薪酬概览
平均月薪
¥37800
中位数 ¥45000 ｜ 区间 ¥29700 - ¥45800
数据来源：样本数量过少，仅供参考；更新时间：2026年7月13日
月薪分布
66.7% 人群薪酬落在 >30k
三大影响薪酬的核心维度
影响薪资的核心维度1：工作年限
影响薪资的核心维度2：学历背景
市场需求
10月新增岗位
8
对比上月：岗位减少11
数据由各大平台公开数据统计分析而来，仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 应届 | 2 | 33.3% |
| 1-3年 | 2 | 33.3% |
| 不限经验 | 2 | 33.3% |
热招职位
本岗位聚焦于多模态大模型的数据计算、数据编排方向，包括但不限于以下职责：
1. 开发高性能的分布式数据处理引擎，实现多模态等非结构化数据的高效处理；
2. 深入结合大模型分布式并行机制，设计实现通用、高吞吐、可扩展的数据编排引擎，提升大模型训练效率；
3. 持续跟踪大模型技术，对引擎不断迭代升级以满足大模型技术演进对数据处理的需求。
1.主导万卡级GPU集群的全局资源调度，通过精细化管理和优化策略，显著提升资源利用率，确保离线和在线任务的高效稳定运行；
2.深入优化RDMA高速网络、分布式存储与计算资源的协同调度，有效解决大规模训练任务中的性能瓶颈，提升整体计算效率；
3.基于Kubernetes、Docker等云原生技术，构建高可用调度框架，全面支持分布式训练框架，实现任务编排、容灾与混部能力，并深入K8s调度器、CSI插件及CRD的开发，推动大规模训推技术的实际落地；
4.积极探索混合云、虚拟化、ARM异构计算等前沿方向，不断推动技术与平台能力的升级和创新。
1、策略算法建模与优化：负责无人车货运业务中核心策略模型的建设和持续迭代。运用机器学习、因果推断、大模型等技术，对货运场景中的强不确定性、强价格弹性、强动态性进行建模和优化。具体方向包括：需求预测、留存/转化预测、价格弹性建模等定价/营销优化场景和路径规划与时间预估、履约机会成本预测、供需失衡预测等调度优化场景。
2、预测-决策联合优化：推动预测模型与决策模型的深度耦合，通过端到端优化实现业务订单增长和运营效率提升，直接驱动GMV增长和成本优化。
3、业务洞察与技术探索：深入理解无人车货运业务全链路，洞察业务快速发展过程中的关键瓶颈，与产品、运营、工程团队紧密协作，探索AI驱动的新一代物流策略体系。
4、前沿技术落地：关注并引入大模型（LLM/Foundation Model）、强化学习、因果推断等前沿技术在物流策略优化中的应用，推动技术创新转化为业务价值。
1、负责设计开发智能驾驶数据采集系统，数据闭环系统；
2、能够独立分析智能驾驶算法数据采集需求，完成需求方案转换；
3、开发设计传感器数据接入方案；
4、参与应用软件集成实车部署调试，有处理现场问题的综合能力；
1、负责车端智能驾驶的模型推理部署，新增模型接入与新算子支持；
2、负责车端智能驾驶应用软件的软件模块设计和软件开发；
3、负责车端智能驾驶应用软件全流程的量化精度优化和性能优化，为工程部署和算法优化方向提出指导；
4、负责车端智能驾驶算法模型在异构计算平台(GPU/DSP/J6 BSP)的部署和性能优化；
研究方向：半监督、无监督、大规模预训练模型的在ASR领域的应用研究。探索课题包括但不限于：
1、探索利用大规模互联网、海量业务数据进行数据挖掘，探索低成本构建高质量训练数据的方法（类似wenetspeech、gigaspeech）；
2、研究利用大规模预训练模型改善识别效果、鲁棒性的高效可落地方法；
3、尝试利用大语种（有丰富的训练数据）、预训练模型，低成本快速扩展ASR支持的语言、方言的技术方法。
我们正在寻找一位自动驾驶研发自有车队采集负责人,负责与公司司合规团队合作,规范化整体数据采集和运营流程。
1、您将负责梳理对应端侧和云侧的研发任务,制定研发排期,并并进行宣贯工作。
2、您需要设计采集的标准流程,确保数据上传符合下游预期,包括数据权限限隔离、合规性和高效性。
3、需要能够将该部分的工作快速进行标准化和工具化推动。包括但不限制于控制数居质量,交付速度等方面,并有能力购买或设计对应需求到相应的工具。
1、参与多模态大模型VLM在自动驾驶等业务场景中的量产落地，负责算法设计、训练、优化及工程化部署；
2、具备大模型训练经验，能够通过数据驱动的方法持续提升模型核心指标，优化图像、文本、语音等跨模态信息的融合方案，保障模型在嵌入式或云端环境中的推理效率与稳定性；
3、参与模型量化部署、算法策略设计等环节，能够解决项目落地中遇到的实际问题，配合工程团队完成模型压缩、加速、边缘端部署等量产关键工作，平衡性能与精度；
1.负责雷达测试场景定义. 实现及评价；
2.负责雷达场地及道路试验系统的集成. 调试及测试数据记录；
3.负责雷达系统的功能及性能测试用例及其实施方案设计；
4.负责雷达传感器测试方案的设计及评价；
5.负责雷达功能的主客观评价。
1、负责智能驾驶应用软件的核心技术研发工作，协同系统工程师完成软件设计；
2、深入征程芯片平台软件研发，负责应用软件平台化，增强软件方案的业界竞争力；
3、与感知算法、规控工程师协同完成系统集成以及车端研发工作；
4、参与应用软件车规化的工作，满足车载软件开发流程与质量；
WeStar人才计划：
我们面向全球招募顶尖学子，通过提供极具竞争力的薪酬、全面定制化培养方案、开放核心业务工作机会、解锁前瞻性技术难题，培养中国未来的自动驾驶科技人才。我们希望汇聚最优秀的人才，以无人驾驶技术改变人类出行。
Prediction组介绍：
预测模块上游对接感知，下游对接决策规划。通过感知信息对周围障碍物未来可能的行为进行预测。预测团队分钟构建各种深度学习模型，对周围环境中的动态障碍物做出各种预测。如意图预测、轨迹预测、障碍物与无人车交互方式预测等。对于缺乏数据的长尾场景，预测团队还需要通过场景特征分析和逻辑推理的方式，生成相应的预测补充。
WeRide.ai is looking for a machine learning engineer for the prediction team. In this impactful role, you will collaborate with a best-in-class team of engineers to tackle hard problems and help advance mobility solutions to improve everyday lives.
You will be responsible in such fields:
Active learning and Bayesian optimizationAnomaly detectionDeep networksDistributed/parallel learning algorithmsLearning controlPredictive modelingRequirements:
PhD or master in Computer Science/Engineering, ML/DL, Electrical Engineering, or a related field.Relevant work or lab experience in Machine Learning, Deep Learning or High-Performance ComputingExcellent knowledge of theory and practice of machine learning.Excellent programming skills in some rapid prototyping environment such as MATLAB or Python; C++ and parallel programming (e.g., CUDA) is a plus.Knowledge of common machine learning frameworks.Track record of research excellence or significant product development.Knowledge of application areas such as computer vision or roboticsPreferred to have:
Strong understanding of recent advancements in machine learning research
1、负责城区自动驾驶中的定位相关开发，包括但不限于: DR/组合导航/融合定位/拓扑定位/SLAM；
2、负责无图/众包地图下定位相关方案预研及算法开发、难点攻坚，推动方案实现规模化量产；