主分类：AI训练推理与计算优化
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "具身Infra工程师-Seed Robotics",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "研发"AI生成
},
"company": {
"company_name": "字节跳动",
"company_industry": "互联网 / 数字内容 / 电商",
"company_size": "10000人以上",
"company_website": "bytedance.com",
"company_description": "字节跳动提供内容创作、信息分发、电商和协作产品，旗下产品包括抖音、今日头条、TikTok和飞书。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1、负责搭建千卡级GPU集群，支持Word Action Model、VLA等多模态大模型的分布式训练；优化长序列Transformer、扩散策略（Diffusion Policy）在异构集群上的计算与通信效率；\n2、负责设计支持GPU并行仿真与策略推理的RL训练框架（如Isaac Gym、MuJoCo MJX、Enigma等）；实现大规模仿真到真实（Sim2Real）的训练回旋体系，支持域随机化与真实数据混合重放；优化PPO、SAC、TD-MPC等算法在仿真环境中的采样效率，提升每秒交互步数（SPS）；\n3、负责研发机器人端侧（Orin、x86实时系统）的高效推理引擎，支持流式VLA模型极低延迟推理；设计模型量化、稀疏化、算子融合策略，平衡推理速度与成功率；构建云端-边端协同推理架构，支持复杂任务拆解与大模型委派执行。",
"requirements_text": "1、本科及以上学历，计算机、自动化、机器人等相关领域，3年以上AI Infra或高性能计算经验；\n2、精通Python与C++编程语言，具备CUDA编程与性能调优经验；\n3、熟悉Megatron、DeepSpeed等分布式训练框架，有千亿参数模型或多模态模型训练调优实战经验；\n4、理解PPO等主流强化学习算法，至少使用过RLLib、SampleFactory或Isaac Gym等任一强化学习框架；\n5、熟练使用TensorRT、TVM、OpenXLA之一，有端侧模型部署落地经历；\n6、了解Isaac Sim、MuJoCo、Gazebo等常用物理仿真环境，能搭建并行仿真训练闭环。\n\n加分项\n1、有机器人真机部署经验（机械臂、足式机器人或移动底盘）；\n2、参与过开源具身智能项目；\n3、熟悉NVIDIA GPU编程；\n4、熟悉大模型推理和Diffusion/FlowMachting相关的推理框架。",
"skills": [AI生成
"Python",
"C++",
"CUDA",
"强化学习",
"模型训练",
"性能调优",
"大语言模型"
],
"preferred_qualifications": "加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://jobs.bytedance.com/experienced/position/7646309285068982533/detail"
}
]
},
"posting": {
"posting_id": "7646309285068982533",
"post_date": "2026-06-01",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://jobs.bytedance.com/experienced/position/7646309285068982533/detail"
},
"fulltext": "具身Infra工程师-Seed Robotics\n职位描述\n1、负责搭建千卡级GPU集群，支持Word Action Model、VLA等多模态大模型的分布式训练；优化长序列Transformer、扩散策略（Diffusion Policy）在异构集群上的计算与通信效率；\n2、负责设计支持GPU并行仿真与策略推理的RL训练框架（如Isaac Gym、MuJoCo MJX、Enigma等）；实现大规模仿真到真实（Sim2Real）的训练回旋体系，支持域随机化与真实数据混合重放；优化PPO、SAC、TD-MPC等算法在仿真环境中的采样效率，提升每秒交互步数（SPS）；\n3、负责研发机器人端侧（Orin、x86实时系统）的高效推理引擎，支持流式VLA模型极低延迟推理；设计模型量化、稀疏化、算子融合策略，平衡推理速度与成功率；构建云端-边端协同推理架构，支持复杂任务拆解与大模型委派执行。\n\n职位要求\n1、本科及以上学历，计算机、自动化、机器人等相关领域，3年以上AI Infra或高性能计算经验；\n2、精通Python与C++编程语言，具备CUDA编程与性能调优经验；\n3、熟悉Megatron、DeepSpeed等分布式训练框架，有千亿参数模型或多模态模型训练调优实战经验；\n4、理解PPO等主流强化学习算法，至少使用过RLLib、SampleFactory或Isaac Gym等任一强化学习框架；\n5、熟练使用TensorRT、TVM、OpenXLA之一，有端侧模型部署落地经历；\n6、了解Isaac Sim、MuJoCo、Gazebo等常用物理仿真环境，能搭建并行仿真训练闭环。\n\n加分项\n1、有机器人真机部署经验（机械臂、足式机器人或移动底盘）；\n2、参与过开源具身智能项目；\n3、熟悉NVIDIA GPU编程；\n4、熟悉大模型推理和Diffusion/FlowMachting相关的推理框架。\n1、负责搭建千卡级GPU集群，支持Word Action Model、VLA等多模态大模型的分布式训练；优化长序列Transformer、扩散策略（Diffusion Policy）在异构集群上的计算与通信效率；\n2、负责设计支持GPU并行仿真与策略推理的RL训练框架（如Isaac Gym、MuJoCo MJX、Enigma等）；实现大规模仿真到真实（Sim2Real）的训练回旋体系，支持域随机化与真实数据混合重放；优化PPO、SAC、TD-MPC等算法在仿真环境中的采样效率，提升每秒交互步数（SPS）；\n3、负责研发机器人端侧（Orin、x86实时系统）的高效推理引擎，支持流式VLA模型极低延迟推理；设计模型量化、稀疏化、算子融合策略，平衡推理速度与成功率；构建云端-边端协同推理架构，支持复杂任务拆解与大模型委派执行。\n1、本科及以上学历，计算机、自动化、机器人等相关领域，3年以上AI Infra或高性能计算经验；\n2、精通Python与C++编程语言，具备CUDA编程与性能调优经验；\n3、熟悉Megatron、DeepSpeed等分布式训练框架，有千亿参数模型或多模态模型训练调优实战经验；\n4、理解PPO等主流强化学习算法，至少使用过RLLib、SampleFactory或Isaac Gym等任一强化学习框架；\n5、熟练使用TensorRT、TVM、OpenXLA之一，有端侧模型部署落地经历；\n6、了解Isaac Sim、MuJoCo、Gazebo等常用物理仿真环境，能搭建并行仿真训练闭环。\n\n加分项\n1、有机器人真机部署经验（机械臂、足式机器人或移动底盘）；\n2、参与过开源具身智能项目；\n3、熟悉NVIDIA GPU编程；\n4、熟悉大模型推理和Diffusion/FlowMachting相关的推理框架。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}