薪酬概览
平均月薪
¥14700
中位数 ¥0 ｜ 区间 ¥9800 - ¥19600
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
60% 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
5月新增岗位
3
对比上月：岗位新增2
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 |
|---|---|---|
| 1-3年 | 1 | 33.3% |
| 3-5年 | 1 | 33.3% |
| 5-10年 | 1 | 33.3% |
热招职位
1、参与并实现端到端多视角三维重建流水线：数据预处理、相机/传感器标定与对齐、稠密重建与渲染模块的设计与开发。
2、基于 NeRF、3DGS 等神经渲染与可微渲染方法，研发可扩展、高效的模型与部署方案，兼顾质量与性能。
3、设计并搭建量化评估体系与自动化测试框架，用以衡量重建质量、推理实时性及对下游感知/规划任务的影响。
4、将研究成果工程化：与数据、标注、仿真与感知团队协作，完成模型训练流水线、离线渲染与实时仿真集成与部署。
5、优化算法性能（计算与内存），并参与模型推理加速、量化或裁剪等工程化工作以满足实时/大规模训练需求。
【愿景】美团龙猫基座大模型，不只聪明，更懂生活。从语言理解到全模态感知，从架构创新到极致推理，从海量预训练到亿级真实订单 —— 我们造的不仅是实验室里的“优等生”，更是活在大街小巷、三餐四季里的AI。 而我们想做的远不止于此 —— 让模型自己提出假设、训练自己、不断进化； 让一群智能体像团队一样分工协作、攻克复杂问题； 让 AI 走出屏幕，理解物理世界、走进真实场景。 这是我们正在冲刺的方向，也是你可以参与定义的未来。 加入我们，一起把智能带进真实物理世界，亲手打造下一代 AGI！【团队介绍】基座大模型AI Infra团队，以支撑前沿基础模型持续演进为目标，面向大模型研发与生产全链路，构建高性能、高稳定性、可持续扩展的AI基础设施体系。围绕高效率实验平台、大规模训练生产能力，以及模型结构与芯片架构协同优化， 沉淀软硬一体、训推贯通的关键基础能力，提升模型迭代效率、训练资源利用率与系统上限。【你将负责】模型推理是大模型应用的核心能力，是影响大模型应用成本和效率的关键因素。本课题专注于大模型推理加速与分布式系统优化的前沿技术探索，通过软硬件协同设计和算法工程联合优化，降低大模型推理的应用成本，提高推理性能。研究内容包括但不限于：
1.投机推理（Speculative Decoding），研究基于预测性执行的动态推理优化方法，参与设计低延迟推理框架，通过概率模型预生成候选序列以降低解码计算开销。
2.分布式系统优化，探索多节点协同推理中的通信-计算负载均衡策略，提出基于异构硬件的混合并行调度方案，实现吞吐量提升。
3.稀疏Transformer优化与模型压缩，通过稀疏Transformer优化以及模型压缩技术提升模型的计算效率。
4.算子优化，熟悉最新硬件架构的算子优化方法，通过更高效的算子优化模型的吞吐和延时。
负责自动驾驶车辆激光雷达子系统的系统集成、性能验证与持续优化工作。具体包括：参与激光雷达传感器的选型评估与技术对标，从光学性能、点云质量、环境适应性、可靠性等维度建立评价体系，输出选型建议与技术对比报告。主导激光雷达与车载计算平台的集成调试，包括通信链路打通（UDP点云数据、TCP控制协议）、PTP时间同步对齐、多雷达坐标系标定与外参管理等工作，确保数据链路端到端稳定可靠。设计并执行激光雷达性能测试方案，覆盖探测距离、角分辨率、测距精度、反射率响应、高反滤波效果等关键指标，建立量化的性能基线与回归验证机制。推动激光雷达在整车环境下的可靠性验证，包括振动、温湿度、电磁兼容等环境适应性测试，以及长时运行的功能稳定性监测。与激光雷达供应商保持紧密协作，跟踪固件版本迭代、SDK升级与问题修复，管理各开发阶段的供应商交付物清单，推动技术问题闭环。参与传感器数据质量自动化质检体系的建设，开发或优化数据解析、异常检测、质量报告生成等工具链，支撑批量车辆的传感器健康度监控。协同感知算法团队，从传感器端理解算法对点云数据的需求，推动传感器参数调优与性能迭代，支持算法性能提升。
