智能互联通义大模型事业部-机器人系统集成与开发工程师-杭州/北京/上海
任职要求
1. 硕士及以上学历，机械工程、自动化、计算机等相关专业。 2. 1 年以上机器人相关工作经验，具备真实机器人系统开发与调试经验，能够独立完成机器人平台的部署，有定位并解决系统问题（如控制抖动、通信延迟、标定、推理延迟等）的能力。 3. 熟悉机器人运动学与控制基础（位姿解析、逆运动学、轨迹规划），熟悉异步推理技术，了解机器人安全保护机制（碰撞检测、急停策略等）。 4. 有遥操作系统开发或深度使用经验（主从臂 / VR / Gello / 手柄 / UMI / 外骨骼 / 力反馈等），熟悉实时通信与低延迟控制。 5. 熟练掌握至少一种编程语言（Python / C++），具备良好的工程实现能力。 6. 熟悉 ROS / ROS2 框架，具备多模块系统集成与调试经验。 7. 具备良好的跨团队沟通协作能力，能与算法、数据、硬件…
工作职责
1. 负责机器人操作系统的整体软硬件集成与真机部署，完成机械臂、传感器、计算单元等系统的搭建、调试与优化，构建稳定可靠的机器人运行环境。 2. 负责实时遥操作系统的开发与优化，满足高时效性和可靠性要求，设计并搭建真机评测体系与数据管线。 3. 解决真实机器人系统中的部署问题（延迟、标定误差等），优化异步推理系统（RTC等），设计安全保护机制（碰撞检测、异常行为监测、急停），持续提升系统鲁棒性与安全性。 4. 协同算法、数据、硬件团队，将前沿算法成功转化为可稳定运行的机器人系统，推动在真实场景和任务的落地闭环。
近年来，以大模型为核心的生成式人工智能技术在语言理解、内容生成、多模态建模与跨模态交互等领域取得了突破性进展，展现出前所未有的技术潜力与广泛的应用前景。 我们致力于通用人工智能（AGI）方向的前沿探索与产业落地创新。一方面，在迈向AGI的长期路径中，随着大语言模型能力的持续进化，多模态感知、融合与推理等关键问题日益凸显，成为构建通用智能系统的核心挑战；另一方面，围绕典型行业场景（如智能交互、高质量内容生成、跨模态检索与理解等），如何将现有大模型能力有效转化为可落地、可扩展、可持续的解决方案，也成为当前研究与工程实践的重点方向。 如果你对生成式AI、通用人工智能（AGI/ASI）前沿探索、多模态建模与智能交互系统有浓厚兴趣，并渴望深入参与下一代多模态通用模型的研发与演进，欢迎加入我们，共同定义未来AI的能力边界，牵引千行百业在智能时代的深度变革。 1. 多模态大模型算法创新：定义下一代多模态通用大模型技术范式，实现文本、语音、视觉模态的联合建模，探寻和解决多模态对齐、推理、Agentic等方面的核心挑战，不断追寻多模态通用大模型的效果上限。 2. 场景驱动的算法创新：结合业务场景（如智能交互、内容生成、跨模态检索等），设计并优化大模型架构，提升效果、效率与鲁棒性。 3. 端到端技术闭环：从数据构建、模型训练、评测到部署，主导技术方案落地，通过AB实验、调用量、用户反馈验证价值。 4. 前沿应用技术探索：紧跟并能驱动LLM、Diffusion Models、强化学习等技术相关进展，定义技术新范式，快速实验并迭代创新方案，拉升相关模型SOTA。
● 面向 NVIDIA GPU、AMD GPU、NPU 等主流异构 AI 加速硬件，对大模型核心算子进行深度性能优化，极致压榨计算与访存带宽资源，显著提升端到端推理吞吐量与延迟表现。 ● 设计并实现高精度、极低比特（如 INT4/INT2）量化内核，在保障推理精度的前提下，大幅降低模型存储占用与计算开销，推动大模型在资源受限场景下的高效部署。 ● 针对大规模分布式推理场景，研发计算-通信协同优化技术，有效隐藏通信延迟，提升多卡/多节点系统的可扩展性与资源利用率。 ● 紧跟大模型架构前沿演进，针对稀疏 MoE、线性注意力（Linear Attention）、稀疏注意力（Sparse Attention）等新型结构，开展端到端性能建模、算子定制与内核级优化，为下一代高性能推理引擎提供核心技术支撑。
