主分类：云基础设施与系统软件研发
辅助：AI训练推理与计算优化（仅展示）
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": "阿里云智能-阿里云国际具身智能开发工程师-上海、杭州",
"job_level": "未披露",AI生成
"work_category": "全职",AI生成
"department": "云智能集团",
"location": "杭州 / 上海",
"work_mode": "未披露",AI生成
"job_category": "软件研发"AI生成
},
"company": {
"company_name": "阿里云",
"company_industry": "云计算 / 人工智能",
"company_size": "10000人以上",
"company_website": "alibaba.com",
"company_description": "阿里云提供云基础设施、AI模型、智能体和计算服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机、人工智能、机器人、自动化或相关专业本科及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "岗位介绍\n我们正在建设面向机器人与 Physical AI 客户的云上具身智能研发平台，帮助机器人本体公司、算法团队以及制造、物流、零售等行业客户，将已有的数据、算法和模型升级为可重复、可扩展、可治理、可交付的工程流程。\n你将参与机器人数据与模型资产管理、合成数据与自动标注、Policy 训练、模型评测及验证等核心能力建设，打通从数据接入、训练迭代到模型交付的完整链路，推动具身智能项目从 PoC 走向规模化落地。\n岗位职责\n1. 负责具身智能云平台的架构设计与研发，建设机器人数据、模型、训练任务、运行环境、日志和 Checkpoint 的统一管理能力。\n2. 建设大规模时序多模态数据处理链路，支持图像、视频、音频、力觉、机器人状态、动作轨迹等数据的导入、校验、对齐、清洗、切分、标注、质量管理和版本追溯。\n3. 参与合成数据与数据扩展能力建设，包括真机 Episode 视觉增强、仿真资产导入、并行 Rollout、弱监督数据生成及相应的数据质量门禁。\n4. 建设可弹性扩展、可复现的机器人 Policy 训练环境，支持 ACT、Diffusion Policy、VLA 及客户自定义模型，持续优化分布式训练、资源调度、任务追踪和 Checkpoint 管理能力。\n5. 参与模型评测体系建设，开发 Offline Evaluation、Software-in-the-loop（SiL）闭环仿真评测和模型发布门禁，围绕任务成功率、安全性、泛化能力及推理性能形成可量化的评测结果。\n6. 与算法、产品、解决方案及客户团队协作，完成需求分析、技术方案设计、PoC 验证和规模化交付，推动平台在机器人抓取、分拣、搬运、装配等实际场景中的应用。\n7. 持续跟踪具身智能、机器人学习、多模态模型和云原生 AI 基础设施的技术进展，推动相关技术在阿里云产品和客户项目中的工程化落地。",
"requirements_text": "1. 计算机、人工智能、机器人、自动化或相关专业本科及以上学历。\n2. 熟练掌握 Python，具备扎实的数据结构、系统设计和软件工程能力；熟悉 C++ 或 Golang。\n3. 熟悉 PyTorch 等深度学习框架，对机器人学习、强化学习、多模态模型、VLA 模型或者WAM 模型中的至少一个方向有实践经验。\n4. 具备数据平台、训练平台或分布式任务系统的研发经验，熟悉容器、Kubernetes、工作流编排、对象存储或 Ray 等技术中的一种或多种。\n5. 具备较强的系统抽象和问题定位能力，重视代码质量、接口设计、稳定性和运行成本。\n6. 具备良好的跨团队沟通与协作能力，能够将算法和客户需求转化为可实施、可验证的工程方案。\n加分项\n1. 熟悉 LeRobot、ROS 2、Isaac Sim、Isaac Lab、MuJoCo 等机器人或仿真技术栈。\n2. 有 ACT、Diffusion Policy、VLA 等模型的训练、评测、部署或性能优化经验。\n3. 有机器人真机数据、第一视角 Ego 视频、多模态数据集或 Benchmark 建设经验。\n4. 熟悉机器人数据的采集和处理流程，理解 Episode、Observation、Action、State、时间同步、数据版本及训练数据质量等基本概念。\n5. 有自动标注、数据质检、数据多样性分析、隐私脱敏或大规模视频处理经验。\n6. 熟悉阿里云 OSS、PAI DLC、ACK、灵骏智算等云产品，或具备其他云平台 AI 基础设施研发经验。\n7. 在具身智能、计算机视觉、机器人学习等领域有论文、专利、开源项目或重要工程成果。\n8. 具备良好的沟通能力，能够支持国际客户的技术交流和项目协作。",
