北京安卓工程师
安卓工程师是负责开发安卓操作系统（Android）应用程序的专业人员。他们使用Java、Kotlin等编程语言以及安卓开发工具包（Android SDK）来设计、开发和测试安卓应用。安卓工程师需要理解移动应用开发的流程，并且能够将用户需求转化为具体的技术方案和实现。他们需要对移动应用的性能优化、适配不同设备和版本的安卓系统有一定的经验和技能。除此之外，安卓工程师可能还需要与产品经理、设计师和其他开发人员合作，确保应用的功能和用户体验达到预期的要求。随着移动互联网的发展，安卓工程师的工作也变得越来越重要，他们的工作涉及到行业的前沿技术和趋势。
薪酬概览
平均月薪
¥23000
中位数 ¥22000 ｜ 区间 ¥17800 - ¥28200
数据来源：谈职全网18份招聘数据；更新时间：2026年7月13日
月薪分布
61.1% 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
20
对比上月：岗位新增10
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 | 5 | 29.4% |
| 1-3年 | 2 | 11.8% |
| 3-5年 | 5 | 29.4% |
| 5-10年 | 5 | 29.4% |
热招职位
1. 负责Android客户端核心业务和平台相关架构、设计、优化;
2. 负责基础库、框架、关键模块的技术选型、开发和改进;
3. 对新技术进行调研，将新技术分享并应用到现有产品开发中，提高客户端的技术能力;
4. 优化Android团队的开发方式和流程、规范，提高团队效率。
任职要求
职位描述：
1.参与公司技术中台通用框架研发工作，支撑多款手游/端游项目的快速迭代；
2.帮助项目组优化游戏，解决项目开发中的各种问题。
任职要求：
1.统招本科及以上学历，计算机科学、软件工程等相关专业；
2.3年以上Unity引擎游戏开发经验；
3.熟悉C#或其他游戏开发相关编程语言，熟练掌握常用数据结构和算法；
4.富有团队意识，善于主动沟通、高效协作。
加分项：
1、具有帧同步游戏开发成功经验，掌握帧同步相关技术方案及经验；
职位描述：
1.参与公司技术中台通用框架研发工作，支撑多款手游/端游项目的快速迭代；
2.帮助项目组优化游戏，解决项目开发中的各种问题。
任职要求：
1.统招本科及以上学历，计算机科学、软件工程等相关专业；
2.3年以上Unity引擎游戏开发经验；
3.熟悉C#或其他游戏开发相关编程语言，熟练掌握常用数据结构和算法；
4.富有团队意识，善于主动沟通、高效协作。
加分项：
1、具有帧同步游戏开发成功经验，掌握帧同步相关技术方案及经验；
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.需求梳理：负责与业务团队的需求对接，分解网络产品功能，联合上下游团队推动网络需求落地；
2.技术收益评估：负责关键网络技术的技术方案设计与PoC验证落地，与业务深度联合优化，完成业务收益的评估闭环；
3.异构卡部署：负责异构GPU卡型的引入与通信性能相关的验收与调优，推动在业务训练/推理框架上的部署落地；
4.技术探索：探索高性能网络新方向，制定网络技术方案，负责前期PoC验证、技术可行性和业务收益评估。
1.资源规划与选址：负责目标区域风电项目前期的宏观选址工作，综合考虑区域气候特征、地形地貌、风资源分布、电网接入条件、交通条件及用地属性等因素，进行多维度资源评估与适宜性分析，筛选具备开发潜力的场址区域，为海外风资源开发规划和风电场选址提供专业建议与决策依据。
2.方案编制与风资源评估：参与风电项目规划、可研、技术尽调报告的编制，负责风资源评估的技术方案输出。负责测风方案设计，包括测风塔选址论证、测风塔安装方案制定、测风设备选型及测风管理工作。组织开展测风数据的收集、整理、校验与质量控制，建立并维护项目风资源数据库。基于测风数据开展项目风资源详细评估及发电量深度测算，编制风资源评估报告，为项目投资决策提供技术支撑。
3.关键部件选型与微观选址：负责风电场风机排布方案的制定与优化，组织开展现场踏勘及机位微观选址复核工作。根据场址地形条件、风况特征及环境约束，开展风电机组机型比选分析，从发电性能、适应当地环境（如高海拔、台风、低温、沙尘等）、可靠性与经济性等维度进行综合评估，出具机型选型建议。负责评估机型合理性，审核机型发电量测算结果及其修正系数的适用性。
4.技术支持：
① 投标阶段，负责技术标书中风资源相关章节的编制与审核，提供风资源评估数据、发电量承诺值的技术论证及风险说明，确保技术方案符合业主要求并具备竞争力；参与业主及咨询机构的技术澄清与答疑，推动技术条款谈判。
②项目执行阶段按需求提供技术支持，为项目现场安装、调试、并网等提供全流程风资源专业技术支持；
③项目交付后，质保期间，牵头相关技术团队制定应急预案，如系统出现故障，牵头相关技术团队快速诊断并解决系统故障，保障系统稳定运行，快速识别故障信息并执行应急预案。
5.负责研究分析跟踪项目所在地风电产业政策、法律法规，及时收集新能源项目相关信息，做好风电项目储备。监测风电行业发展趋势、电价政策变化及竞争格局，分析研究为公司投资决策和开发策略提供参考依据。
1.负责VLM Agent核心能力研发，包括但不限于多模态理解（图像/视频+文本）、指令遵循、自主规划、工具调用、记忆机制设计，实现Agent在特定场景的端到端自主决策与执行能力；