1.负责穿透式监管类信息系统的日常运维保障，包括系统监控、故障处理、性能优化与持续改进；
2.建立并完善穿透式监管系统运维规范与流程，确保系统运行符合监管合规要求；
3.连接开发团队与业务部门，推动系统问题快速定位与解决，保障监管数据报送、合规监测等关键业务连续稳定；
4.负责系统运维数据的分析与报告编制，识别系统运行风险与优化点，支撑监管要求动态适配；
5.参与系统上线前的运维评审与部署准备，确保系统平滑上线与后续运维可控。
1. 负责大型企业云平台、服务器、数据库、存储设备的日常运维工作，包括部署、监控、巡检、优化及故障排查，保障核心业务系统稳定运行。
2. 负责灾备体系的搭建与日常维护，制定并执行灾备策略，定期开展灾备演练，确保数据安全与业务连续性。
3. 承担基础应用运维工作，负责应用系统的日常部署、更新、监控，协助开发团队解决应用运行过程中的环境及运维相关问题。
4. 负责应用拓扑图架构审核工作，对应用架构的合理性、安全性、可扩展性进行审核，提出优化建议并推动落地。
5. 负责VPN、堡垒机的日常管理、配置维护及权限管控，执行日审、数审工作，确保运维操作合规、可追溯。
6. 负责镜像仓库的建立、配置及日常管理，规范镜像制作、存储、分发流程，保障镜像安全与可用。
7. 熟练使用zabbix监控工具，负责监控系统的部署、配置、维护及告警优化，及时发现并处理系统异常。
8. 了解网络安全相关运维工作，排查服务器建设及使用过程中可能出现的安全隐患，制定并落实安全防护措施。
9. 负责日审、数审等合规化工具的使用、故障排除、巡检等工作，负责日常与各软硬件厂商的对接实施工作。
10. 快速响应生产环境中出现的各类运维故障，高效完成故障定位、排查与解决。
11. 落实等保合规工作，落实等保相关要求，完成等保测评相关的运维支撑工作。
12. 协助运维经理完成对内合同流程办理相关工作，包括合同的拟定、整理、审核跟进、归档等，确保合同流程合规、高效推进，保障各项运维相关合作事宜的合同落地。
13. 领导交办的其他事项
负责手机、平板、机器人等终端产品的芯片-封装-板级类电磁、电热类问题的仿真能力和自动化工具构建工作：
1. 负责产品芯片-封装-板级等电磁/电热类问题的仿真建模方法/精度/效率提升方面的研究；
2. 负责构建新场景SI/PI/EMI/电热等仿真能力和自动化工具，并针对产品相关问题仿真解决和效率提升；
3. 负责芯片-封装-板级方向的仿真新技术的洞察、规划及研究落地。
1. 负责内部运维基础设施（如 自动化运维、IaC、CMDB、服务树、应用中心、DNS、流量网关、VPN 接入）等推进和落地。
2. 负责 devops 平台的建设、负责 AI 时代下 AIOps 研发流程的建设。
3. 负责微服务体系能力建设，如多集群场景下 服务发现、微服务网关、服务治理、迭代及流量泳道等体系建设。
1、负责游戏功能系统的服务端开发工作
2、协助系统架构师对服务器程序进行架构分析和软件设计，并完成相应的文档；
3、主动跟进与处理各模块的bug；
4、开发服务端各项周边工具；
5、负责自己所编写模块的单元测试工作。
1. 负责无人机系统的整体架构设计与技术方案制定，涵盖结构、动力、能源、任务载荷等核心模块。
2. 主导无人机硬件系统的开发、集成与测试，确保系统稳定性、可靠性及性能指标达标。
3. 协调跨部门资源，推动项目从需求分析到产品落地的全流程实施，保障项目按时交付。
4. 跟踪行业前沿技术，持续优化系统性能，提升产品竞争力与技术创新能力。
5、主动探索并运用各类AI工具优化日常工作流程，积极推动AI在业务场景中的落地实践，持续提升个人及团队的工作效率与产出质量
【愿景】负责面向算法研发、业务建模与系统构建场景的 AutoResearch Harness、Agent Swarm 与 AI Builder 能力建设，探索大模型驱动复杂问题分析、方案生成、实验验证和系统搭建的新范式。【你将参与】1.设计 AutoResearch Harness：建设任务分解、实验编排、工具调用、结果评 估、失败恢复、知识沉淀等核心模块，让 Agent 能稳定完成长程、开放式研发任务；
