阿里巴巴
数据技术及产品部-具身智能数据平台研发工程师-杭州
数据技术及产品部-具身智能数据平台研发工程师-杭州
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Gpu集群管理
具身智能
分布式调度
多模态数据处理
数据工程
值不值得投
80综合评分
综合评分 80
前沿具身智能数据基建岗，技术挑战大、成长空间广，但工作节奏偏快
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
4.0万
比数据工程中位数高
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 3760 个在招 · 其中数据工程 66 个
市场机会
选择面较广
杭州 · 数据工程 · 约 100 个在招
职位详情
关于这个职位
负责构建具身智能多源异构数据统一管线与标准化Schema，搭建分布式仿真调度系统与数据质量管控体系，打通从数据采集、生成到模型训练评测的完整链路，为大规模机器人智能体提供高效可靠的数据基础设施支撑
最低要求
计算机系或者相关方向本科及以上学历
年以上后端/数据工程经验，熟悉分布式任务调度框架（Ray / Celery / Airflow / 自研调度器）
熟悉大规模多模态数据处理：高性能序列化（Parquet / HDF5 / TFRecord / WebDataset）、对象存储、数据湖架构
具备GPU集群管理经验：了解多GPU资源分配、显存监控、任务队列管理
编程能力强（Python为主，Go/Rust加分），有生产级数据系统的设计与运维经验
工作职责
建设多源异构数据统一管线：覆盖真机采集数据（跨本体、多传感器）与仿真数据的接入、清洗、转换、质检、存储和分发，实现不同来源数据的标准化汇聚
负责多模态机器人数据的Schema设计与标准化：覆盖图像、深度图、点云、IMU、关节角、轨迹、动作、语义标注、传感器参数等，兼容统一/自有格式规范，支持对接开源数据集
设计并搭建分布式仿真调度系统：支持大规模环境实例跨多GPU/多节点的调度、监控与弹性扩缩
构建数据质量过滤与异常检测模块和建设数据版本管理与血缘追踪体系
搭建数据导出与训练对接服务：按训练需求灵活导出真机+仿真混合数据子集，支持增量更新与数据混合策略（如Sim2Real增广比例调配）
与仿真引擎、算法训练、机器人本体和平台工程团队协作，打通数据从采集/生成到训练、评测、分析和可视化平台的完整链路
优先资格
有机器人多模态数据处理经验（视觉、力觉、本体感知等），理解不同传感器数据的采集机制与对齐方式
了解RL训练数据格式与需求（轨迹结构、经验回放缓冲区、数据集Schema），有ML Infra经验
有仿真平台对接经验（Isaac Sim / MuJoCo / Gazebo），理解rollout数据的产生机制
熟悉数据版本管理工具（DVC / LakeFS / Delta Lake），有数据血缘追踪实践
熟悉Kubernetes / Docker，能构建弹性伸缩的计算集群
AI 洞察
优缺点分析
优点
- 依托头部互联网平台资源，可接触海量真实机器人数据与顶级算力集群
- 职业背书强，利于长期技术积累与行业人脉拓展
- 需同时兼顾数据工程与仿真调度底层优化，系统复杂度极高
- 多模态数据对齐与Sim2Real策略调试周期长，对工程落地能力要求严苛
- 跨部门协作链条较长，需具备较强的沟通推动与项目管理能力
- 适合具备扎实后端/数据工程基础、对机器人/AI前沿技术有强烈兴趣，且能承受高强度技术攻坚的开发者
缺点 / 挑战
- 聚焦具身智能前沿赛道，技术栈先进且业务场景极具挑战性
角色解读
- 向高级数据架构师或ML Infra专家方向发展，主导核心数据平台建设
- 深入具身智能底层数据基建，逐步承担大模型训练数据平台或仿真引擎架构职责
- 积累跨团队协同与复杂系统治理经验，向技术负责人或平台研发总监演进
- 负责构建具身智能机器人的多源异构数据流水线，完成数据采集、清洗、标准化与存储分发
- 搭建分布式仿真调度系统与数据质量管控模块，保障大规模训练任务的稳定运行
- 打通数据从采集、生成到模型训练、评测与分析的完整基础设施链路
- 精通Python及分布式任务调度框架（Ray/Airflow等），具备高并发系统设计能力
- 掌握大规模多模态数据处理与数据湖架构，熟悉高性能序列化与对象存储
- 具备GPU集群资源管理与运维经验，了解显存监控与任务队列调度机制
- 熟悉容器化部署与弹性计算架构，能独立完成生产级数据系统的开发与维护
申请策略
- 提前研究目标实验室近期具身智能公开论文与技术博客，匹配技术语境
- 准备1-2个高并发数据系统压测、故障排查与性能优化的详细案例
- 突出分布式数据管道搭建经验与性能调优成果，量化处理数据规模与吞吐指标
- 详细列出调度框架使用案例、GPU集群管理实践及高可用架构设计细节
- 强调多模态数据标准化处理与数据血缘追踪的实际落地经验
- 补充学习Ray/Airflow源码机制与数据湖最新标准（如Iceberg/Delta）
- 了解ROS2/Isaac Sim基础操作与机器人传感器数据流特性
- 强化分布式系统一致性理论与数据压缩编码原理
面试指南
- 采用STAR法则结构化回答，先阐述业务背景与数据规模，再说明技术选型依据
- 重点展示性能指标对比、踩坑复盘与迭代优化过程，体现工程闭环思维
- 针对架构设计题，优先说明权衡取舍（Trade-off）与可扩展性考量
- 如何设计支持PB级多模态数据的低延迟读写架构？
- Ray/Celery调度框架在大规模任务下的瓶颈及优化方案是什么？
- GPU集群显存碎片化问题如何解决？任务队列如何保证公平性与优先级？
- 数据版本管理与血缘追踪在生产环境中如何落地并避免性能损耗？
- 复习分布式系统理论、数据压缩编码原理与主流序列化格式差异
职位点评
薪资福利85
成长发展92
工作生活55
使命价值78
薪资福利
85较高
薪资处于互联网大厂中上水平，福利体系完善，稳定性高，能满足较强的补偿性动机。
薪资信号偏高 (3.0千–5.0万/月)
成长发展
92较高
深度参与具身智能数据基建与仿真调度系统研发，技术前沿性强，成长空间广阔。
技术前沿前沿/新兴技术
技术栈Ray、Airflow、Parquet、HDF5、TFRecord、WebDataset、Kubernetes、Docker、Python、Go
业务类型profit_center
工作生活
55较低
未明确提及弹性办公或WLB政策，大厂技术岗通常节奏较快，工作生活平衡一般。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
78中等
投身具身智能这一新兴战略领域，致力于打通机器人数据全链路，具有显著的行业探索价值与社会意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs