铁饭碗。 作者 | 新智元 来源 I 新智元 （ID：AI_era） 在过去十多年里，计算机科学被奉为「最稳的选择」。 高薪、有前景、容易就业——这是无数学生和家长的信念。 但到了202 5年，这个神话突然破碎。 CS毕业生的失业率飙到6.1%，几乎是哲学的两倍。 所谓的「铁饭碗」，正在眼前裂开。 铁饭碗不香了 名校也不能避免 扎心的是，这不是个别现象，而是整个专业的坍塌。 数据显示，虽然CS毕业生的起薪依旧最高——8万美元，但他们的失业率却在所有专业 中排第七。 计算机工程更惨，失业率高达7.5%。 | 主要 | | 失业 就业不 | 工资中位数早期职业生 | 职业生涯中期工资中位 | 与研究生学位分享 | | --- | --- | --- | --- | --- | --- | | | 家 | 足率 | 准 | 数 | | | 1 | A | | 1 | 1 | 1 | | V | | | | > | | | 人类学 | 9.4% | 55.9% | 42,000 美元 | 70,000 美元 | 46.7% | | 物理 | 7.8% | 35.0% | 70,000 美元 | 100,000 美元 ...

Scaling Law成就了大型语言模型，但在具身智能领域，这一路径却收效甚微。行业普遍将原因归结为"数据瓶颈"，但这个瓶颈的具体构成是什么？又该如何系统性 地解决？ 深圳市人工智能与机器人研究院近期发表了一篇全面的综述《A survey of embodied artificial intelligence data engineering》，系统性地提出了"具身AI数据工程"（EAI Data Engineering）这一技术蓝图，为具身智能系统建立了一个系统化、标准化、可扩展且由目标驱动的数据解决方案。 文章首先深入剖析了制约具身智能发展的三大核心数据瓶颈—— 成本效率低下、数据孤岛与评估真空 ，并以此为切入点，详细阐述了"具身AI数据工程"这一技术框 架的完整蓝图。其内容不仅涵盖了对数据生产系统的顶层设计，还深入探讨了 真实世界数据采集 与 仿真数据生成 这两条技术路径下的具体方法论。同时，报告强 调了建立统一的 数据标准 对于打破"数据孤岛"的基石作用，并进一步展望了该框架在制造业、服务业等领域的 应用前景 与未来的 优化方向 。 大型语言模型（LLMs）的成功，凸显了扩展定律的一个核心原则：智能从 ...