2027校招-Java软件开发工程师-北京 北京 校招 正式 职位描述 1、参与超算系统Java后端模块的设计与开发，保障高并发、高可靠场景下的数据处理与服务性能；2、参与CPU/GPU计算任务的资源调度系统开发与优化，提升异构计算资源的利用率；3、参与容器化调度平台（如Kubernetes）相关功能开发，支持任务的弹性部署与管理；4、参与需求分析、技术评审、代码审查与测试，撰写清晰的技术文档；5、跟进Java生态及超算、分布式系统前沿技术，推动技术落地。 职位要求 1、硕士学历，计算机、软件工程、人工智能、数学、物理、数据科学等相关专业；2、扎实的Java基础，掌握JVM、多线程、并发编程；3、 熟悉Spring Boot、Spring Cloud等主流框架；4、了解MySQL、Redis等常用数据库与缓存技术；5、了解分布式系统原理，有Linux环境开发经验者优先；6、辅助技能：熟悉Python、Go、JavaScript、Shell脚本中至少一种，具备自动化脚本编写或简单开发能力；加分项：1、了解CPU/GPU资源调度机制；2、熟悉Docker、Kubernetes等容器化技术；3、有HPC（高性能计算）、集群调度系统相关实习或项目经验者优先；4、有AI agent实践经验，能够利用AI工具做全栈开发；5、具备良好的逻辑思维、学习能力和团队协作意识，能承受一定工作压力。 投递...
后端架构师 Beijing Full-time R&D - Back-end development Responsibilities 1. 负责公司核心后端系统的整体架构设计与技术演进，把控技术方向和落地路径2. 主导微服务体系建设：服务拆分、边界划分、服务治理（注册发现、配置中心、链路追踪、熔断限流）3. 负责系统稳定性治理：SLO/SLA 制定、容量规划、性能压测、故障演练、降级预案，持续降低线上事故率4. 主导高并发、高可用架构设计，解决大流量场景下的性能瓶颈与扩展性问题5. 建立并完善技术规范：编码规范、API 设计规范、代码 review 流程、技术文档体系6. 推动研发效能提升：CI/CD、可观测性（Logging / Metrics / Tracing）、自动化测试体系建设7. 技术选型与预研：跟踪业界前沿技术，评估引入成本与收益，为业务发展储备技术能力8. 培养和指导团队后端工程师，参与关键代码 review，把控代码质量9. 与产品、前端、算法、运维团队深度协作，从架构层面推动业务目标达成 Qualifications 1. 5 年以上后端开发经验，其中至少 2 年架构设计经验，有过从 0 到 1
【人形机器人】机群云服务工程师 北京 全职 智能制造 / 工业互联网 / 工业自动化 职位描述 工作职责：1.设备接入与 Fleet 管理：注册、鉴权、状态上报、分组、远程配置下发；2.远程监控与运维：告警、日志/指标聚合、远程诊断与命令通道；3.OTA 分发后端：版本管理、灰度 / 回滚、下发编排（与系统服务端侧协同）；4.数据回流接收网关：高吞吐上传接入、转发入湖（对接数据工程）；5.云端微服务与 API 网关，支撑管理端 HMI（AI 生成前端）的全部后端能力。 职位要求 任职要求:1.本科及以上，计算机 / 软件相关专业；2.4 年以上后端 / 云原生开发经验；3.Go / Java / Python 至少两门熟练；4.熟悉微服务、Kubernetes、消息队列（Kafka / MQTT）、关系 / 时序数据库；5.熟悉设备接入协议（MQTT / gRPC /
AI工程师 - 平台 Beijing Full-time Intelligent manufacturing / Industrial Internet / Industrial automation - R&D Responsibilities 1. 负责公司核心AI平台的架构设计、研发与持续演进，支撑多业务线稳定高效运行。2. 参与平台化、服务化、组件化建设，沉淀通用平台能力3. 负责高并发、高可用系统的设计与实现，持续优化性能、稳定性与成本。4. 参与 大模型平台 / 模型网关（LLM Gateway） 建设，包括但不限于： - 多模型接入与统一抽象 - 请求路由、模型调度、版本与能力管理 - 配额、限流、计费、审计等平台能力5. 参与GPU / 推理资源调度与管理相关后端逻辑： -
中/高级后端开发工程师（AI算力平台） 深圳、北京 全职 智能制造 / 工业互联网 / 工业自动化 职位描述 1. 参与 AI 算力平台 / MaaS 平台后端系统建设，负责统一网关、租户、权限、Token / 证书、配额、审计、计费等核心能力；2. 负责在线推理服务管理能力建设，包括模型注册、模型部署、版本管理、灰度发布、服务升级 / 回滚、限流、路由、请求追踪等；3. 负责训练 / 微调任务系统建设，包括任务提交、任务队列、任务状态机、日志追踪、Checkpoint / 模型产物管理，以及训练任务生命周期管理；4. 对接 Kubernetes、腾讯云 TI-ONE、Ray、PyTorchJob 等云原生与 AI 任务系统，实现模型推理、训练、微调任务的自动化编排；5. 参与 GPU 资源管理与调度能力建设，支持资源池管理、配额控制、任务排队、成本统计、资源利用率分析等能力；6. 与算法、推理优化、SRE 团队协作，持续提升平台的稳定性、可观测性、发布效率和算力利用效率。