"skills": [AI生成
"Python",
"C++",
"Golang",
"Kubernetes",
"PyTorch",
"深度学习",
"强化学习",
"计算机视觉",
"数据结构",
"性能优化",
"接口设计",
"沟通能力",
"Go"
],
"preferred_qualifications": "加分项",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://careers.aliyun.com/off-campus/position-detail?positionId=100038360001"
}
]
},
"posting": {
"posting_id": "100038360001",
"post_date": "2026-09-15",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://careers.aliyun.com/off-campus/position-detail?positionId=100038360001"
},
"fulltext": "阿里云智能-阿里云国际具身智能开发工程师-上海、杭州\n阿里云智能-阿里云国际具身智能开发工程师-上海、杭州\n\n基础信息\n工作地点：杭州 / 上海\n\n职位描述\n岗位介绍\n我们正在建设面向机器人与 Physical AI 客户的云上具身智能研发平台，帮助机器人本体公司、算法团队以及制造、物流、零售等行业客户，将已有的数据、算法和模型升级为可重复、可扩展、可治理、可交付的工程流程。\n你将参与机器人数据与模型资产管理、合成数据与自动标注、Policy 训练、模型评测及验证等核心能力建设，打通从数据接入、训练迭代到模型交付的完整链路，推动具身智能项目从 PoC 走向规模化落地。\n岗位职责\n1. 负责具身智能云平台的架构设计与研发，建设机器人数据、模型、训练任务、运行环境、日志和 Checkpoint 的统一管理能力。\n2. 建设大规模时序多模态数据处理链路，支持图像、视频、音频、力觉、机器人状态、动作轨迹等数据的导入、校验、对齐、清洗、切分、标注、质量管理和版本追溯。\n3. 参与合成数据与数据扩展能力建设，包括真机 Episode 视觉增强、仿真资产导入、并行 Rollout、弱监督数据生成及相应的数据质量门禁。\n4. 建设可弹性扩展、可复现的机器人 Policy 训练环境，支持 ACT、Diffusion Policy、VLA 及客户自定义模型，持续优化分布式训练、资源调度、任务追踪和 Checkpoint 管理能力。\n5. 参与模型评测体系建设，开发 Offline Evaluation、Software-in-the-loop（SiL）闭环仿真评测和模型发布门禁，围绕任务成功率、安全性、泛化能力及推理性能形成可量化的评测结果。\n6. 与算法、产品、解决方案及客户团队协作，完成需求分析、技术方案设计、PoC 验证和规模化交付，推动平台在机器人抓取、分拣、搬运、装配等实际场景中的应用。\n7. 持续跟踪具身智能、机器人学习、多模态模型和云原生 AI 基础设施的技术进展，推动相关技术在阿里云产品和客户项目中的工程化落地。\n\n职位要求\n1. 计算机、人工智能、机器人、自动化或相关专业本科及以上学历。\n2. 熟练掌握 Python，具备扎实的数据结构、系统设计和软件工程能力；熟悉 C++ 或 Golang。\n3. 熟悉 PyTorch 等深度学习框架，对机器人学习、强化学习、多模态模型、VLA 模型或者WAM 模型中的至少一个方向有实践经验。\n4. 具备数据平台、训练平台或分布式任务系统的研发经验，熟悉容器、Kubernetes、工作流编排、对象存储或 Ray 等技术中的一种或多种。\n5. 具备较强的系统抽象和问题定位能力，重视代码质量、接口设计、稳定性和运行成本。\n6. 具备良好的跨团队沟通与协作能力，能够将算法和客户需求转化为可实施、可验证的工程方案。\n加分项\n1. 熟悉 LeRobot、ROS 2、Isaac Sim、Isaac Lab、MuJoCo 等机器人或仿真技术栈。\n2. 有 ACT、Diffusion Policy、VLA 等模型的训练、评测、部署或性能优化经验。