百度
具身智能数据与平台研发工程师（J105510）
具身智能数据与平台研发工程师（J105510）
发布于 大约 19 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
云原生
任务调度
具身智能
分布式系统
容器技术
数据处理平台
值不值得投
78综合评分
综合评分 78
前沿AI基础设施平台岗，技术成长性极强，但工作模式与WLB需进一步确认。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
35K
与人工智能中位数基本持平
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 1110 个在招 · 其中人工智能 16 个
市场机会
选择面较广
北京 · 人工智能 · 约 380 个在招
职位详情
关于这个职位
本职位是百度智能云面向具身智能行业的数据与平台研发工程师，负责建设支撑客户在云上进行数据处理、模型开发、训练和评测的平台化能力
核心工作是设计研发数据处理工作流、基于Kubernetes的系统平台能力，并推动平台在行业客户中的落地
最低要求
计算机、人工智能、自动化、机器人、软件工程等相关专业，本科及以上学历，3年及以上相关经验
熟悉 Python / Go / Java / C++ 中至少一种编程语言，具备扎实的工程研发能力和良好的代码质量意识
必须熟悉 Kubernetes 的基本原理和使用方式，具备实际的容器平台、集群应用开发、部署或运维经验
了解容器运行时、Pod、Deployment、Service、Job、CRD、Operator、Namespace、ConfigMap、Secret 等核心概念
了解容器调度、资源管理、网络、存储、镜像、节点生命周期等基础机制，能够在 K8s 环境下进行应用开发、部署运维和问题排查
熟悉云原生、分布式系统、任务调度、工作流引擎、数据处理平台、AI 开发平台中的一种或多种技术方向
理解 AI 模型开发基本流程，熟悉数据处理、数据集管理、训练任务、实验管理、模型评测等环节
具备较强的问题抽象能力和平台化思维，能够将客户定制化需求沉淀为可复用的产品能力、算子能力或行业解决方案
具备良好的沟通协作能力，能够与客户、产品、算法、架构、交付团队协同推进复杂项目落地
工作职责
面向具身智能行业客户，建设云上数据处理、模型开发、训练评测平台化能力，支撑客户核心研发流程在百度智能云上稳定运行
负责具身智能场景下的数据处理工作流设计与研发，包括数据清洗、格式转换、数据集管理、任务编排、质量校验、版本管理、权限控制等能力建设
负责数据处理算子、工作流编排、任务调度、资源管理、执行环境管理等核心模块研发，提升多模态数据处理、训练准备、评测分析等环节的效率与稳定性
基于百舸及 Kubernetes 基础设施，设计并研发系统平台能力，支撑数据任务、训练任务、评测任务的部署、运行、调度、隔离与运维
深入理解 Kubernetes、容器运行时、容器网络、存储、镜像、资源隔离等基础机制，能够结合业务需求进行平台集成、应用开发和性能优化
结合具身智能客户的数据、模型、仿真、评测和部署流程，抽象通用平台能力，沉淀行业模板、标准流程和最佳实践方案
与算力、存储、调度、模型训练、推理部署等团队协同，打通数据处理、模型训练、评测验证、结果回流的云上闭环
参与客户方案设计、技术验证、问题定位和项目交付，推动平台能力在具身智能行业客户中的规模化落地
优先资格
有机器学习平台、数据平台、MLOps、工作流引擎、算子框架、模型训练平台研发经验
有机器人、自动驾驶、具身智能、多模态大模型、仿真平台相关项目经验
熟悉 Kubernetes 生态相关技术，如 Ray、Argo、Kubeflow、Airflow、Spark、Flink 等
有云厂商、AI Infra、ToB 行业解决方案或客户项目交付经验
有数据治理、数据血缘、权限管理、质量评估、成本优化等平台能力建设经验
有容器网络、镜像分发、弹性伸缩、节点管理、可观测、故障自愈等能力建设经验
有开源项目贡献经历，尤其是 Kubernetes 生态相关项目
AI 洞察
优缺点分析
优点
- 直接参与前沿的具身智能行业云平台建设，技术视野和行业前景俱佳
- 能深入接触云原生、AI Infra等多个高价值技术栈，积累稀缺的复合型技术经验
- 作为大厂核心平台岗，有相对完善的培训体系和规范的研发流程
- 需要同时理解Kubernetes底层机制和上层AI业务流程，技术栈复杂，学习曲线陡峭
- 作为ToB平台角色，需要频繁与客户、产品及多个内部团队沟通协作，对软性技能要求高
