你的导师还在评职称,人家导师已经把公司做到140亿

六月的CVPR颁奖礼上，Deepak Pathak领到一张3,000美元的支票和一块奖牌。

这是IEEE计算机学会颁给计算机视觉领域青年学者的最高认证之一，前提是获奖人博士毕业不满七年，他卡着年限线拿下了这个奖。

同一年的1月，作为Skild AI的联合创始人兼CEO，他在董事会上签下了一轮由软银领投、近14亿美元的融资，公司估值跳过140亿美元。领奖台和董事会，他一年之内都没有缺席。

IIT金牌到PAMI奖，卡着七年线拿下的认证

Pathak的履历没有太多绕弯路。2014年，他从印度理工学院坎普尔分校计算机系本科毕业，拿到院长金奖；五年后，他在加州大学伯克利分校拿到计算机科学博士学位，师从Alyosha Efros和Trevor Darrell，研究方向是好奇心驱动的探索学习，让机器在没有外部奖励信号时，仅凭好奇心自主尝试新动作。这套方法论后来贯穿了他在Meta AI Research做研究员、回伯克利做访问博士后，直到加入CMU机器人研究所任教的整段轨迹。

CMU给他的头衔是Raj Reddy Associate Professor，一个以图灵奖得主命名的教席。2026年6月，他在CVPR大会上拿下当年度PAMI Young Researcher Award，这个奖只对博士毕业七年以内的人开放申报资格，他卡着年限线进的场。他在Google Scholar上的被引次数已经以万计，具体数字因平台抓取机制受限，第三方无法独立复核，这里不作精确引用。被引次数衡量的是同行怎么看他的研究，真正把这套方法论换算成商业数字的，是接下来这部分。

18个月三级跳，一家公司两套收入数字

Skild AI成立于2023年，做的是通用机器人基础模型，产品叫Skild Brain，目标是让同一套模型控制不同形态的机器人执行不同任务。公司的融资节奏压缩在18个月里走完了多数创业公司需要五六年才能走的路：2024年7月，A轮融资3亿美元，估值15亿美元，Lightspeed和Coatue领投；到2025年夏天，估值涨到约45亿美元；2026年1月14日，C轮融资近14亿美元，软银领投，NVentures、Macquarie、Bezos Expeditions、1789 Capital跟投，Lightspeed、Coatue、Sequoia、Felicis加注，三星、LG、Salesforce以战略投资方身份入局，公司估值越过140亿美元，七个月内翻了两倍多。团队规模目前约99人，据Tracxn数据。

收入曲线有两个版本。1月C轮融资官宣时，Skild AI披露的数字是2025年收入从零做到约3,000万美元。九个月后，故事被改写：公司9月9日在官方博客披露、彭博社9月10日确认，Skild AI的年化经常性收入（run-rate）已经做到1亿美元，距离首次商业化部署刚好十个月。

把这两条曲线放在一起看，会得到一个不太符合常识的画面：一个拿了教职的人，做出了一家估值反超很多学校捐赠基金体量的公司。这只是语气比喻，并非精确对比，因为公立与私立高校捐赠基金规模差异极大，没有统一口径可比。真正值得记的是另一组反差：拿奖靠的是七年内的学术产出，拿钱靠的是十个月内的商业化速度，两件事发生在同一年里，同一个人身上。

CMU就业榜：Top15、第7、83%、AI第一、OpenAI前五

CMU官方在2026年3月发布的通稿里，把学校历年的就业成绩摆进了一张表：

这五项数据出自同一份通稿，统计口径一致，能放进同一张表直接看。通稿里还有一句背景解释：企业缩招期倾向于把招聘集中在少数几所学校反复投放，校友网络的分量因此变得比过去更重，这是对上面五项数据的注解，不是另一套独立数字。对正在找工作的应届生来说，这张表的实际含义是，学校品牌能帮忙敲开门，门后面拼的是能不能被记住、被反复内推。

薪资榜：$268,121背后的口径隔离

薪资数据比就业榜复杂，三份数字来自三个互不隶属的统计体系，不能放进同一张表排名。

第一份口径来自联邦教育数据聚合平台campusroi.com，基于美国教育部College Scorecard数据统计：

CMU全校毕业生的整体收入中位数为$115,000。同一份数据里，CMU的ROI（投入产出比）综合排名全国第14。

另外两份数字作跨校参照，不进入上表，也不与上表排名比较。UMD计算机科学系官网确认，该系2025届毕业生就业率为95%，官网未披露对应届具体薪资中位数，这里不做金额引用。美国劳工统计局的数据显示，计算机与信息科学研究员岗位薪资中位数为$140,300（2025年5月），该岗位2025到2035年预计就业增速为21.8%，位列BLS统计的十个增速最快岗位之一。三份口径放在一起看，能读出同一类技术岗位在不同统计维度下的薪资水位区间，仅供参考，不构成排名比较。

一段视频顶380条标注数据，一条能抄的路径

Pathak的研究路线里，有几个节点被反复验证过，也构成了Skild现在对外讲述的核心叙事。

好奇心驱动的探索，是他博士阶段确立的方法论，机器在没有明确奖励信号时依然会主动尝试新动作，这套逻辑后来被搬进了Skild Brain的训练框架。从人类视频里学习任务，是Skild今年发布的S1模型的核心能力，系统看一段十分钟以上的人类操作视频就能学会新任务，官方说法是单条示范视频的训练效果大致相当于380条传统标注数据。机器人公司真正犯难的招聘方向，是能设计"让机器从视频里自学"这类训练框架的人，比找更多机器人博士更难，岗位描述里常见的关键词是计算机视觉和自监督学习，机器人硬件反而排不到前面。

从实验室到产线，Skild Brain已经在英伟达、富士康的产线测试中运行，应用场景覆盖安防巡检、末端配送、仓储、制造、数据中心和建筑相关任务。这条路径的终点是把模型部署进真实场景，拿到能被验证的营收数字，发论文只是路上的一站，不是终点站。

对正在读博或者刚工作两三年的人来说，这条轨迹里有一个可以复制的顺序：先把一个研究问题做深做窄，做到能拿下同行认可的奖项；再判断这套方法论能不能换算成一个可被验证的商业系统；再决定要不要亲自下场把它落地。跳过前两步直接创业，或者只做研究不考虑落地，都是这条路径里还没被验证过的版本。

CMU在中国留学生里向来是热门校，具身智能也是眼下留学生规划回国方向时被反复提到的赛道。Pathak这种教授兼CEO的双栖路径，不算孤例，但足够具体，值得当成一个可以对照的样本收进笔记里。

如果你是大学生或者工作经验在2年以下

推荐关注⬇️yourwaycareer

如果你的工作经验在2年以上

推荐关注⬇️yourwaycareer社招

不经过专业的求职训练，如何拿到Dream Offer

报名VIP项目，扫描下方二维码
联系YWC团队免费咨询