招聘启事往往能看出战略走向。字节跳动官网和招聘网站上最近出现一批机器人相关岗位，发布方是Seed Model团队，方向有数十个，涵盖本体设计、灵巧手、减速机控制、仿真工程、数据算法等，硬件、软件、数据三条链路同时推进。

硬件岗位最贴近落地：本体结构、减速机、灵巧手、电气线束、嵌入式驱动，都要求应聘者懂机械设计、传动优化和通信架构。这些岗位描述里反复提到寿命、可靠性、成本、可制造性和量产经验，读起来更像家电厂商的招聘广告。

软件岗位盯的是一条完整链路：用户说一句话，Agent调动移动、操作和交互能力把活干完，中间还得考虑失败恢复、远程入口和设备运营。数据与评测岗位要搭一个闭环，从采集、处理、训练、评测一路连到模型反馈。

就机器人业务规划，字节被《科创板日报》问及，到截稿时尚未给出答复。快思慢想研究院院长田丰的判断是，字节在给自己造“数据机器人”，而Seed大概率会成为这批机器人的第一个客户。

一、字节的机器人故事，比外界预期早了5年

字节的机器人团队早在2020年就已组建，最初做的是轮式物流机器人。行业此前流传的消息显示，这类产品两年半里累计产出超过1000台。钱也早就投了出去：2021年迦智科技和未来机器人拿到字节的投资，2026年1月字节又出现在自变量机器人10亿元A++轮融资的名单里。

模型这条线同样没停过。2023年起，GR-1、GR-2机器人操作模型相继从字节推出，路子很像互联网公司干的事：先让机器人“刷视频”，把从海量网络视频中学到的常识搬到自己的操作上。到了2025年，Seed团队拿出GR-3模型和自研双臂移动机器人ByteMini，再通过Robix、GR-RL等研究，把本事扩展到人机交互、任务规划以及长时程精细操作。

这里有一个关键人物“孔涛”，他是字节第一位专注机器人研究的员工，后来带领字节机器人团队。

自研模型、自研本体、生态合作、股权投资，这四条路字节都趟过。过去的尝试像一盒散着的珠子，这轮招聘要做的，是找一根线把它们穿起来。

这根线，叫数据。

二、大模型速解奥数题，却叠不好衬衫

押注机器人的模型公司，不止字节一家。

OpenAI

DeepSeek那边出手也不含糊：拿出1.408亿元认购宇树科技科创板IPO战略配售，锁定期36个月，两家还谈好在模型训练服务和机器人采购上互相优先。近日又有消息传出，DeepSeek打算领投一家成立才几个月的机器人AI公司。

模型公司为什么扎堆往物理世界跑？1988年，机器人学家汉斯·莫拉维克记下一个反直觉的观察：让计算机在智力测验里考到成人水平不算难，可要它具备一岁小孩的感知和行动能力，难如登天，这便是“莫拉维克悖论”。近40年过去，大模型写代码、解竞赛题都不在话下，叠好一件衬衫却照样让工程师犯愁。

差距出在数据上。语言模型背后是几十年积累的互联网文字，物理世界的操作数据只能一条一条采。谁能采得又快又省，谁就攥住了下一局的筹码。

三、字节造的第一批机器人，先卖给自己

把岗位描述连起来读，会发现一个巧妙的闭环：机器人干活，人远程兜底，兜底的过程变成新数据。

软件岗的要求，是把Agent调用、移动、操作、交互捏到一起，还要设计失败恢复和远程入口；数据岗则要打通采集、处理、训练、评测直到模型反馈。“失败恢复”和“远程入口”连起来读，意思不难明白：机器人卡住时，人从远处接过来扶它一把，扶这下又记进教材，回流成训练数据。每回出错，都是在给下一版模型交学费。

所以，这批岗位对应的阶段，是在搭建一条会自我喂养的“数据产线”，离对外卖机器人还有一段路。

这套打法对字节并不新鲜。轮式物流机器人最早服务的是抖音电商仓库，后来才拿下顺丰、比亚迪电子这些外部客户；当初造它们，图的就是进真实场景、拿数据、攒落地手感。同一个团队、同一套打法，只是换了副身体。这回“内部客户”从电商仓库变成了Seed的模型训练。