- 具备扎实云原生技术背景、对AI开发流程有好奇心、喜欢构建系统级平台解决行业复杂问题的工程师
缺点 / 挑战
- 平台能力将服务于行业客户，技术成果的影响力和可见度较高
- 平台工作往往需要兼顾通用性和客户定制化需求，在抽象与落地间找到平衡点颇具挑战
角色解读
- 技术专家路线：在云原生AI平台、具身智能基础设施方向深耕，成为细分领域的技术架构师
- 解决方案路线：积累行业经验，转型为面向特定垂直行业（如机器人、自动驾驶）的AI平台解决方案专家或技术负责人
- 管理路线：在带领小团队完成项目交付后，可向技术团队负责人或产品经理方向发展
- 设计并研发面向具身智能客户的云端数据处理与模型开发平台，构建从数据到模型评测的全流程工具链
- 深入Kubernetes底层，开发和优化容器化应用平台，确保任务的稳定部署、调度和运行
- 将客户具体的、定制化的研发流程抽象为通用的平台能力、算子和行业解决方案，实现规模化落地
- 与多个技术团队（算力、存储、算法等）紧密协作，打通云上AI研发的完整闭环
- 扎实的编程能力（Python/Go/Java/C++），具备高质量工程实践能力
- 深入的Kubernetes实战经验，熟悉容器生态核心概念、调度、网络、存储及问题排查
- 理解AI模型开发全流程，有数据处理平台、MLOps或AI开发平台相关研发背景
- 强大的抽象思维和系统设计能力，能将业务需求转化为可复用的平台化解决方案
申请策略
- 研究百度智能云和百舸平台的产品文档，理解其现有能力，在面试中提出有见地的改进或结合建议
- 准备一个能够体现你“平台化思维”的项目复盘，讲清楚从定制需求到通用能力的演化过程
- 突出与Kubernetes相关的深度实践项目，例如自研控制器、调度优化或大规模集群运维经验
- 强调参与过的数据平台、机器学习平台或MLOps平台项目，说明你在其中的核心贡献
- 描述你如何将复杂业务需求抽象并设计为平台能力或通用工具的案例
- 如有具身智能、机器人、自动驾驶等相关项目或开源贡献，务必重点展示
- 深入学习Kubernetes生态的高级主题，如Operator开发、网络插件（CNI）、存储插件（CSI）等
- 了解主流的工作流引擎（如Argo Workflow）和分布式计算框架（如Ray），并思考其与平台的结合
面试指南
- 对于系统设计问题，采用“背景-目标-设计-实现-优化”的框架，重点阐述你的权衡思考和抽象能力
- 对于Kubernetes相关问题，结合具体场景（如GPU调度、数据读取瓶颈）进行分析，展示你的底层知识和调试经验
- 对于业务结合问题，先阐述你对业务的理解，再将其映射到技术挑战和平台能力上，体现你的业务视角
- 请描述一个你设计或开发过的复杂分布式平台系统的架构，以及其中的关键技术挑战和解决方案
- 如果让你为一个新的具身智能客户设计数据处理工作流，你会考虑哪些核心模块？如何保证其可扩展性和可维护性？
- 在Kubernetes中运行一个AI训练任务，可能会遇到哪些资源或调度上的问题？你会如何优化？
- 如何平衡平台的通用性与特定客户的定制化需求？请结合你的经验谈谈
- 你对我们所服务的具身智能领域（如机器人、自动驾驶）有哪些了解？你认为它们对云平台有哪些独特的需求？
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
JD未披露具体薪资，但作为头部科技公司的核心技术平台岗位，其薪酬福利体系通常在市场具有竞争力，能满足较好的物质回报预期。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
该职位直接处于云原生、AI Infra与具身智能的交叉前沿，技术栈深度与广度兼备，且负责从0到1或从1到N的平台建设，技能成长和项目可见度极高。
技术前沿前沿/新兴技术
技术栈Kubernetes、Python、Go、云原生、容器运行时、数据处理平台、AI 开发平台、工作流引擎、具身智能
业务类型profit_center
工作生活
50较低
JD未提及任何办公模式或WLB相关信息，无法判断工作弹性。作为ToB平台交付岗，可能涉及与客户协同和项目推进，工作节奏和强度存在不确定性。
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
80较高
工作内容直接服务于机器人、自动驾驶等前沿科技行业的发展，致力于打造支撑创新的基础平台，具有较强的技术使命感和行业推动意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号支撑客户核心研发流程在百度智能云上稳定运行、推动平台能力在具身智能行业客户中的规模化落地
创新程度积极采用新技术
Watch Jobs