基模"，这个词很关键——它想做的是像语言大模型那样的底座，而不是一事一议的定制方案。
第三件是把工程能力补齐。大模型数据平台研发、测试开发、Agent 应用开发这些岗位的存在，说明它已经过了纯研究阶段，开始需要稳定的工程基础设施。
留个余地：这类公司的方向调整很频繁，两年后不一定完全沿这条路走。但至少今年，它的用人重心在这三件事上。
招聘结构里的两个信号
第一个信号在批次上。111 个岗位里实习 49 个、校招 31 个、秋招 22 个。实习岗占了四成以上，比例明显偏高。
这不是坏事，但要读懂它的含义：实习是这家公司筛选正式员工的主要通道。想进它，最有效的路径是先以实习身份进去，而不是直接等正式岗。
第二个信号在学历上。本科要求 56 个、硕士 10 个。本科占了大头。 这个结构和很多人的直觉相反——具身智能听起来是个门槛极高的方向，但它的岗位里有大量偏工程和项目的位置，对学历的要求并不苛刻。
真正的门槛在能力上：能不能写代码、能不能调硬件、能不能把一个问题拆到底。
应届生该怎么准备
第一，选一端做深，再补另一端。机械背景的人至少要能读懂 Python 脚本，算法背景的人至少要理解关节、力矩、控制周期这些基本概念。两样都会一点但都不深，是最尴尬的位置。
第二，准备一个能讲透的项目。这类公司的面试里有手撕代码和算法推导环节，所以他们要确认的不是你听说过什么，而是你能不能现场推出来。
第三，对"数据"这件事有想法。既然它的核心问题之一是怎么拿到真实操作数据，那你如果对数据采集、仿真环境、标注流程有过实践，就是直接对口。
第四，做好节奏准备。这家公司的岗位截止日期集中在 2027 年 1 月初，覆盖一个截止日，通道比较窄；而且它的实习通道常年开着。想投就同时投实习和正式岗，不要只盯一个入口。
薪资和城市这两件事
薪资这一侧没有公开的批次样本，但岗位分布里有一条线索：算法相关岗位的弹性普遍大于工程岗，而这家公司的算法岗集中在深圳与北京两地。
城市上，深圳 52 个、北京与深圳两地组合 28 个，另有部分岗位同时挂着几个城市。它名义上是双城布局，实际重心在深圳。 如果你把北京当第一意向，要先确认目标岗位是不是真的在北京有团队。
一个前瞻判断
具身智能是不是会像上一轮大模型那样爆发，现在没人能给确定答案。但可以确定的是：这个方向最缺的从来不是想法，而是能把想法跑通在真实硬件上的人。
对参加这轮校园招聘的应届生来说，这是一条风险和上限都更高的路。它不适合想要一份稳定节奏工作的人，但如果你愿意接受"做的事可能两年后才有结论"这件事，这轮校招是进入这条赛道比较早的一次机会。早进去的人拿到的不是更高的薪水，而是更完整的问题经验——这在两年后会比薪水值钱。