蚂蚁金服蚂蚁集团-AI感知硬件专家-具身智能方向
任职要求
1.电子，自动化，通信等相关专业 2.3年以上高速电路设计工作经验，优秀的数字电路和模拟电路设计能力，独立完成硬件原理图和PCB布局设计 3.熟悉主流AI大算力芯片架构并具备相关硬件开发设计经验，如英伟达orin，地平线征程，华为atlas等 4.熟悉激光雷达、serdes摄像头、3D深度摄像头、IPC摄像头、触觉力传感器等选型和应用 5.精通常见的Ethernet，USB3.0/2.0，PCIE3.0/4.0，GMSL，HDMI/DP、LPDDR4/DDR4、EMMC…
工作职责
1.负责具身智能AI感知算力硬件子系统的方案设计和可行性验证， 2.负责具身智能感知传感器选型和可行性验证， 3.负责系统硬件需求拆解，输出硬件设计详细需求和详细设计方案并组织评审 4.负责芯片、模组以及电子元器件选型，评估供应商芯片供应、市场应用、量产时间、成本、交期和demo性能测试验证 5.负责高速数字电路和模拟电路原理图和PCB布局布线设计和评审，具备信号完整性和电源完整性理论和仿真能力，保证硬件性能满足产品要求 6.负责pcba的工厂生产对接，单板硬件bringup调试，信号测量和功能性能调试，信号物理层一致性测试和SI/PI测试 7.负责单板和整机环境温度、EMC辐射传导、震动冲击、盐雾、ip防护、寿命耐久、压力测试等测试要求编写和测试计划规划，解决测试中遇到的硬件和包括软件、结构、热等系统性问题 8.协同造型、软件，算法，结构，热，系统等同事完善硬件设计和组织评审，完成单板和系统在DV/PV测试中问题解决，确保高质量交付 9.负责产线试产量产测试工作，规划产线测试流程和测试要求，如ICT/FCT/ATS/老化等技术规范，配合产线落实测试量产爬坡，解决产线测试不良和量产售后不良问题分析
1. 主导具身智能机器人（不限于四足/人形/物流设备等）的系统架构设计及核心器件选型： 全面负责机器人本体硬件平台（结构、电驱、传感器系统）及运动控制系统的顶层设计、技术路线制定与关键器件评估选型； 2. 以具身AGI为技术导向，领导硬件与控制研发： 聚焦解决大空间、复杂室内外场景下的机器人高动态移动控制、鲁棒导航及自然人机交互等核心挑战，推动高性能硬件与控制算法的协同创新与工程落地； 3. 驱动端到端视觉-语言-动作（Vision-Language-Action）算法在机器人平台的集成与量产化：与算法团队协作，实现端到端VLA模型在机器人的高效部署、实时推理及性能优化，构建支撑算法迭代的闭环数据系统（数据引擎与数据飞轮）； 4. 引领技术前沿与构建影响力： 持续跟踪并研判行业前沿技术方案（硬件、控制、感知与AI融合），主导具身智能软硬件协同的核心技术攻关，并通过开源、顶会论文、专利等方式建立并提升团队的技术领导力与行业影响力。
1.技术与系统架构：负责具身智能与机器人系统的整体架构设计，并主导机器人平台化（硬件模块、控制栈、感知栈）与大模型平台化（数据、训练、推理）的统一设计。 2.具身智能大模型工程：建设数据体系，协同科研模型算法团队推进具身大模型训练，协同、调用云平台搭建面向具身场景的大规模训练与分布式基础设施。 3.端侧模型推理部署：负责将具身智能模型在机器人端侧部署，并结合机器人计算资源进行软硬件协同优化。 4.机器人系统落地与工程交付：主导机器人在各类场景的落地与项目交付；负责从需求拆解、系统集成、工程实现、测试验证到交付运营的全流程工程管理；协调与供应链、ODM/OEM、硬件厂商的技术对接，以及机器人产业上下游的合作。 5.团队管理与跨部门协作：管理多学科工程团队，建立工程和研发流程（CI/CD、QA、仿真体系、回归测试、可靠性验证），并与产品、科研、算法、行业解决方案和 BD 团队紧密协作推进关键项目落地。
你将加入PAI平台团队，负责面向各类AI应用场景的模型训练与推理性能优化工作。该岗位聚焦于AI计算性能与系统效率的极致提升，以多层次优化手段，持续提升模型训练与推理的速度、稳定性与资源利用率，具体工作内容包含但不限于： ● 分析客户模型在不同硬件（GPU、NPU、CPU 等）和集群环境中的性能瓶颈，制定优化方案； ● 对主流深度学习框架（如 PyTorch、TensorFlow、JAX 等）进行算子、内核或图优化； ● 深入理解分布式训练架构（如数据并行、模型并行、流水并行等），优化通信与调度性能； ● 在推理端负责模型性能瓶颈分析，并进行量化、剪枝、融合、TensorRT/ONNX Runtime 等优化； ● 与平台团队协作，优化训练任务调度、算力利用、容器化运行效率以及多租户资源隔离； ● 支持重点客户模型性能调优，提供端到端性能优化方案与技术支持。
1. 具身智能大模型研究与优化 (1) 研究和构建具身智能大模型（Embodied Foundation Models）与机器人大脑。 (2) 探索语言、视觉、动作等多模态融合机制（VLM / VLA / VLA-Agent）。 (3) 优化模型的长时记忆、推理能力与可泛化性。 2. 机器人智能算法研发 (1) 设计和实现机器人多模态感知、导航、操作、交互等核心算法模块。 (2) 推进大模型驱动的机器人任务规划与决策。 (3) 基于模拟器与真实世界数据，进行大规模对齐与强化学习（Sim2Real, RLHF, Imitation Learning）。 3. 系统落地与协同研发 (1) 与硬件与系统团队协作，推动模型算法在真实机器人平台上的部署与性能调优。 (2) 支撑具身智能大模型的云端训练体系、数据闭环与MLOps工程。 (3) 发表高水平论文或申请相关专利，推动业界与学界前沿研究。