导读
很多人还在盯着互联网大厂，反复刷岗位、反复改简历。
但另一批人，已经把简历投向了另一条线——人工智能公司、机器人公司、智能制造公司。
这些公司有一个共同点：
- 岗位不多，但含金量极高
- 要求更高，但成长速度更快
- 很多岗位，甚至还没被“卷起来”
如果你还在纠结要不要投， 这篇文章帮你把方向一次讲清楚。
目录
- 为什么优先投AI公司
- 这一批值得优先投递的AI公司
- 岗位拆解：都在招什么人
- 不同背景的人该怎么选
- 最后给你的投递建议
一、为什么优先投AI公司
今年的招聘有一个非常明显的变化：
不是岗位少了
而是岗位结构变了
传统岗位在缩减
AI相关岗位在快速增加
更关键的是：
- 很多岗位还没完全标准化
- 企业也在边做边招人
- 对“潜力”的容忍度更高
这意味着一件事：
现在进去，比以后更容易
二、这一批值得优先投的AI公司
下面这一批公司，建议优先投递
因为它们代表的是：未来3-5年的产业方向
1. 优艾智合（移动机器人）
- 工业具身智能方向，全球客户落地
- 核心在“机器人+真实生产场景”
- 稳定、柔性、高效率生产解决方案
岗位方向：
- 算法工程师（核心）
适合人群：
- 计算机 / 自动化 / 机器人工程
- 想做真实工业场景落地的人
2. 艾达乐博科技（游戏+AI）
- 全球化游戏公司，多款产品进入榜单前列
- 硅谷式开放办公环境
- 全员Mac办公
岗位方向：
- 游戏UI设计
- 产品经理
- Python开发工程师
- 原画设计
适合人群：
- 技术+创意方向
- 想走“AI+游戏”结合路线
3. 阿米奥（制造业智能化）
- 聚焦制造业智能转型
- 强调真实场景+完整闭环
- 偏工程落地，而不是纯研究
岗位方向：
- 具身智能算法
- 强化学习
- 感知算法
适合人群：
- 想做工程落地，而不是论文的人
4. 金钢科技（硬件+底层技术）
- 新型磁编码器方向全球领先
- 偏硬核技术路线
岗位方向：
- 硬件开发
- 嵌入式开发
- 机械结构设计
- 软件开发
适合人群：
- 硬件/嵌入式/底层方向
5. 合十思维（人形机器人）
- 人形机器人 + AI
- 技术专家 + 管理双通道成长
岗位方向：
- 运动控制工程师
- 系统集成工程师
适合人群：
- 自动化 / 控制 / 机器人方向
6. 趣加游戏 FunPlus（AI+游戏）
- 全球互动娱乐公司
- 游戏+AI融合明显
岗位方向：
- 后端开发
- 数值策划
- 系统策划
适合人群：
- 技术 + 游戏方向
7. 相干科技（量子计算）
- 量子计算 + 测控系统
- 偏前沿技术赛道
岗位方向：
- 测控软件工程师
- 电子工程师
- 结构工程师
适合人群：
- 电子 / 物理 / 前沿技术
8. 四川天链机器人（机器人）
- 人形机器人 + 协作机器人
- 一体化自动化解决方案
岗位方向：
- 强化学习算法
- 感知算法
适合人群：
- 想做机器人+AI融合的人
三、这些公司到底在招什么人
你会发现一个很明显的共性：
1. 算法类岗位明显增加
- 计算机视觉
- 强化学习
- 多模态
2. 工程落地能力更重要
不是只会写代码
而是：
- 能不能把模型跑起来
- 能不能接入业务
- 能不能解决真实问题
3. AI + 行业成为主流
不是单纯AI
而是：
- AI + 机器人
- AI + 制造
- AI + 游戏
四、不同人怎么选方向
如果你是计算机专业
优先：
- 算法工程师
- Python开发
- AI应用开发
如果你是自动化/电子 优先：
- 机器人方向
- 嵌入式
- 控制系统
如果你是测试方向 重点关注：
- AI测试
- 自动化测试
- 模型评测
不要再只盯：
- 功能测试
- 手工测试
如果你是非科班
可以走：
- 产品经理
- 数据分析
- AI应用方向
五、最后的投递建议
给你三个最重要的判断标准：
1. 看行业，而不是公司名气
未来机会在：
- AI
- 机器人
- 智能制造
2. 看岗位成长性
优先选：
- 能接触核心技术
- 能参与完整流程
- 能做真实项目
3. 提前投，比完美准备更重要很多人卡在：
准备还不够好
但现实是：
岗位不会等你准备好
写在最后
今年最危险的，不是没机会
而是：
你还在用去年的思路找工作
如果你已经看到这里，可以想一个问题：
你现在投的岗位，是未来3年的岗位吗？
如果不是
那你可能已经慢了半拍
📌 校招求职群
如果你想第一时间获取：
- AI/机器人/智能制造公司最新岗位
- 真实面经&上岸经验
- 简历优化建议
- 内推机会
欢迎扫码加入，每天同步最新招聘动态👇
关于我们
霍格沃兹测试开发学社，隶属于 测吧（北京）科技有限公司，是一个面向软件测试爱好者的技术交流社区。
学社围绕现代软件测试工程体系展开，内容涵盖软件测试入门、自动化测试、性能测试、接口测试、测试开发、全栈测试，以及人工智能测试与 AI 在测试工程中的应用实践。
我们关注测试工程能力的系统化建设，包括 Python 自动化测试、Java 自动化测试、Web 与 App 自动化、持续集成与质量体系建设，同时探索 AI 驱动的测试设计、用例生成、自动化执行与质量分析方法，沉淀可复用、可落地的测试开发工程经验。
在技术社区与工程实践之外，学社还参与测试工程人才培养体系建设，面向高校提供测试实训平台与实践支持，组织开展 “火焰杯” 软件测试相关技术赛事，并探索以能力为导向的人才培养模式，包括高校学员先学习、就业后付款的实践路径。
同时，学社结合真实行业需求，为在职测试工程师与高潜学员提供名企大厂 1v1 私教服务，用于个性化能力提升与工程实践指导。
