京东
算法开发
算法开发
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Ai基础设施
具身智能
分布式训练
大模型训练
深度学习框架
算力调度
系统性能优化
值不值得投
73综合评分
综合评分 73
聚焦具身智能与LLM基建的核心技术岗，发展空间广阔，技术挑战大，WLB未明确
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
8.0万
比机器学习工程中位数高
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 1980 个在招 · 其中机器学习工程 15 个
市场机会
选择面较广
北京 · 机器学习工程 · 约 550 个在招
职位详情
关于这个职位
负责具身智能与大模型训练推理基础设施的架构设计与全链路统筹，搭建统一训练平台与算力调度方案
通过建立效率、成本与时延指标体系，持续优化分布式训练与部署性能，输出可复用工具以提升整体研发效能
最低要求
具备具身智能研发流程与训练推理基础设施的统筹规划经验，熟悉从模型训练到实机部署的全链路
拥有AI训练平台系统设计经验或大规模集群训练经验，能贯通数据生成、训练、评测与推理流程，建立效率与成本指标
熟悉大模型训练与推理底层原理，具备框架或引擎优化能力，能定位分布式训练与部署中的性能瓶颈
具备系统瓶颈洞察能力，能从复杂链路中识别关键约束并形成可验证的优化方向
具备推动平台建设的前瞻视野，能吸收具身智能与AI基础设施前沿方法并转化为提升效率的具体措施
符合京东价值观：客户为先、创新、拼搏、担当、感恩、诚信
工作职责
梳理模型训练至实机部署全流程，规划统一训练推理基础设施的建设路径
设计训练平台与算力调度方案，贯通数据、训练、评测与推理工作流
建立训练效率、资源成本与推理时延等指标体系，评估平台效果并推动优化
总结平台建设经验，形成可复用的方法与工具以提升整体研发效率
AI 洞察
优缺点分析
优点
- 聚焦具身智能与大模型前沿基建，技术壁垒高且行业需求旺盛，职业护城河深
- 依托头部互联网平台，拥有充足的算力资源与真实业务场景支撑技术落地
- 接触底层架构设计与系统级优化，个人技术纵深积累显著，市场竞争力强
- 需同时兼顾理论研究与工程落地，对系统全局观与跨模块协同能力要求极高
- 大厂内部协作链条长，推进跨部门基础设施建设存在沟通与推进成本
- 适合具备深厚分布式系统功底、热衷于AI基础设施架构设计，且能接受高强度技术攻坚的研发工程师
缺点 / 挑战
- 分布式训练调优难度大，性能瓶颈排查耗时耗力，需承受较高的技术攻坚压力
角色解读
- 向首席架构师或资深技术专家演进，主导公司级AI基础设施战略规划
- 横向拓展至AI基础设施产品化或跨业务线技术赋能，成为复合型技术骨干
- 长期可向研究院技术负责人或技术管理岗位发展，带领团队攻克前沿难题
- 负责AI训练与推理基础设施的架构设计与全链路打通，规划统一平台建设路径
- 主导算力调度方案设计与训练平台系统搭建，贯通数据、训练、评测与推理工作流
- 定位分布式训练与部署中的性能瓶颈，实施底层框架优化与系统调优
- 沉淀可复用工具链与方法论，持续提升整体研发效能与资源利用率
- 精通大模型训练/推理底层原理与分布式系统架构，熟悉主流训练框架源码
- 具备大规模集群训练与AI平台系统设计经验，掌握数据生成至推理的全流程管控
- 擅长性能剖析与系统调优，能高效识别复杂链路中的关键约束并制定优化方案
- 熟悉具身智能落地流程，能将前沿技术方法转化为实际工程效能提升措施
申请策略
- 提前了解京东探索研究院近期公开的技术成果与业务布局，匹配个人经验
- 面试时准备1-2个完整的“问题定位-方案设计-效果验证”技术复盘案例，展现闭环思维
- 突出大规模集群训练项目经验与具体性能提升数据（如吞吐量提升X%、成本降低Y%）
- 详细展示AI训练平台架构设计图与关键模块实现逻辑，体系统一规划能力
- 强调在LLM训练/推理优化中的底层改造案例，突出框架级或引擎级优化经验
- 深入研读主流分布式训练框架（如DeepSpeed、Megatron-LM）源码与并行策略
- 补充GPU/NPU硬件特性与通信库（NCCL/RDMA）优化知识，掌握显存与带宽调优技巧
- 学习具身智能仿真到实机迁移的最新论文与实践，拓宽技术视野
面试指南
- 采用STAR法则结构化回答，重点突出背景复杂度、你的核心决策依据、量化结果及复盘思考
- 针对架构设计题，先明确核心诉求与约束条件，再分层给出数据、计算、存储、网络维度的解决方案
- 针对优化类问题，遵循“指标定义-基线测量-瓶颈假设-实验验证-迭代优化”的科学方法论展开
- 请分享一次你解决分布式训练性能瓶颈的实际案例，你是如何定位并优化的？
- 如何设计一个支持多模态大模型的高效训练平台？各模块如何协同？
- 面对算力资源紧张，你会如何制定调度策略以平衡成本与推理时延？
- 大模型推理时延优化的常见手段有哪些？如何权衡精度与速度？
- 如何评估新引入的AI基础设施组件是否真正提升了整体研发效率？
职位点评
薪资福利78
成长发展88
工作生活45
使命价值75
薪资福利
78中等
薪资处于市场中上水平，但JD未明确披露具体范围；作为头部企业核心研发岗，通常配套完善的薪酬福利体系。
薪资信号未披露（AI估算：6.0千–10.0万/月）
成长发展
88较高
高度契合前沿技术方向，提供接触大模型与具身智能底层基建的机会，技术成长空间广阔。
技术前沿前沿/新兴技术
技术栈具身智能、大模型训练、分布式训练、AI基础设施、算力调度
业务类型ambiguous
工作生活
45较低
未提及弹性办公或WLB相关承诺，技术研发与平台建设通常伴随较高工作强度与交付压力。
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
75中等
致力于构建通用AI基础设施，推动具身智能落地，具有显著的技术行业价值与社会影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs