中国电信
大数据和AI工程师（具身智能方向）
大数据和AI工程师（具身智能方向）
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公具身智能
具身智能
Pytorch
Ros/Ros2
Tensorflow
Vla
具身智能
大模型
语义Slam
运动规划
值不值得投
68综合评分
综合评分 68
前沿具身智能研发岗，技术成长强，薪资福利与WLB信息未披露
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
2.7万
比具身智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2210 个在招 · 其中具身智能 5 个
职位详情
关于这个职位
该岗位聚焦具身智能感知与规划算法、VLA/LLM/VLM大模型研发及机器人软硬件协同集成，面向多传感器融合、语义SLAM、运动规划与平台部署等核心任务
适合具备机器人算法与大模型应用能力、希望在中国电信开展前沿AI研发的硕士人才
最低要求
精通C++/Python，熟悉PyTorch/TensorFlow等深度学习框架，了解大模型微调框架
熟悉机器人操作系统（ROS/ROS2），以及OpenCV、PCL等常用视觉和点云库
了解具身智能VLM、VLA及VLN等架构，能进行应用
逻辑分析能力：清晰拆解业务规则，识别需求冲突，输出功能列表、流程图
文档编写能力：撰写规范的需求规格说明书、用户故事，做到无歧义
业务理解能力：具备快速学习项目所在行业的专业术语和作业模式的能力
工具使用能力：主流的机器人开发工具
工作职责
具身智能感知与规划算法开发：具身智能多传感器融合技术研究及应用
具身感知及场景理解算法研发
语义SLAM、场景图构建等空间感知研发
机器人的运动规划、全身控制（WBC）、轨迹优化及安全避障等算法研发
具身智能大模型研发与应用：视觉-语言-动作（VLA）大模型研究和应用开发
大语言模型（LLM）和视觉语言模型（VLM）研发与应用
软硬件协同集成：机器人软件系统研发，机器人平台算法部署，软硬件集成协同工作
AI 洞察
优缺点分析
优点
- 技术方向前沿，覆盖具身智能、VLA、LLM/VLM与机器人系统集成，成长空间较大
- 岗位职责贯穿算法研发到平台部署，有利于形成完整的机器人系统能力
- 工作地点在广州天河区，城市配套与通勤条件较好
- 技能栈跨度大，既要求机器人感知规划，也要求大模型应用与工程部署，学习曲线较陡
- JD未披露薪资、办公模式与加班情况，实际回报和WLB需面试确认
缺点 / 挑战
- 软硬件协同和平台部署可能涉及多团队协作，沟通与排障成本较高
- 适合具备硕士学历、机器人/人工智能背景，希望在前沿具身智能方向长期积累，并能接受复合型技术挑战的求职者
角色解读
- 可在具身智能感知、规划控制或VLA大模型方向纵深发展，成为算法专家
- 随着软硬件协同经验积累，可转向机器人系统架构或技术团队管理
- 依托运营商场景，有机会参与前沿AI研发与行业落地项目
- 负责具身智能多传感器融合、场景理解、语义SLAM与场景图构建等空间感知算法研发
- 研发机器人运动规划、全身控制（WBC）、轨迹优化与安全避障算法
- 参与VLA、LLM、VLM等具身智能大模型的研究、应用开发与机器人平台部署
- 推进机器人软件系统、算法部署及软硬件协同集成
- 扎实的C++/Python工程能力，熟悉PyTorch/TensorFlow及大模型微调框架
- 熟悉ROS/ROS2、OpenCV、PCL等机器人开发与视觉点云工具
- 理解VLM、VLA、VLN等具身智能架构，具备算法落地能力
- 具备需求拆解、流程设计、文档编写和快速理解行业业务的能力
申请策略
- 投递前了解中国电信在AI/具身智能方向的业务布局，面试中表达技术落地意识
- 主动与HR确认团队归属、办公地点、薪资结构与工作模式，避免信息不对称
- 突出C++/Python工程能力及PyTorch/TensorFlow项目经验，量化算法性能或部署效果
- 展示ROS/ROS2、OpenCV、PCL、SLAM、运动规划或WBC相关项目经历
- 如有VLA、VLM、LLM微调或机器人平台部署经验，应作为核心亮点详细说明
- 体现需求分析、流程图/文档输出和跨团队协作能力
- 补齐具身智能VLA/VLN架构知识，准备一个从感知到动作输出的完整案例
- 强化ROS2与机器人平台算法部署能力，熟悉常见仿真和真机调试流程
面试指南
- 采用“背景-目标-方案-难点-结果”结构讲项目，突出个人贡献和量化指标
- 技术问题先讲整体架构，再讲关键模块与取舍，最后说明验证方式和局限
- 对未完全掌握的方向，说明学习路径和可迁移经验，避免空泛承诺
- 请介绍一个你主导的具身智能感知或机器人规划项目，重点说明难点和效果
- 如何设计多传感器融合方案并处理时空同步、标定和噪声问题？
- 你对VLA/VLM架构的理解是什么？如何将大模型应用到机器人动作生成？
- 如何实现语义SLAM与场景图构建，并用于导航或操作任务？
- 在ROS/ROS2下做过哪些算法部署优化？如何排查实时性问题？
职位点评
薪资福利55
成长发展88
工作生活58
使命价值70
薪资福利
55较低
JD未披露薪资、福利与发放月数，补偿性信息不足；岗位技能门槛较高，具体回报需在面试环节确认。
薪资信号未披露（AI估算：1.8千–3.5万/月）
成长发展
88较高
岗位涉及具身智能、VLA、LLM/VLM和机器人系统集成，技术栈前沿，研发内容有较强成长性。
技术前沿前沿/新兴技术
技术栈C++、Python、PyTorch、TensorFlow、ROS/ROS2、OpenCV、PCL、VLA、VLM、LLM、语义SLAM、WBC
业务类型ambiguous
工作生活
58较低
JD未说明办公模式与加班情况，地点位于广州市天河区，通勤与生活配套相对便利，但WLB需面试确认。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
具身智能与大模型结合处于新兴方向，技术探索性强，但JD未直接阐述社会使命或行业落地规模。
行业发展新兴领域（暂难判断）
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs