阿里云阿里云智能-对象存储数据湖技术专家-成都/杭州

1、负责蚂蚁全站数据研发平台Dataphin实时相关体系建设，包括通用+智能(流批一体，Codeless)研发平台，质量保障平台，支撑智能化商业决策和运营，让数据快速释放价值； 2、负责蚂蚁全站数据研发平台Dataphin基础设施相关体系建设，保障全站用户稳定，高效，安全进行数据生产建设； 3、负责蚂蚁集团受控加工平台的应用架构设计和系统实施，通过体系化并具有前瞻性的能力建设，确保研发时即受控保障、事前可灰度观测、事中可观测预警、事后可应急快恢，使得数据三板斧和数据SLA在蚂蚁数据域全面落地。

1、负责蚂蚁全站数据研发平台Dataphin实时相关体系建设，包括通用+智能(流批一体，Codeless)研发平台，质量保障平台，支撑智能化商业决策和运营，让数据快速释放价值； 2、负责蚂蚁全站数据研发平台Dataphin基础设施相关体系建设，保障全站用户稳定，高效，安全进行数据生产建设； 3、负责蚂蚁集团受控加工平台的应用架构设计和系统实施，通过体系化并具有前瞻性的能力建设，确保研发时即受控保障、事前可灰度观测、事中可观测预警、事后可应急快恢，使得数据三板斧和数据SLA在蚂蚁数据域全面落地。

1、负责大规模多模态数据计算引擎的核心架构设计与执行计划优化，构建面向异构计算（CPU/GPU）的高效任务调度机制与执行流水线，解决PB级多模态数据（图像、音频、视频等）处理过程中的关键性能瓶颈； 2、应对PB级数据在Shuffle、Join、Aggregation等场景中面临的内存、I/O与存储资源挑战，攻克每日PB级流批一体数据处理过程中的系统稳定性难题了； 3、提供SQL-like与Python双端编程接口，打造从本地开发调试到生产级分布式计算的一站式开发体验，持续提升开发效率与工程易用性； 4、应对百PB级结构化数据及多模态数据入湖场景下的高效存储与高吞吐I/O挑战；实现多租户I/O与存储资源的有效隔离；构建完善的数据治理体系，保障数据质量，防范数据腐化风险。

团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。 Seed 团队在 AI 领域拥有长期愿景与决心，团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE 等超过 50 个应用场景，并通过火山引擎开放给企业客户。第三方数据显示，豆包 App 用户量在中国市场排名第一，豆包大模型日均 Token 调用量行业领先。 1、数据生产管理统筹：World Model训练数据的全生命周期管理，涵盖数据需求分析、采集规范制定、质量审核、版本管理及上线交付，确保数据供给的规模、多样性与一致性满足模型迭代要求； 2、合成产线搭建：主导自动化数据合成产线的设计与落地，利用游戏引擎（如Unreal Engine/Unity）或仿真平台（如Isaac Sim/CARLA）构建可程序化驱动的场景生成、渲染与标注流水线，大幅降低人工数据采集成本； 3、工作流设计：负责端到端数据工作流的梳理与标准化，包括标注任务分发、众包质检、人机协同审核等关键节点的流程设计，输出可复用的SOP并落地到工具平台中； 4、数据质量体系：建立面向World Model的数据质量评估框架，定义时序一致性、物理合理性、多模态对齐等核心质量维度的量化指标，并推动质检工具的自动化落地； 5、跨团队协同：深度对接算法研发团队，理解模型训练对数据分布、格式与规模的动态需求，快速响应并调整产线配置；同时协调外部供应商、外包团队及开源社区资源，保障数据交付节奏； 6、效率与规模优化：持续追踪产线瓶颈，推动渲染调度、标注自动化、数据清洗等环节的工程优化，建立数据产出效率与质量的双向监控体系，支撑产线从百万级向十亿级规模的扩展。