快思慢想研究院预计：2027年底之前，字节自研机器人绝大部分产量会用于内部数据采集和评测，做成消费者零售人形机器人的可能性偏低。怎么验证？看有没有公开售价和零售渠道出现。

四、年薪百万请人“管现场”

最让同行吃惊的，是数据岗的价码。既要会遥操作、懂实验室管理，还得管得了现场项目。按15薪算，一个负责采集现场的人，薪资年包超过百万元。

愿意为“管现场”掏这个数，账本已经摊开了：模型当下最卡脖子的，是每天能攒出多少小时有效数据，新结构的优先级反而往后排。瓶颈从算法端移到了产能端。

哪里的数据最省钱？靠人。化学家出身的哲学家迈克尔·波兰尼有句话：“我们知道的，多于我们能说出的。”像拧瓶盖、叠毛巾这种手上的活儿，很难落成文字规则，互联网语料里也翻不到，但人可以当面做给机器看。

GR-3技术报告披露了一组关键数字：拿VR设备采集人类操作轨迹，一小时450条；改用遥操作机器人采集，一小时250条，前者快了近一倍。碰上没见过的物体，只要补10条VR轨迹，GR-3的操作成功率便从不到60%升到80%以上。

人类数据另有一层好处：采集的时候不占机器人。机器人该干活干活、该考试考试，人就在旁边不停“编教材”。

五、认真对待数据的人，应该自己设计身体

人类数据便宜，代价是“翻译损耗”。人手的动作要映到机器手上，两只手差别越大，丢得越多，跟方言翻外语一个道理，多一道转译就少一层意思。第一视角（Ego）数据的方向，跟这个判断对得上。

减速机也是同样的逻辑。传统工业减速机是为精确定位造的，刚性高、反驱难；机器人学习要的却是另一套行为控制策略：关节得能被外力推动，力矩感知要准，磕碰了还不容易坏。现成工业件的设计目标跟AI控制的需求对不上，这正是自研执行器的技术动因。

成本这笔账同样清楚。宇树2025年主营业务毛利率为60.13%，买家付的钱里约六成不在制造成本之内。就连宇树自己，核心部组件的自研自产率也超过90%。不过自研要见效益，部署规模得足够大。

计算机先驱艾伦·凯1982年说过：“真正认真对待软件的人，应该自己做硬件。”乔布斯2007年发布iPhone时引用了这句话。放到具身智能这里：认真对待数据的人，应该自己设计身体。

六、手和关节自己画图，钣金交给工厂

字节的硬件打法是“全栈自研”：第二代豆包AI眼镜把代工伙伴从歌尔换成了龙旗科技，新一代豆包手机则由努比亚推出。机器人大概率也这么走：关键部件和整机架构自己定义，制造交给伙伴。

1991年诺贝尔经济学奖得主罗纳德·科斯在《企业的性质》里回答过：哪些事自己做，哪些事交给市场？看内部组织成本与市场交易成本哪个更低。对字节而言，决定数据质量的手和关节必须攥在手里，钣金和组装交给专业工厂更划算。

字节还留着另一条腿：火山引擎与赛力斯旗下公司签署具身智能合作框架协议，算法和算力由火山提供，产业化落地归赛力斯。Seed给自己造身体，火山把大脑卖给别人的身体。“只做大脑还是全栈自研？”字节不做选择、全都要。

风险落在制造端。工艺不成熟的时候，设计和制造分开，良率很难往上爬。人形机器人正好处在这个阶段，所以“量产工程”岗位得有人常驻代工厂。

快思慢想研究院判断，字节短期内不会自建机器人整机工厂；往后GR系列的数据配比中，VR、第一视角这类人类数据的比重会持续上升。验证看两点：是否出现整机产线投资，下一代GR技术报告里各类数据的配比。

