让 AI 学会“造东西”｜生成式物理 3D 赛道，急招两大核心岗位

傅通自业 Fintegrity · 受托招聘

上海 · 两个核心岗位 · 薪资面议AI 应用工程师（Agent 方向）生成式 3D / CAD 大模型研发工程师

想给自行车做一个尺寸刚好的手机支架，你翻遍了各大 3D 模型网站，也找不到严丝合缝的那一个，最后只能打开 CAD 软件，从画第一条线开始。

今天的大模型能写代码、能画画、能生成视频，但在"造一个真实可用的东西"这件事上，依然力不从心——它们生成的 3D 大多只是"好看的外壳"：尺寸不准、结构不对，没法直接拿去加工或打印。

今天傅通自业推荐的这家公司，就在解决这个问题。

随着模型能力快速突破、产品进入关键的落地阶段，团队正在加速扩张。目前，傅通自业正受这家公司委托，急招以下两个核心岗位：

AI 应用工程师（Agent 方向）

生成式 3D / CAD 大模型研发工程师

岗位都是 0→1 阶段的核心位置，直接与创始团队共事，名额有限、到岗越快越好。如果你正在关注大模型落地、Agent 工程化或 3D 生成方向，欢迎直接将简历发送至 talent@fintegrity.cn，也可以先往下看看公司和岗位详情。

公司介绍

我们的客户是一家 AI Native 初创公司，专注于「生成式物理 3D 基座模型」的研发与产品化。所在赛道是 AI × 工业设计 / CAD，下游连接 3D 打印、消费级硬件创作者（Maker）、工业研发以及 Physical AI（具身智能）等场景。

虚拟 3D vs. 物理 3D

3D 模型大致分两类：

· 虚拟 3D：用多边形网格拼出物体表面，负责"好看"，常见于手办、游戏、装饰品；

· 物理 3D（参数化 / 矢量 3D）：用数学和代码计算出模型，负责"能用"——尺寸精确、结构合理，带有装配关系和运动约束，可以直接用于加工制造。

家居用品、消费电子配件、机械结构、改装件、工具……生活和工业中的大量真实需求，都属于后者。而这恰恰是今天通用大模型最不擅长、也最缺数据的领域。

他们在做什么

公司自研了一系列专用于物理 3D 的基座模型，支持多种模态输入：

· 文本 → 参数化 CAD

· 图像 / 工程图纸 → 参数化 CAD

· 点云 / Mesh → 参数化 CAD

· 自然语言指令 → 编辑已有 3D 模型

模型输出的不是一张"效果图"，而是可执行、可编辑的参数化建模代码，再经由 CAD 几何内核生成精确、可制造的 3D 模型。

在模型之上，公司打造了一款基于 Agent 的生成式设计产品：用户画一张草图或说一句话，意图 Agent 理解需求、渲染 Agent 生成效果图、建模 Agent 生成矢量 3D 模型；用户拖动参数反复微调，满意后即可直接送去 3D 打印。

目前进展

· 创业初期深入数十家国内高端制造企业一线，梳理 AI 在工业研发中的真实落地场景；

· 自研模型在与多款主流通用大模型的对比评测中，几何精度、建模有效率等关键指标大幅领先；

· 面向全球 Maker 用户的产品已进入 Beta 阶段；

· 下一步将拓展装配、运动关节等能力，并为机器人仿真训练生成高质量的 3D 资产。

行业机会

生成式 AI 正在从数字世界走向物理世界：

· 据公开报道，亚马逊创始人贝索斯亲自出任联席 CEO 的 Project Prometheus 已获得数十亿美元融资，目标正是用 AI 加速工程与制造；

· 消费端，3D 打印正在走进千家万户，海外 Maker（动手创造者）市场规模庞大，却长期受困于"建模门槛太高"；

· Physical AI 端，机器人训练需要海量带结构、关节和物理属性的 3D 资产，市场严重短缺。

公司的长期目标，是做出全球被调用最多的物理 3D 基座模型。

为什么值得考虑

· 新赛道、高壁垒：物理 3D 数据稀缺，模型、数据工程与 Agent 缺一不可

· 0→1 阶段核心岗位，直接与创始团队共事

· 极客文化：结果导向，技术决策空间大，拒绝低效内卷

· 彻底的 AI Native 研发方式

岗位一：AI 应用工程师（Agent 方向）

上海　｜　 中高级　｜　 薪资面议

岗位背景

公司正在构建一款基于 Agent 的生成式参数化 3D 产品，核心 AI 功能目前由创始人直接带队开发。这个岗位不只是写代码，而是要深度参与从 Demo 到生产环境的工程化落地，重点构建「可控、可恢复、可观测」的 Agent 工作流与工具系统。

核心职责

1. Agent 编排与稳定性

· 负责 Agent 编排与执行机制：分流 / 路由、状态管理、幂等设计与一致性策略

· 构建"反脆弱"系统：错误分类、重放 / 补偿、死信队列与可恢复链路，确保长链路交互不掉单、不卡死

· 设计多模型路由策略，按任务难度与预算动态选择模型，实现 Token 成本可视化与预算控制

2. Tools 体系与评测

· 设计并实现可复用的 Agent Tools，输入输出契约清晰（Schema Design），可测试、可灰度发布

· 搭建 Agent 离线回放与回归测试机制，用成功率、工具误用率、幻觉率等指标量化工具质量

3. 可观测性与可靠性

· 为核心链路接入 Tracing / Metrics / Logging（如 OpenTelemetry），解决跨模块、跨服务的上下文传播与问题定位

· 视业务需要落地高可靠的一致性方案（如 Transactional Outbox）

任职要求

· 有实际的 LLM / Agent 项目落地经验，深入理解多轮对话状态管理、Context Engineering、工具调用与信息检索

· 【必备】AI Native 开发习惯：把 Claude Code / Codex / Cursor 等工具作为日常研发的核心——探索方案、生成和重构代码、补齐测试、定位问题、编写文档；同时有能力对 AI 生成的代码严格把关

