薪酬概览
平均月薪
¥22900
中位数 ¥0 ｜ 区间 ¥19000 - ¥26800
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
100% 人群薪酬落在 15-30k
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
6月新增岗位
8
对比上月：岗位新增5
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 |
|---|---|---|
| 3-5年 | 8 | 100% |
热招职位
1.参与端到端智驾模型训练/评测数据生产全链路开发，包括数据生产、数据挖掘、打标、质检等；
2.参与智驾标签体系、meta体系的研发、维护及落地；
3.参与数据全链路相关的基础框架研发，包括挖掘、生产及分析框架等；
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；
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。
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。
职位概述：
作为平头哥数据中心产品线深度学习算法框架高级技术专家，将负责设计、开发和优化深度学习算法框架，提升算法模型在PTG AI芯片上的运行效率和性能。跨团队协作，确保高质量的代码和技术实现，同时为团队提供技术指导。
主要职责：
算法框架适配与开发：
对开源AI软件框架的内部实现有深入理解，能够快速将广大开源软件适配到 AI 芯片上，同时确保性能达到最优。同时根据公司AI芯片的差异化的功能，在框架层面实现软硬件结合的解决方案。
性能优化：
分析和优化深度学习模型的训练和推理性能，提升计算效率和资源利用率。
根据芯片硬件特点使用多种技术手段，包括分布式计算、模型压缩和量化，优化算法在实际应用中的表现。
跨团队协作：
与其他团队（如编译器、驱动、客户支持等）紧密合作，确保技术指标的达成，并实现符合用户需求和市场趋势的功能。
为团队成员提供技术指导和支持，推动团队技能的持续提升。
技术研究与创新：
跟踪深度学习和机器学习领域的最新研究动态，探索并实施新算法和技术。
参与编写技术文档和论文，促进技术的分享与传播。
岗位定位
负责智能驾驶域控端侧应用层软件开发、功能集成、业务逻辑落地、实车调试与量产交付。更具体的，负责端上车-云连接Agent模块开发，建立车-云高可靠、高性能连接，确保高可达性和高性能上、下行传输，是自动驾驶功能落地的核心工程岗位，主打业务逻辑、状态机、跨模块通信、端侧性能优化、量产稳定性。
岗位职责
1. 智驾应用层业务开发：负责高速NOA、城市NOA、自动泊车APA/RPA、循迹倒车、车道保持、主动刹车等辅助驾驶/自动驾驶功能的应用层逻辑开发、状态机管理、工况跳转、权限管理、故障降级策略落地。
2. 跨模块集成与协议对接：对接感知、定位、预测、规划、控制、底盘、车身、座舱HMI、导航、语音模块，完成跨进程/跨域通信、协议解析、数据校验、状态同步、指令下发与反馈，保障端侧全链路稳定运行。
3. 端侧性能与实时性优化：负责域控端侧软件资源管控，优化CPU/GPU/内存占用、线程调度、时延抖动、异常容错，解决卡顿、丢帧、状态跳转异常、偶现失效等量产问题，满足车载毫秒级实时性要求。
4. 台架/实车调试与问题闭环：参与台架联调、场地试车、道路路测，定位并闭环各类工况异常、边界case、偶现bug，输出调试日志、问题复盘与优化方案，支撑版本迭代与OTA升级。
5. 量产工程化与质量管控：遵循车载开发规范（ASPICE/AUTOSAR/ROS2），完成模块设计、编码、单元测试、集成测试、文档沉淀、代码评审，保障软件可量产、可维护、可迭代。
6. 版本迭代与需求落地：承接产品功能需求，拆解技术方案，跟进需求落地、版本合入、回归验证，支撑年度功能迭代与OTA特性上线。
1、全面负责自动驾驶相关研发过程中软件/算法/硬件等各领域开发过程中的项目管理（包括但不限于对成本、质量、资源的管理）；
2、负责联动多部门及角色确认实施方案，收集和明确需求，高效任务拆解，形成版本开发计划，并对执行进度进行控制和管理；
3、负责管理、协调部门内部各领域间和关联部门间的交互和输入输出管理，确定上下游依赖和开发排期，牵头解决跨部门跨领域的重难点问题；
4、不断优化项目管理流程与工具，提高跨部门、跨地域、跨公司项目团队的执行效率；
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；