腾讯交付项目经理-腾讯云智能工业AI质检解决方案

数据算法团队在特斯拉工业智能研发方面扮演关键角色。我们通过自主搭建数据算法平台，赋能生产制造、供应链、销售、服务和充电网络等领域，将信息转化为高价值的数据资产，从而创造更优质的产品并提供完美的用户体验。 作为特斯拉应用软件团队的数据算法工程师，您将参与自研数据算法产品和项目的全生命周期，从孵化到落地，从雏形到成熟。您将领导数据的收集、清理、预处理、模型训练以及生产部署的全流程。理想候选人应对人工智能和3D视觉技术充满热情，并紧跟该领域的最新进展。 本职位主要聚焦于工厂相关的3D机器视觉应用，包括自动视觉质检、机器人引导、视觉尺寸测量（如精确尺寸验证、公差检查和3D形状分析）、物体姿态估计以及工业自动化场景中的点云处理和实时感知。 岗位职责 机器协同控制相关：负责相机标定、手眼标定、点云数据处理（如滤波、分割、检测、配准和6D位姿估计），配合机器人/PLC等技术，驱动3D视觉应用与生产协同。主动开展机器人控制和引导，促进生产制造效率。 3D数据处理相关：负责机器视觉项目中大批量3D数据（如点云、深度图像）的收集、整理、过滤和清洗。需熟练处理视觉尺寸测量任务，包括使用激光三角测量或立体视觉方法进行物体尺寸提取、形状建模和精度校准。需熟练使用Python、C++、OpenCV、PCL、Numpy、Blender等工具处理3D数据。 模型开发相关：负责3D视觉项目的物体检测、分割、姿态估计模型的数据预处理、训练、迭代、重训练，以及模型准确率提升和搜索任务。在视觉尺寸测量领域，需开发和优化相关模型（如基于PointNet的尺寸估计网络），确保测量精度达到工业标准（如微米级）。需具备Python、C++、TensorFlow/PyTorch等框架经验，并理解常用神经网络（如CNN、PointNet、Transformer变体）在3D视觉中的应用。熟悉Pandas、MongoDB（Aggregation）、Redis、Kafka等工具用于模型部署。 创新相关：对最新的3D视觉技术和趋势（如实时SLAM、神经辐射场NeRF、多模态融合）保持敏感，能够提出创新解决方案应对工业生产挑战，例如机器人路径规划中的点云配准优化或视觉尺寸测量中的实时公差检测优化，以提升质量控制效率。

1. 负责打造企业级"数字员工"，基于大语言模型及多模态模型技术，0到1孵化和落地高效智能Agent系统，实现人机协同的新工作范式。 2. 主导AI智能体整体架构设计与研发，包括Agent核心逻辑、工具用机制及多智能体协同决策体系的构建，推动Agent在复杂场景下的商用落地。 3. 参与制定产品发展和技术规划(SP/BP规划)，持续跟踪业界前沿技术，探索强化学习、协同决策、分布式部署等关键技术的突破并应用于实际工程项目。 4. 与算法、产品、运营等跨团队密切协作，统筹协调从需求调研、方案设计到系统部署全流程，确保系统在安全、性能、扩展性等方面满足商业应用要求。 工作职责: 1. 负责构建基于大语言模型及多模态技术的智能体软件架构体系，涵盖意图识别、任务规划、任务执行等核心能力，并实现技术从0到1的落地。 2. 深入参与Agent系统的开发与优化，设计并实现高效的AgenticW/orkflow和多Agent协同决策管理机制，解决复杂任务的资源调度与协作问题。 3. 针对大模型在分布式和云服务环境中的部署、调优与性能监控提供设计方案，确保系统具备高可用性、鲁棒性和安全防护能力。 4. 结合业务需求，持续优化Agent能力，包括自主决策、工具调用与与异常容错等，推动产品在跨部门、跨业务场景下的智能化升级与深度应用。 5. 跟踪并研究业界最新的智能体技术(如AutoGPT、AutoGen、MetaGPT等)，探索并推广RAG、Prompt Engineering、强化学习等前沿技术在Agent系统中的应用。 6. 主导项目中的技术难点攻关，持续优化系统工程实践，同时保证良好的代码质量、文档撰写及项目管理。

围绕 AI 场景的系统瓶颈和能力短板，结合存储/DPU/CPU/GPU 的软硬件特性设计协同全栈优化，提升 OS 对 AI Infra 服务的有效可用时长，优化系统吞吐和延迟表现，提升 AI Infra 的综合性价比。 1、AI 优化特性开发：在充分掌握存储/DPU/CPU/GPU 技术栈的基础上，能够完成核心代码的编写和实现，指导团队成员，攻克复杂技术难题，并通过合理的团队分工和代码评审，确保工程落地。 2、参与 AI 新机型的操作系统适配和研发，能够完成新硬件功能代码的移植和优化，攻克复杂技术难题，使得新机型上线符合单租（普通容器形态）和多租（安全容器形态）业务预期。 3、负责制定和优化 AI 新机型研发的交付验收标准，达成业务稳定交付、快速交付和性能优化的目标，持续打造新机型上的系统软件技术竞争力。 4、技术规划：了解学术界工业界 AI Infra 的发展趋势，包括超节点服务器，以及开源社区的相关项目，在深入理解业务场景的前提下，完成操作系统南向软硬件协同优化的技术规划。

Steam 部门设立于2025年1月，正如蒸汽机（Steam Engine）在工业革命 1.0 中所象征的创新开端，我们也希望以此之名，积极探索云与 AI 结合的产品方向。 在当前大模型能力日新月异的情况下，唯有坚持自己的核心价值主张和对未来的判断，且面向半年至一年后的大模型能力打造应用产品，才有一战的可能。对于大模型领域的未来进展，我们相信: 1) 大模型的智商会快速接近乃至与人类齐平； 2) 大模型的多模态理解能力，特别是视觉能力将得到长足发展； 3) 在1和2前提下，信息处理类工作将最终被 AI 接管，大量替代真人员工。 对于阿里云如何做到云+ AI，我们认为"云的最大客户会是 AI"，我们的行动路径是让更多现实世界的工作量从“人类脑力劳动”转移到“云端 AI 消耗的计算资源”。 在这些认知下，我们确定了“高效完成重复任务，完整替代人类工作”的产品目标，如果你也相信这个未来，欢迎上船。 1、负责整个AI Agent平台面向C端用户功能的架构设计、技术选型和长期演进路线规划，确保架构的前瞻性、健壮性和可扩展性； 2、设计、实现并持续优化AI Agent平台的核心架构模块： •大规模弹性计算调度系模块：为平台提供一套能够管理海量Agent Runtime（容器/VM/Serverless）的计算资源调度框架，确保低时延、高效调度、安全隔离且成本可控。 •外部服务管理模块: 针对Agent对海量外部API的调用，构建一套稳定高效的接入和调度体系，包括智能API网关、可用性检查、弹性伸缩和全链路流量控制，确保该能力的稳定性不被第三方服务影响。 3、稳定性与SRE建设: 建立并领导平台的稳定性保障体系。推动全链路可观测性建设、容量规划和故障演练，将系统可用性提升至业界顶尖水平； 4、性能与成本优化: 深入分析系统瓶颈，主导性能优化项目。同时，建立准确的成本度量机制并持续优化平台成本，持续推动平台性能的提升和成本的下降； 5、参与AI Agent平台其他部分功能的架构设计与评审。