宁德时代
资深具身数据算法工程师
资深具身数据算法工程师
发布于 大约 14 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
Mlops
Pytorch
Rl
Ros2
Vla
具身智能
多模态数据
数据全生命周期
值不值得投
74综合评分
综合评分 74
宁德时代具身智能数据算法岗，技术前沿、薪资不错，但工作地点在宁德，WLB未知。
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
40K
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 850 个在招 · 其中数据工程 3 个
市场机会
选择不多
宁德 · 数据工程 · 1 个在招
职位详情
关于这个职位
该职位负责具身智能数据全生命周期链路建设，包括数据采集、清洗、标注、评测体系及工具链开发，支撑VLA/RL/IL等模型迭代
你将与算法团队紧密协作，构建高质量多模态数据集，是具身智能落地中的关键角色
最低要求
计算机、AI、机器人学等相关专业硕士及以上学历
具备3年及以上数据平台或数据工程开发经验，扎实的Python编程能力，熟悉Linux系统与Shell脚本，熟练使用Git进行版本管理
熟悉NumPy、Pandas、OpenCV等数据处理库，掌握Spark/Arrow/Parquet/HDF5等大数据存储与处理技术栈
具备良好的数据结构与算法基础，能针对大规模数据场景设计高效的去重、检索与挖掘算子
熟悉PyTorch深度学习框架，能配合算法团队完成预标注模型闭环与Embedding相关开发
熟悉数据全生命周期管理，有数据采集、清洗、标注、版本管理、质量评估等数据工程实战经验，参与过大规模数据Pipeline开发
对具身智能或深度学习算法有较好理解，熟悉VLA/RL/IL等算法的训练流程与数据需求，能基于算法特性配合完成数据供给与评测方案设计
具备基本的机器人运动学与动力学基础，了解ROS/ROS2数据采集与传感器交互流程
具备人形机器人多源数据采集与处理经验，熟悉EGO视角视频、全身动捕、遥操作采集、UMI数据采集框架等典型数据形态
了解人类动作到机器人动作的重定向（Retargeting）流程
能处理EGO+Exo多视角同步、人类互联网视频的自动化预处理与清洗，并用于预训练数据集的构建与增强
具备数据质量治理与分析能力，能从数据视角定位模型训练问题并提出改进建议
具备良好的系统设计能力与跨团队协作意识
工作职责
数据全生命周期链路建设：负责数据全生命周期闭环链路的建设与落地，覆盖数据采集、清洗、标注、版本管理、训练接入、评测验证、问题归因、数据回流等环节，支撑模型持续迭代
评测体系工程实现：负责评测体系的工程实现与维护，涵盖仿真评测、真机评测、自动化回归评测等，配合建立模型质量度量标准与版本准出规范
数据管理工具链开发：负责数据管理工具链的设计与开发，包括数据版本管理、质量筛选、配比策略、数据血缘追踪、有效性快速验证等模块，支撑海量多模态数据（图片、视频、点云、轨迹等）的高效管理与复用
算法协同与数据供给：深入理解具身智能算法（VLA/RL/IL/世界模型等）的训练范式与数据需求，协同算法团队落地数据供给策略与数据标注方案
跨系统数据链路与质量监控：负责对接上下游数据平台、标注平台、仿真平台与训练框架，保障跨系统数据流转链路的一致性与可追溯性
参与构建数据质量监控与分析能力，实现数据分布可视化、异常检测与数据漂移监控
优先资格
博士优先
熟悉分布式数据处理框架（如Ray/Dask）者优先
有数据合成/增强、AIGC数据生成或域随机化技术经验者优先
有仿真环境（Isaac/ManiSkill/RoboSuite等）或真机多传感器数据采集经验者优先
有多传感器标定与时间同步工程经验者优先
有评测体系或自动化测试框架开发经验者优先
有Infra背景，熟悉分布式系统或训练框架内部机制者优先
有数据平台或MLOps相关开发经验者优先
AI 洞察
优缺点分析
优点
- 宁德时代作为新能源巨头，平台大、资源充足，项目有影响力
- 具身智能是前沿方向，技术积累具有长期价值，竞争力强
- 工作内容涵盖数据、算法、工程，综合性强，成长空间大
- 宁德城市相对偏远，生活配套与一线城市有差距
- 数据工程工作繁琐，需要跨团队协作，沟通成本高
- 适合对数据工程和具身智能有浓厚兴趣、愿意深耕前沿技术、能够适应非一线城市生活的资深工程师
缺点 / 挑战
- 该领域技术栈复杂，需要持续学习新工具和算法，压力较大
角色解读
- 从数据工程专家发展为具身智能数据平台负责人，管理数据团队
- 深入算法领域，转型机器人算法或模型训练方向
- 在具身智能赛道积累稀缺经验，成为行业内抢手人才
- 负责数据全生命周期链路建设，包括数据采集、清洗、标注、版本管理、训练接入等，支撑模型持续迭代
- 搭建评测体系，实现仿真评测、真机评测和自动化回归评测，确保模型质量
- 开发数据管理工具链，处理海量多模态数据，实现高效管理与复用
- 与算法团队协作，为VLA/RL/IL等具身智能模型提供数据供给和评估方案
- 扎实的Python编程与大数据处理能力，熟悉Spark、Arrow、Parquet等
- 熟悉PyTorch深度学习框架，能配合算法团队完成预标注模型闭环
- 掌握数据全生命周期管理和数据质量治理，有大规模Pipeline开发经验
- 了解具身智能算法（VLA/RL/IL）和数据采集框架（ROS/UMI等）
申请策略
- 了解宁德时代在具身智能/机器人领域的布局，面试中展现行业认知
- 准备好一个数据质量优化或Pipeline建设的实际案例，深入讲解
- 强调数据全生命周期项目经验，特别是大规模数据Pipeline的落地案例
- 突出Python、Spark、PyTorch等工具的实际应用，展示工程能力
- 展示对具身智能或机器人数据采集的理解，如ROS、UMI等
- 补充ROS/ROS2和仿真环境（Isaac等）经验，增强竞争力
- 学习VLA/RL等算法基础知识，理解数据需求
- 熟悉MLOps工具链，提升数据平台建设能力
面试指南
- 用STAR法回答项目经验，突出场景、任务、行动和结果
- 从数据-算法-工程结合的角度思考问题，体现系统思维
- 强调跨团队协作和实际落地效果
- 请描述一个你负责过的数据Pipeline，包括遇到的挑战和解决方案
- 如何设计一个针对VLA模型的数据供给策略？
- 如何监控数据质量并发现数据漂移？
- 谈谈你对人形机器人数据采集方式的理解
- 如何评估一个数据集对模型训练效果的影响？
职位点评
薪资福利75
成长发展92
工作生活45
使命价值80
薪资福利
75中等
职位薪资预计较高，宁德时代作为上市巨头提供稳定的薪酬福利，但工作地点在宁德，城市吸引力一般。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
92较高
职位处于具身智能前沿领域，涉及数据、算法、工程多方向，技术成长空间大，行业前景广阔。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、Spark、VLA、RL、ROS2、MLOps
业务类型ambiguous
工作生活
45较低
工作地点在宁德，现场办公，未提及弹性或远程，生活方式较为单一，WLB不确定。
工作模式仅现场办公
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值
80较高
具身智能是未来科技趋势，宁德时代作为新能源巨头布局该领域，有较强的行业影响力和社会意义。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
宁德时代 的其他在招职位
相似职位推荐
Watch Jobs