\n3. 有机器人真机数据、第一视角 Ego 视频、多模态数据集或 Benchmark 建设经验。\n4. 熟悉机器人数据的采集和处理流程，理解 Episode、Observation、Action、State、时间同步、数据版本及训练数据质量等基本概念。\n5. 有自动标注、数据质检、数据多样性分析、隐私脱敏或大规模视频处理经验。\n6. 熟悉阿里云 OSS、PAI DLC、ACK、灵骏智算等云产品，或具备其他云平台 AI 基础设施研发经验。\n7. 在具身智能、计算机视觉、机器人学习等领域有论文、专利、开源项目或重要工程成果。\n8. 具备良好的沟通能力，能够支持国际客户的技术交流和项目协作。\n岗位介绍\n我们正在建设面向机器人与 Physical AI 客户的云上具身智能研发平台，帮助机器人本体公司、算法团队以及制造、物流、零售等行业客户，将已有的数据、算法和模型升级为可重复、可扩展、可治理、可交付的工程流程。\n你将参与机器人数据与模型资产管理、合成数据与自动标注、Policy 训练、模型评测及验证等核心能力建设，打通从数据接入、训练迭代到模型交付的完整链路，推动具身智能项目从 PoC 走向规模化落地。\n岗位职责\n1. 负责具身智能云平台的架构设计与研发，建设机器人数据、模型、训练任务、运行环境、日志和 Checkpoint 的统一管理能力。\n2. 建设大规模时序多模态数据处理链路，支持图像、视频、音频、力觉、机器人状态、动作轨迹等数据的导入、校验、对齐、清洗、切分、标注、质量管理和版本追溯。\n3. 参与合成数据与数据扩展能力建设，包括真机 Episode 视觉增强、仿真资产导入、并行 Rollout、弱监督数据生成及相应的数据质量门禁。\n4. 建设可弹性扩展、可复现的机器人 Policy 训练环境，支持 ACT、Diffusion Policy、VLA 及客户自定义模型，持续优化分布式训练、资源调度、任务追踪和 Checkpoint 管理能力。\n5. 参与模型评测体系建设，开发 Offline Evaluation、Software-in-the-loop（SiL）闭环仿真评测和模型发布门禁，围绕任务成功率、安全性、泛化能力及推理性能形成可量化的评测结果。\n6. 与算法、产品、解决方案及客户团队协作，完成需求分析、技术方案设计、PoC 验证和规模化交付，推动平台在机器人抓取、分拣、搬运、装配等实际场景中的应用。\n7. 持续跟踪具身智能、机器人学习、多模态模型和云原生 AI 基础设施的技术进展，推动相关技术在阿里云产品和客户项目中的工程化落地。\n1. 计算机、人工智能、机器人、自动化或相关专业本科及以上学历。\n2. 熟练掌握 Python，具备扎实的数据结构、系统设计和软件工程能力；熟悉 C++ 或 Golang。\n3. 熟悉 PyTorch 等深度学习框架，对机器人学习、强化学习、多模态模型、VLA 模型或者WAM 模型中的至少一个方向有实践经验。\n4. 具备数据平台、训练平台或分布式任务系统的研发经验，熟悉容器、Kubernetes、工作流编排、对象存储或 Ray 等技术中的一种或多种。\n5. 具备较强的系统抽象和问题定位能力，重视代码质量、接口设计、稳定性和运行成本。\n6. 具备良好的跨团队沟通与协作能力，能够将算法和客户需求转化为可实施、可验证的工程方案。\n加分项\n1. 熟悉 LeRobot、ROS 2、Isaac Sim、Isaac Lab、MuJoCo 等机器人或仿真技术栈。\n2. 有 ACT、Diffusion Policy、VLA 等模型的训练、评测、部署或性能优化经验。\n3. 有机器人真机数据、第一视角 Ego 视频、多模态数据集或 Benchmark 建设经验。\n4. 熟悉机器人数据的采集和处理流程，理解 Episode、Observation、Action、State、时间同步、数据版本及训练数据质量等基本概念。\n5. 有自动标注、数据质检、数据多样性分析、隐私脱敏或大规模视频处理经验。\n6. 熟悉阿里云 OSS、PAI DLC、ACK、灵骏智算等云产品，或具备其他云平台 AI 基础设施研发经验。\n7. 在具身智能、计算机视觉、机器人学习等领域有论文、专利、开源项目或重要工程成果。\n8. 具备良好的沟通能力，能够支持国际客户的技术交流和项目协作。",
"standard_classification": {
"std_category_code": "T018",
"std_aux_codes": [
"T014"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}