地平线
【地瓜机器人】具身世界模型算法工程师
【地瓜机器人】具身世界模型算法工程师
发布于 大约 15 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
Ai Infra
Deepspeed
Pytorch
Vla
World Model
具身智能
分布式训练
机器人
模型压缩
值不值得投
77综合评分
综合评分 77
前沿技术、高成长性，但工作强度可能较大，适合技术驱动的求职者。
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
65K
比具身智能中位数高
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 440 个在招 · 其中具身智能 13 个
市场机会
选择适中
北京 · 具身智能 · 44 个在招
职位详情
关于这个职位
该职位负责构建以世界模型为核心的具身智能系统，涵盖多模态感知、隐空间动力学、规划与控制等全链路
你将参与世界模型架构设计、算法闭环、AI Infra 建设、评测与数据飞轮，以及训练到部署的软硬协同，推动机器人产品落地
适合对具身智能、世界模型和 AI Infra 有深入理解和实践经验的算法工程师
最低要求
硕士及以上学历，计算机、人工智能、自动化、机器人等相关专业
深入理解 World Model / 生成式模型 / 时序建模中至少一类，熟悉 Dreamer、JEPA、DiT、Flow Matching、VLA 等方向的主流方法与开源实现
精通 PyTorch，具备从论文到可训练代码的完整落地经验，能独立完成模型改动、消融与问题定位
精通 AI Infra 开发：熟悉分布式训练（DeepSpeed / FSDP / Megatron 等至少一种）、数据流水线、实验追踪与推理服务
能定位吞吐、显存、通信与 I/O 瓶颈并给出工程解
具备良好工程素养（Python / C++），代码可读、可维护、可复现
有 Linux 环境下的性能分析与协作开发经验
工作职责
World Model 架构设计：探索视频生成、隐空间动力学、Flow Matching / Diffusion、VLA 与可学习记忆在具身场景的迁移与统一
突破「开环模仿 + 事后补丁」范式，让模型具备对接触、遮挡、失败与长尾物理的预测与反事实推理能力，向统一世界模型演进
模型与算法闭环：设计可训练、可扩展的世界模型与策略接口：表征学习、滚动预测、规划（MPC / 采样 / 价值引导）、与 VLA 的联合训练
对长时程、稀疏奖励、多机多任务迁移给出可复现的训练方案
AI Infra 建设：从 0 到 1 或从 1 到 100 建设具身智能训练与推理基础设施：多模态数据湖、轨迹与视频的对齐与切片、分布式训练（多机多卡、混合精度、容错与弹性）、仿真—真机数据回流、评测与实验管理系统
让每一次迭代可复现、可对比、可回滚
评测与数据飞轮：深度参与仿真与真机评测体系：预测误差、规划成功率、接触稳定性、长尾场景覆盖率
在仿真闭环、遥操作数据与真机失败 case 之间建立高效反馈，用数据驱动模型与 Infra 的下一轮优先级
训练到部署的软硬协同：面向边缘与站端算力完成世界模型的蒸馏、量化、编译与调度，与嵌入式 / 编译器团队协作，在真实时延、功耗与内存约束下兼顾预测质量与控制频率，把实验室能力落成可量产的机器人产品
优先资格
有世界模型、视频预测、机器人操作或端到端策略的项目开发经验
主导或深度参与过大规模训练集群、数据闭环平台、仿真评测平台中的任一 Infra 系统
熟悉模型压缩、蒸馏、量化、编译栈（ONNX / TensorRT / 自研 BPU 工具链等）及真机部署
在 CV / ML / Robotics / 系统顶会或期刊发表过论文
有四足 / 双臂 / 人形机器人竞赛或开源项目经验
同时具备「能改模型」与「能扛训练集群」的复合背景者优先
AI 洞察
优缺点分析
优点
- 公司为上市公司，平台稳定，资源充足，有良好的技术积累和团队氛围