● 为大语言模型和多模态模型设计和实现高效的分布式推理架构，支持多节点、多角色、多模型的异构复杂部署模式，以统一、可扩展的方式支持PD分离、多模态多模型分离等部署方式，以及灵活的配比、伸缩等能力。 ● 设计和实现智能的请求与模型调度能力，在高度动态的负载工况下以及多模态模型异构的子模型间做高效的调度，让分布式推理系统具备充分的动态性和适应能力，提升服务的整体效率和质量。 ● 对分布式和多模态推理引擎运行时进行深度优化，提升分布式推理的效率和稳定性：提升组件间协调的效率，降低请求延迟、提升服务吞吐；结合各类推理引擎层面优化以及量化等算法方法提升多模态模型推理效率，同时保证模型效果；提升系统在高并发下的鲁棒性，确保极端负载下的稳定性和性能；引入容错机制、自动恢复和监控报警系统，保证系统的高可用性。 ● 为分布式推理实现高效、通用的数据平面，以统一的方式支持各类数据传输（如PD分离中的KV cache、多模态推理中的中间结果）和存储（KV cache storage）等需求。 ● 持续关注并跟进业界技术发展，尤其是超长上下文、COT思维链、多模态融合等方向；积极尝试和探索新的推理优化方向，提出并验证创新性的解决方案。
1. 商机判断与深度技术交流 1) 作为大模型产研代表，赋能前端销售/行业线，参与商业策略制定与高价值商机筛选； 2) 针对复杂项目，协同售前、销售、产品及研发团队，与客户关键决策人开展深度技术对话，引导技术选型与合作方向； 3) 结合行业趋势与技术演进，精准判断大模型应用场景的商业潜力，为商机转化和规模化结果负责。 2. 解决方案设计与规模化推广 1) 深入理解客户在功能性、非功能性（性能、稳定性、安全性、成本等）维度的核心诉求，基于通义大模型能力，设计具备技术竞争力与成本优势的端到端解决方案； 2) 主导POC、Win back、招投标等关键环节的技术方案输出，包括产品选型、配置报价、控标项设计及Demo验证； 3) 提炼客户场景中的关键技术指标，转化为可量化的产品能力项，形成差异化竞争优势； 4) 推动文本、视频、图像、语音等大模态模型产品的商业化方案设计、问题解决与落地交付； 5) 负责大模型服务的对客体验闭环：接收客户反馈，完成问题Triage、根因定位，并通过后训练、Prompt工程或产品调优等方式达成客户效果目标； 6) 推动及协助大模型服务平台（如解决方案Demo中心、落地页、API网关等）的架构设计与开发，保障高可用、安全、可扩展的统一服务能力。 3. 产品改进与技术反哺 1) 深入一线客户场景，系统性调研并抽象共性需求与痛点，精准传递至产品研发团队； 2) 参与大模型及智能化产品的重大功能设计、定价策略、用户体验优化，确保产品在垂直行业保持领先； 3) 构建面向特定行业/场景的商业Benchmark，持续评估并推动模型能力边界拓展； 4) 识别模型在真实场景中的能力短板，主动发掘高质量数据合作机会，推动闭源模型与数据飞轮的正向循环。 4. 市场洞察与竞争分析 1) 持续跟踪AI大模型市场动态、竞争格局、技术路线及定价策略，输出竞对分析报告； 2) 快速捕捉行业热点与客户业务痛点，前瞻性挖掘高潜力应用场景，驱动新产品/新方案快速孵化与市场覆盖； 3) 将市场洞察转化为可执行的产品与解决方案策略，影响产研与前线团队高效协同落地。 5. 最佳实践沉淀与生态赋能 1) 在项目实践中总结标杆案例，沉淀可复用的解决方案模板、IaC（Infrastructure as Code）脚本、测试用例及标准化模块； 2) 输出GTM（Go-to-Market）材料，包括技术白皮书、解决方案手册、演示Demo等； 3) 联合生态伙伴共建联合解决方案，对销售团队、合作伙伴及开发者提供技术赋能与支持；