潘承乖
AI Infra 研发工程师（训练 + 仿真 + 推理综合型）职位描述负责千卡级 GPU 集群上具身智能相关的大规模训练平台研发、全链路性能与低精度优化、RL 及世界模型训练链路建设、仿真基础设施与并行 rollout 构建、Sim-to-Real 与真机数据闭环搭建、端侧推理与模型优化，协同算法团队完成完整研发闭环，并构建支持多类训练范式的统一训练框架与工具链。职位要求3-8 年 AI Infra / 分布式训练 / 推理引擎 / 机器人平台任一方向的工程经验；计算机、机器人、自动化等相关专业硕士优先。- 具备千卡级 GPU 训练实战经验，熟悉大规模训练常见问题（loss spike、通信阻塞、checkpoint 长尾、慢节点、nccl调优等）与解决方案；精通 PyTorch 分布式训练机制（DDP / FSDP），熟悉 DeepSpeed 或 Megatron-LM 至少其一的原理与源码。- 熟悉 Isaac Sim / Isaac Lab / MuJoCo / SAPIEN / Genesis 中的一项，能独立搭建并行 rollout、Sim-to-Real 或合成数据 pipeline；理解物理仿真的常见 gap 与工程处理方法。- 熟悉至少一个主流推理框架源码（TensorRT / vLLM / SGLang / ONNX Runtime / TVM），理解常见网络结构的推理特性与量化误差控制方法；具备端侧或云端推理服务化实操经验。- 熟练掌握 CUDA、C++、Python；熟悉 K8s 或 Slurm 上的训练/仿真任务编排；具备端到端交付经验，对训练效率、仿真吞吐、推理延迟三类指标有一定优化经验。加分项- 具身智能真实项目经验，理解 VLA、Diffusion Policy、World Model、RL（BC / PPO / SAC / DAPG / HIL）等数据流。- 熟悉 lerobot、GR00T、Open X-Embodiment、DROID、FluxVLA Engine 等主流具身数据 / 框架，或有开源贡献。- JAX + TPU 经验、Megatron-Core / TransformerEngine 深度使用经验、RL 训练系统经验。- ROS / ROS2、DDS 流式数据，或机器人 fleet 数据平台建设经验（对标 Figure Helix、1X）。- 熟悉编译器 / 图优化（MLIR、TorchDynamo / Inductor）、低精度训练（BF16 / FP8 / INT8）与数值稳定性验证；顶会 / 顶刊（MLSys、OSDI、RSS、CoRL）论文或开源社区贡献者优先。
发布于 广东
分享
评论
赞
未登录
友善发言
评论
加载中