- 岗位职责涵盖算法和 Infra，能培养复合型技能，提升个人竞争力
- 对技术深度和广度要求极高，需要同时具备模型和工程能力
- 具身智能领域尚处于早期，技术路线存在不确定性
缺点 / 挑战
- 处于具身智能和世界模型的前沿赛道，技术挑战大，成长空间广阔
- 工作强度可能较大，需要应对快速迭代和复杂的技术挑战
- 适合对具身智能、世界模型和 AI Infra 有强烈兴趣，具备扎实算法功底和工程能力，喜欢挑战前沿技术的求职者
角色解读
- 成为具身智能领域的算法专家，主导世界模型和 VLA 等核心算法的研发
- 向技术管理方向发展，带领团队负责具身智能系统的整体架构和落地
- 在 AI Infra 领域深耕，成为大规模分布式训练和部署平台的专家
- 设计并实现世界模型架构，探索视频生成、隐空间动力学等前沿技术在具身智能中的应用
- 构建和优化 AI Infra，包括分布式训练、数据流水线和推理服务，确保模型高效训练和部署
- 参与仿真与真机评测体系，建立数据飞轮，驱动模型和基础设施的持续迭代
- 与嵌入式团队协作，完成模型压缩、量化和部署，实现软硬协同
- 深入理解 World Model、生成式模型或时序建模，熟悉 Dreamer、JEPA、DiT 等主流方法
- 精通 PyTorch，具备从论文到可训练代码的落地能力
- 精通 AI Infra 开发，熟悉 DeepSpeed、FSDP 等分布式训练框架
- 具备良好的工程素养，熟悉 Python/C++，有 Linux 环境下的性能分析经验
申请策略
- 关注地平线在具身智能领域的业务布局和技术方向，在面试中展示你的理解和热情
- 准备一个能体现你算法和工程复合能力的项目案例，并详细阐述你的贡献
- 突出世界模型、生成式模型或时序建模相关的项目经验，展示对主流方法的深入理解
- 强调 AI Infra 建设经验，包括分布式训练、数据流水线、模型部署等
- 展示从论文到代码的落地能力，以及解决复杂工程问题的案例
- 深入学习 Dreamer、JEPA、DiT 等世界模型相关论文和开源代码
- 熟悉 DeepSpeed、FSDP 等分布式训练框架，并动手实践
- 了解模型压缩、量化、TensorRT 等部署技术
面试指南
- 回答技术问题时，可以遵循「背景-方案-结果-反思」的结构，突出你的技术深度和工程能力
- 对于开放性问题，可以结合你对领域趋势的理解，提出有见地的观点，并给出可行的实现路径
- 请介绍一个你实现过的世界模型或生成式模型项目，并说明其技术难点和解决方案
- 如何设计一个可扩展的分布式训练系统来训练大规模世界模型？
- 在具身智能中，如何评估世界模型的预测质量？
- 如何将训练好的模型部署到边缘设备上，并保证实时性？
- 你如何理解世界模型在具身智能中的角色和未来发展方向？
- 复习世界模型、VLA、Diffusion 等核心概念，并阅读相关论文
职位点评
薪资福利75
成长发展95
工作生活50
使命价值85
薪资福利
75中等
该职位为已上市大型企业，薪资水平预计较高，但 JD 未明确薪资和福利，补偿性动机满足程度中等偏上。
薪资信号未披露（AI估算：50K-80K/月）
成长发展
95较高
该职位处于具身智能和世界模型的前沿领域，技术含量高，能提供极佳的技术成长空间和职业发展机会。
技术前沿前沿/新兴技术
技术栈World Model、PyTorch、DeepSpeed、VLA、AI Infra、分布式训练
业务类型ambiguous
工作生活
50较低
职位要求现场办公，未提及弹性工作或远程办公，工作地点在北京，通勤情况未知，生活化动机满足度一般。
工作模式仅现场办公
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
85较高
具身智能是高速增长赛道，具有较高的社会价值和行业前景，能带来较强的使命感。
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