项目背景：构建下一代通用具身智能系统。面向灵巧手、机械臂及多形态机器人本体，打造具备高度泛化能力的“通用大小脑”架构，并建设支撑模型训练、推理部署、数据闭环和规模化交付的云端与端侧 AI 基础设施。团队正在快速扩充中，目标是支撑数万台具身智能产品交付。该岗位将负责连接模型、机器人本体、云端平台与用户生态，打造高可靠、低延迟、可观测、可持续演进的 AI Infra 系统。
云端 AI 基础设施建设负责模型训练、数据处理、实验管理、模型管理、评测调度、推理服务等云端 AIInfra 能力建设，支撑 VLA、世界模型、具身 Agent 和策略模型的快速迭代。
云边端协同架构开发设计并实现机器人端、边缘节点与云端之间的任务调度、模型更新、数据回传、远程诊断、灰度发布、权限控制和故障恢复机制。
高性能推理服务建设搭建高吞吐、低延迟、可扩展的在线推理服务，支持批处理、流式推理、多模型路由、缓存、弹性伸缩和服务降级。
数据闭环与可观测系统建设建设机器人运行数据、模型推理日志、传感器数据、任务执行状态、异常样本等数据采集与分析链路，支撑模型优化、质量追踪和产品迭代。
工程平台化与规模化交付参与建设面向内部研发和外部开发者的模型部署平台、机器人应用运行时、SDK、工具链和自动化运维体系，支撑大规模机器人产品交付。
任职要求
AI Infra 基础：熟悉模型训练、推理部署、模型管理、实验管理、数据管线、评测系统等 AI 工程基础设施中的一种或多种。
云原生工程能力：熟悉 Linux、Docker、Kubernetes、服务治理、CI/CD、日志监控、链路追踪、弹性伸缩、灰度发布等工程实践。
推理优化能力：熟悉 ONNX Runtime、Triton Inference Server、vLLM、SGLang、llama.cpp、TVM、OpenVINO、MindSpore Lite 等推理引擎或部署工具中的一种或多种。
分布式系统能力：理解分布式任务调度、消息队列、缓存、对象存储、数据库、RPC、服务发现、容错恢复、权限安全等基础系统设计。
机器人系统理解：了解机器人本体、ROS/ROS2、传感器数据流、控制链路、实时性约束、远程运维和安全边界。
编程与工程：具备良好的 Python/C++/Go/Rust 中至少一种语言的工程能力，能够编写可靠、可维护、可观测的生产级系统。
AI 赋能能力：充分拥抱 AI，善于借助 code agent、自动化工具和大模型提升研发效率；同时对交付质量负责，在保证质量的前提下提升效率。
有 AI Infra、机器学习平台、推理服务、云原生平台、机器人软件平台、自动驾驶基础设施、边缘计算或智能硬件系统等相关领域实习经验。