七、按有效数据算大家都在起跑线

有人讲字节做机器人“起了大早，赶了晚集”：2021年就动手投资，2026年才把团队理顺。

2026年上半年，人形机器人出货里，文娱商演和科教数采合计仍占六成以上，智能制造约13%，仓储物流约5%。舞台上的机器人负责让观众惊叹，几乎攒不下能用于训练操作的数据；卖给科研机构的机器人，数据归买家。拿台数去量护城河，等于把展品也算成了“矿工”。真正稀缺的是带任务标签的有效操作时长，大家还都挤在起跑区。

模型的领先期一样短。Physical Intelligence从π0.5开源（2025年9月）到π*0.6（2025年11月）约2个月，再到π0.7（2026年4月）约5个月；字节GR系列大约8到10个月迭代一代。田丰说：“模型迭代周期很短，真正需要长期沉淀的是数据产线与硬件能力。”

物流机器人这块的量产本事，是字节一点点攒下来的：团队2023年夏天还只有约50人，到2025年已经扩到约150人。PICO自研头显芯片在2022年6月立项，2024年回片并量产，中间走了约3.5年。按这样的节奏往下推，眼下刚动手设计的执行器和灵巧手，估计得等到2028年前后才能进入稳定量产。字节具身真正的时间表，就摆在这里。

八、字节机器人的对手，是小米

宇树、智元是整机供应商，将来甚至可能变成字节的采购对象。

2025年夏天，孔涛进了小米，一批老同事跟着过去，字节GR路线上的核心研发经验也一并带了过去。到了2026年8月，小米新设具身智能与应用部，挂帅的正是孔涛。小米机器人事业部规模约200人，本体、小脑、大脑和操作系统都有布局。更关键的一点在于，字节最缺的东西小米手里有：自家汽车工厂，属于高频、真实又可控的操作场景。其人形机器人已经在汽车工厂“实习”了四个月，自攻螺母上件的成功率由90.2%升到98%。两家抢的是同一个生态位，也就是具身基座模型加自有场景：字节的场景落在电商仓储，小米则押在汽车与手机制造上。

任正非讲“压强原则”，资源要在一个点上压很多年。字节Robotics团队2026年刚换了汇报线，产品、工程技术、具身大模型几个一号位多数还在招聘。田丰说：“字节本轮组织架构、核心负责人仍在补齐，竞争尚处早期。”压强还有待形成。

快思慢想研究院给出一个判断：到2027年，人形机器人的“出货量排名”与“具身基座模型能力排名”会拉开明显差距，排在前面的整机厂不一定握着最强的模型。该机构还认为，字节和小米在具身基座模型上的较量，会比它们各自对宇树、智元的竞争来得更直接。要检验这个判断，可以盯三个指标：2027年主要厂商的真机操作评测成绩、团队人才的流向，以及各家发布模型的节奏。

结语 每小时数据多少钱？

把这些招聘动作拼到一起，一条具身数据的完整生产线就浮出来了。人类借助VR和第一视角设备，把数据成本压下来；照着人手设计的灵巧手，负责把数据稳稳接住；自研执行器让学到的策略能在真机上跑；远程接管则把每一次失败都变成新教材；物理引擎用来放大数据量；代工伙伴管本体的制造。

钱学森谈系统工程时讲过，整体性能取决于各部分之间是否匹配。字节这轮招人，做的就是给整个系统把零件配齐。

1936年，航空工程师西奥多·莱特发现了一个规律：飞机累计产量每翻一番，单机工时就会下降约20%。具身数据早晚也得走这条曲线。

因此，衡量字节这盘棋输赢的标准，不在首款机器人卖出了多少台，而在几年之后，每小时有效数据的成本能压到多低。

参考文章：《字节跳动具身智能布局提速 Seed密集“招兵买马”》，财联社《科创板日报》记者 徐赐豪

畅销书：《AI商业进化论：“人工智能+”赋能新质生产力发展》

出版社：人民邮电出版社

帮助你定位AI当下发展坐标的指南针

帮助你洞察AI未来演进趋势的航海图

对AI的原理、特性和四大发展规律做通俗化解读，给出AI赋能商业、引发新质生产力变革的一手案例分析。书里既有宏观层面的全局观照，也有各行业应用层面的下探记录，聚焦AI的原理与实践、现在与未来，可看作当下AI应用的全景图，也是身处AI技术浪潮之中的探路书。