· Python 异步编程扎实：熟练掌握 asyncio、并发控制、超时管理与资源隔离，清楚"轻量后台任务"与"可靠任务系统"的边界

· 能独立跑通「需求 → 设计 → 实现 → 测试 → 上线 → 观测 → 迭代」的完整闭环

· 对 Web 框架、数据库、部署运维理解底层逻辑与最佳实践，能借助 AI 工具快速补齐短板

加分项

· 用过 3D 建模软件，尤其是参数化建模 / 矢量 3D（入职有培训，非必需）

· 有 LLM 应用可观测性实战经验（如 LangSmith 或自建 Tracing 平台）

· 熟悉 Supabase、Railway 等现代基础设施，或有 Serverless 开发经验

岗位二：生成式 3D / CAD 大模型研发工程师

上海　｜　 薪资面议

研究方向（可根据背景负责一个或多个）

· Text2CAD：文本 → 参数化、结构化 3D

· Image2CAD：图像 / 工程图 → 参数化、结构化 3D

· Point/Mesh2CAD：点云、Mesh → 参数化 CAD

· CADEditor：用自然语言指令编辑参数化 3D

· CADAgent：面向复杂设计任务的规划、工具调用、执行与验证

· CADAssembly：多零件装配、空间关系与装配约束推理

· CADJoint：运动副、自由度与运动约束的理解与生成

岗位职责

· 模型研发：参与大模型架构设计、预训练、SFT、强化学习与推理优化；研究文本、图像、工程图、点云、Mesh、B-Rep、参数化代码等多模态的统一建模；研究参数化 CAD 的结构化生成，以及模型对几何结构、拓扑关系、尺寸参数和设计意图的理解与推理

· 数据与训练：参与大规模 3D / CAD 数据的构建、清洗、合成与质量评估；设计数据配比与 Curriculum Learning 策略；利用 CAD Kernel、渲染引擎搭建数据生成与验证 Pipeline

· 评测与迭代：建立生成式 CAD 的 Benchmark 与自动评测体系（几何相似度、拓扑一致性、参数准确率、代码可执行率等），探索超越 CD、IoU 的结构化 3D 评价方法；系统分析失败 Case，持续迭代

· 工程落地：将算法落地到真实产品，与 CAD Kernel、几何引擎及 Web 产品集成，优化推理速度、成功率与计算成本

任职要求

· 计算机、人工智能、软件工程、自动化、机械、数学、计算机图形学等相关专业，本科及以上学历

· 熟练使用 Python 和 PyTorch，熟悉 Transformer、LLM 或 VLM 的基本原理

· 熟悉 Pretraining、SFT、LoRA/PEFT、RL 等至少一种大模型训练流程

· 能独立阅读并复现 ML、CV、NLP、3D Vision 或 Graphics 领域论文

· 有较强的训练 Debug 与实验分析能力，而不只是调用 API

· 能完成 Data → Training → Evaluation → Analysis 的完整闭环

各方向优先背景

· Text2CAD / CADEditor：Code LLM、程序合成、结构化生成、约束解码；有代码模型 SFT / RL / Verifier 训练经验；熟悉 CadQuery、build123d、OpenCascade 更佳

· Image2CAD：多模态大模型 / VLM（ViT、CLIP 等）、Image-to-3D、多视图重建；有 Qwen-VL、InternVL、LLaVA 等模型微调经验更佳

· Point/Mesh2CAD：3D Vision、点云网络（PointNet、Point Transformer 等），熟悉 Mesh、SDF 等三维表示，了解 B-Rep

· CADAgent：LLM Agent、Tool Use、Reasoning，熟悉 RLVR、过程 / 结果奖励模型；有代码、GUI 或机器人 Agent 经验

· CADAssembly / CADJoint：图神经网络、空间推理、SE(3)；有机器人、具身智能或物理仿真（Isaac Sim、MuJoCo 等）背景

满足任一条件优先

· NeurIPS、ICLR、ICML、CVPR、ICCV、ECCV、ACL、EMNLP、SIGGRAPH 等顶会论文作者

· 有大模型预训练或百卡以上分布式训练经验（DeepSpeed、FSDP、Megatron-LM 等）

· 熟悉 CUDA、Triton、FlashAttention 等训练 / 推理优化

· 有 CAD、CAE、机器人、Physical AI 等领域背景，或较强的数学、几何、图形学功底

不强制要求：入职前熟练掌握 CAD 软件、机械专业出身、有工业 CAD 项目经验。只要你在 LLM / 多模态 / 3D Vision / Agent / Graphics 方向能力扎实，CAD 和参数化建模知识可以入职后快速补上。

投递方式

简历投递：talent@fintegrity.cn

邮件标题：应聘岗位 + 姓名 + 当前公司 / 学校

（研发岗请注明意向方向，如"Text2CAD"）

建议附上：

· 你做过的最具挑战性的项目（GitHub 链接或技术文档优先）

· 应聘 AI 应用工程师：简述你日常如何用 AI 工具辅助编程

· 应聘研发岗：论文、开源项目或技术博客链接

所有简历信息严格保密。也欢迎转发给身边合适的朋友

傅通自业 Fintegrityfintegrity.cn