2.构建 Agent Swarm 协作体系：研究多 Agent 之间的角色分工、上下文共享、协同决策、互评纠错和成本控制机制，提升复杂任务中的可靠性与可扩展性；
3.建设上下文与记忆系 统：围绕 context compression、memory selection、状态追踪、项目知识库和跨轮学习，提升 Agent 在长链路任务中的连续性和可控性；
4.打造 AI Builder 原型系统：面向真实业务快速交付可用工具，将自然语言需求转化为可执行流程、实验方案、分析报告或业 务系统原型，并沉淀评测闭环与工程最佳实践。
岗位职责：
自动驾驶高精地图系统研发，实现大规模分布式建图和快速更新。
工作内容包括但不限于：
分布式数据处理系统的构建、性能优化与维护云端建图微服务的构建、部署与维护车载地图相关系统的构建，性能及可靠性优化地图质量评测系统搭建与维护
岗位要求：
熟练使用C++（C++11及以上版本）和 Python，精通常用的数据结构和算法熟悉全栈开发熟悉Linux 开发环境熟悉面向对象编程有较强的工程能力及大型系统开发经验热爱技术、积极主动、思维活跃、学习能力强加分项：分布式或大型数据处理系统架构经验熟悉React；熟悉ThreeJS、webGL等前端三维渲染技术熟悉大数据主流技术栈和开源框架数据处理的相关经验，ML/DL、推荐、广告、数据挖掘相关知识和经验深度学习系统的搭建与使用经验
Cloud LLM Agent 系统研发工程师【2027届校招】
关于我们
我们致力于构建新一代大模型系统基础设施，让大模型不仅能“对话”，而是能够在真实业务和自动驾驶研发场景中稳定运行、可控执行并持续进化。
本方向聚焦云端 LLM Agent 系统、工具调用、工作流编排、多 Agent 协同和生产级 Agent Infra，强调工程能力、系统设计能力和面向真实业务场景的稳定落地能力。
岗位职责
作为 Cloud LLM Agent 系统研发工程师，你将参与构建面向真实业务场景的云端 Agent 基础设施，主要工作包括：
参与构建云端 LLM Agent 系统，包括工具调用、任务执行、工作流编排和多 Agent 协同能力。
设计和实现 Agent 执行框架，包括状态管理、任务调度、上下文管理、记忆机制和执行恢复。
对接内部系统、研发工具链和数据平台，建设自动化任务执行能力。
优化 Agent 系统的稳定性、延迟、成本和可观测性，支持生产环境持续运行。
建设 Agent 评测、回归测试、badcase 分析和效果迭代体系。
与模型训练和端侧部署团队协作，推动 Agent 场景下的模型能力优化和工程闭环。
任职要求
计算机相关专业本科及以上学历
扎实的计算机基础，包括数据结构、操作系统、网络、分布式系统等。
熟悉至少一种编程语言（Python / Go / Java / C++）。
对大模型、Agent 系统或 AI 应用工程有基本了解或强兴趣。
具备良好的工程动手能力、问题定位能力和系统设计意识。
能阅读英文技术文档。
加分项（非必须）
有 LLM Agent、RAG、工具调用、工作流引擎或自动化系统项目经验。
熟悉 LangChain、LlamaIndex、AutoGen、OpenAI / Anthropic / LiteLLM 等相关框架或 API。
熟悉 Kubernetes / Docker / Linux 环境，有服务端系统开发经验。
有异步任务调度、状态机、消息队列、事件系统或分布式系统经验。
有模型评测、prompt engineering、上下文压缩、记忆系统或 Agent 安全控制经验。
有开源项目或工程实践经验。
我们提供的成长机会：
深度参与生产级 Cloud LLM Agent 系统从框架设计、工具接入到线上运行的完整工程链路。接触真实业务和自动驾驶研发场景中的 Agent 落地问题。建立大模型应用系统在稳定性、可观测性、成本和效果迭代上的系统化经验。与训练、部署和业务团队协作，理解 AI Agent 从 demo 到 production 的关键工程挑战。