蚂蚁金服蚂蚁集团-AI研发工程师（具身智能）-大安全
任职要求
1. 计算机系统、算法、安全或相关领域的硕士或博士学历； 2. 在具身智能/大模型架构/强化学习/训练框架等方向，在业界顶会，头部开源项目，或者公…
工作职责
1.负责安全领域场景研发，参与AI训练框架研究，AI数据计算，工程方案设计，推动AI研发基建落地； 2.深度参与AI研发全流程，涵盖大模型数据生成、训练或微调、效果验证、机器人运动控制； 3.能够应用大模型或者智能体思维来推动业务或者产品能力创新，以及AI产品化表达能力； 4.不断探索技术新领域，进行重点难点技术攻关工作，推动安全AI技术发展。
作为具身智能开放平台团队的核心成员，参与具身智能的核心组件、服务框架和生态平台的研发工作，帮助开发者高效地利用具身大模型能力，实现机器人应用的快速落地，您将参与如下工作： 1.平台核心架构研发： 参与具身智能开放平台 后端服务 的设计、开发和维护，包括高并发、低延迟的 API 网关、任务调度系统和云边协同架构。 2.AI与具身集成： 设计和实现 大模型（LLM/VLM）与机器人控制系统 之间的通信接口和数据转换服务，确保高级语义指令（如自然语言）能稳定、高效地转化为机器人可执行的动作序列。 3.开发者生态工具： 负责开发和优化平台 SDK、API 接口和后台管理系统，为全球机器人开发者提供友好、强大的工具和服务。 4.数据与存储服务： 构建和维护机器人感知数据、行为数据和模型训练数据的存储、索引及检索服务，确保数据的高可靠性和高吞吐量。 5.性能优化与稳定性： 负责解决系统瓶颈，进行代码重构和性能调优，确保平台在数千台甚至数万台机器人并发连接下的高可用性和稳定性。
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。
【关于机器人中心】小鹏机器人中心专注于构建面向未来的人形机器人系统，融合先进的人工智能（AI）、控制、机械与系统工程，打造能感知、理解、操作并能和现实世界进行交互的下一代机器人。 【关于团队】该部门承担前沿智能方法的预研工作，专注于实现机器人三大核心智能能力：自主移动（导航）、灵巧操作和人机交互。我们深入布局大语言模型（LLM）、多模态视觉语言模型（VLM）和视觉语言行动模型（VLA），实现全流程自研，推动机器人从感知到决策的全面智能化落地。团队成员遍布深圳、上海和美国硅谷，聚集了世界一流的科研与工程人才，致力于将大模型技术真正落地到复杂、动态的物理环境中。在这里，你将：与来自 AI、机器人硬件、控制等领域的优秀工程师合作；参与推动 LLM/VLM/VLA 与机器人智能体的融合；构建能够自主学习与进化的“具身智能体”。 - 负责将大规模VLM/VLA模型高效部署于定制化芯片（NPU、TPU、ASIC、FPGA、GPU集群等）； - 通过高效模型架构、推理图编译、算子融合与低延迟优化等方式，提升模型在各类硬件平台下的吞吐与功耗表现； - 设计并实现高性能推理框架，支持如长上下文、视频时空建模、工具调用等复杂功能； - 负责模型压缩与加速（量化INT8/FP8、蒸馏、剪枝、缓存、流式推理等）相关技术方案落地； - 联合芯片及系统团队，优化内存访问、调度策略、通信结构，达成端到端推理性能突破。
【关于机器人中心】小鹏机器人中心专注于构建面向未来的人形机器人系统，融合先进的人工智能（AI）、控制、机械与系统工程，打造能感知、理解、操作并能和现实世界进行交互的下一代机器人。 【关于团队】该部门承担前沿智能方法的预研工作，专注于实现机器人三大核心智能能力：自主移动（导航）、灵巧操作和人机交互。我们深入布局大语言模型（LLM）、多模态视觉语言模型（VLM）和视觉语言行动模型（VLA），实现全流程自研，推动机器人从感知到决策的全面智能化落地。团队成员遍布深圳、上海和美国硅谷，聚集了世界一流的科研与工程人才，致力于将大模型技术真正落地到复杂、动态的物理环境中。在这里，你将：与来自 AI、机器人硬件、控制等领域的优秀工程师合作；参与推动 LLM/VLM/VLA 与机器人智能体的融合；构建能够自主学习与进化的“具身智能体”。 - 负责视频-文本预训练：时空Transformer、Tubelet/patch 合并、时间位置编码、MRoPE/旋转位置等。 - 设计与实现视频采样与多尺度时空建模策略（clip/window、stride、动态帧采样）。 - 构建高效数据流水线：海量视频去重、切分、对齐、字幕/ASR/视觉caption融合与噪声治理。 - 联合训练与蒸馏：多任务（检索/QA/字幕/动作），长上下文与低延迟解码优化。 - 与平台团队协作，优化分布式训练（FSDP/DP+TP/PP、混精度、异构存储与缓存）。