2.参与VLM模型的微调、适配与优化，结合Agent业务场景需求，提升模型的需求理解、工具使用和推理总结能力，提升跨模态交互流畅度和视觉理解精度等；
3.负责 VLM 基础模型能力的边界探索，研究基于强化学习的视觉推理增强技术，优化模型架构与推理策略，持续提升模型在细粒度视觉感知、复杂 UI 理解与跨模态逻辑对齐等高难度任务上的表现，探索 VLM 的 Scaling Law 新路径；
4.结合业务场景，梳理Agent应用需求，推动VLM Agent从原型验证到产品化落地，迭代优化产品体验；
5.跟进VLM与AI Agent领域前沿技术（如复杂任务规划、Think with images、RL 等），开展技术预研与创新，将前沿技术转化为实际业务价值。
1.服务端 Gameplay 架构：具备全局业务视野，能主导复杂玩法的服务端系统设计；精通前后端同构环境下的逻辑解耦与架构演进；
2.移动同步与权威校验：精通 DS 端权威状态管理，深入理解游戏安全与主流反作弊技术；对移动、技能、数据范围下发等核心反作弊环节有落地经验；具备 服务器核心代码裁剪、核心配置裁剪避免逆向工程的工业化能力；
3.网络同步机制：深入理解 UE 网络同步底层（Replication/Iris/复制体系），具备大规模 Actor 同步优化、带宽与延迟优化的实战经验；
4.性能优化与资源裁剪：能建立常态化 DS 性能与流量监控体系，持续优化 CPU、内存与带宽，降低运行成本；
5.高可用与稳定性建设：熟悉 Headless 自动化单测与压测框架，有大规模录像回放系统开发经验；具备海量 AI 压测机器人、跨集群 DS 调度及全链路线上监控体系建设经验。
1.负责火龙漫剧/视频业务的推荐与搜索技术研发（包含但不限于传统搜推、LLM4Rec、AI搜索、生成式推荐等），提升用户体验，用户消费与时长，用户转化与留存等核心业务指标；
2.根据场景特点和产品定位，对全链路算法体系进行深度理解与优化，持续优化推荐/推荐算法；
3.结合大模型技术，升级推荐技术，提升推荐效果，解决实际业务问题；
4.紧跟学术界、工业界的前沿技术，结合实际的业务场景进行算法开发、落地，实现团队技术和业务的共同发展。
1.Agent 后训练算法设计与实现：主导基模大模型的 Agent 化后训练方案研发，包括指令微调（SFT）、奖励模型（RM）训练、强化学习（RLHF/RLAIF）优化，聚焦任务规划、记忆机制、工具调用、多轮对话一致性等核心能力提升。；
2.后训练数据体系构建：设计 Agent 后训练数据的采集、清洗、标注与迭代策略，涵盖通用指令集、任务型对话数据、工具调用样本、多模态交互数据等，建立数据质量评估与筛选机制，优化数据分布与多样性。；
3.Agent 能力优化与突破：针对 Agent 在复杂任务拆解、跨领域知识迁移、动态环境适配等场景的痛点，研发创新后训练算法（如分层任务规划训练、多智能体协作训练、反幻觉优化），提升 Agent 的决策准确性与鲁棒性。；
4.工程化落地与系统协作：搭建高高效后训练流水线，支持大规模数据并行处理、分布式训练（DDP/FSDP）与模型压缩部署；与产品、工程团队协作，打通 “后训练 - 评测 - 迭代” 闭环，适配不同场景下的 Agent 产品需求。；
5.技术创新与沉淀：跟踪大模型 Agent 领域前沿技术（如 LLM+Planning、Tool Learning、Multi-Agent Interaction），主导核心技术攻关与专利申请；输出可复用的后训练算法组件、技术文档与评测基准，推动团队技术能力沉淀。
1.多模态数据体系构建：设计并实现 VLM 预训练数据的采集、清洗、标注全流程方案，涵盖通用图文对、OCR 数据、Visual Grounding/Counting 数据、3D 空间理解数据及视频时序数据等多类型数据，建立数据质量评估体系（如 CLIP 相似度过滤、标注一致性校验）。；
2.数据算法创新设计：研发多模态数据对齐算法，优化视觉 - 语言模态映射策略；设计高效数据增强方案，包括图像形变、文本扰动、跨模态混合增强等，提升模型鲁棒性与场景适应性；探索自动标注与数据合成技术（如 Grounding DINO 自动框标注、LLM 辅助问答生成），降低标注成本。；
3.预训练数据策略优化：结合 VLM 预训练目标（模态对齐、上下文学习、复杂推理），设计数据配比方案与训练数据筛选策略；迭代优化数据配方，解决数据冗余、分布偏差等问题，提升训练效率与模型效果。；
4.工程化落地与协作：搭建高吞吐率数据处理流水线，支持大规模多模态数据的并行处理与分布式训练适配；与模型训练团队协作，打通数据 - 训练 - 评测闭环，提供定制化数据解决方案；跟进 NVILA、InternVL 等前沿技术，推动数据算法的工程化落地。；
5.技术沉淀与创新：跟踪 VLM 领域数据相关前沿研究（如预训练数据设计、模态融合策略），主导技术攻关与专利申请；输出可复用的数据处理算法组件与技术文档，建立团队数据算法基准体系。
1. 负责车联网核心平台IoT平台的架构设计、开发及日常运维，建设高并发、高吞吐、可扩展的IoT平台；
2. 负责核心功能模块的设计和开发，撰写技术文档，包括设计文档、接口文档和操作手册等；
3. 深入理解业务需求，设计优化和调试方案，解决技术难题，保证系统性能和稳定性；
4. 关注车联网行业动态，跟踪技术发展趋势，不断提升自身技术水平。