具身AI infra 负责人

优缺点分析

角色解读

• 从技术负责人向研究院技术专家或团队负责人发展，带领团队构建更完善的 AI 基础设施
• 在具身智能赛道积累深厚经验，未来可转向高级研发管理岗位或创业
• 横向扩展至其他 AI 领域（如自动驾驶、机器人操作系统），成为跨领域技术领导者
• 负责具身智能训练与推理基础设施的整体规划与架构设计，确定技术方向和实施路径
• 构建高效稳定的模型训练与推理平台，优化分布式训练、资源调度、存储通信及推理性能，支撑大规模模型迭代
• 建设机器人端侧基础设施，包括设备接入、数据回传、模型部署、运行监控和评测工具链，确保系统稳定运行
• 扎实的分布式系统设计能力，熟悉 Kubernetes、容器化、资源调度等基础设施技术
• 深入理解深度学习训练与推理框架（如 PyTorch、TensorFlow），有大规模分布式训练经验
• 熟悉 GPU 集群、高速网络（如 RDMA）、存储系统，能够针对 AI 工作负载进行性能优化
• 具备机器人或嵌入式系统基础知识，了解设备接入、边缘部署和实时推理的挑战

申请策略

• 深入了解京东探索研究院的业务方向和已公开的成果，在面试中体现对公司的兴趣
• 准备一个完整的技术架构案例，说明如何从零构建 AI 基础设施
• 突出分布式训练平台的设计与落地经验，包括集群规模、性能优化成果
• 展示机器人或端侧部署项目，如设备接入、模型压缩、边缘推理等
• 强调团队管理或跨团队协作经验，体现负责人岗位所需的领导力
• 如有具身智能、自动驾驶或机器人相关项目经历，务必放在显眼位置
• 系统梳理 Kubernetes、GPU 调度、RDMA 网络等基础设施知识，准备技术深度问答
• 学习具身智能领域的最新进展，了解主流仿真平台和部署流程

面试指南

• 使用 STAR 法则（情境-任务-行动-结果）回答项目经验，突出量化成果
• 从系统整体出发，先谈架构思想，再落到具体技术选型和优化
• 将问题与京东具体业务结合，展示对业务场景的理解
• 请描述你设计过的分布式训练平台架构，如何解决资源调度和性能瓶颈？
• 如何评估和优化大规模 GPU 集群的利用率？
• 在机器人端侧部署模型时，你会如何处理延迟、功耗和内存限制？
• 作为负责人，你如何规划长期技术路线并协调团队成员？
• 京东的具身智能应用场景（如物流）中，你认为基础设施的关键挑战是什么？