北京人工智能研发工程师
人工智能研发工程师是负责设计、开发和实施人工智能技术的专业。他们使用各种算法、工具和编程语言来构建智能系统，如机器学习、深度学习、自然语言处理和计算机视觉。这些工程师通常需要具备扎实的数学、统计学和计算机科学知识，以便能够理解和应用复杂的人工智能模型。此外，他们需要不断关注行业最新的发展和趋势，以确保团队能够跟上技术革新的步伐。人工智能研发工程师通常在科技企业、研究机构或大型公司中工作，为解决实际问题提供智能化解决方案。他们的工作既有挑战性，又具有深远的社会意义，因为他们的成果将直接影响到人们的日常生活和工作方式。
薪酬概览
平均月薪
¥24600
中位数 ¥24000 ｜ 区间 ¥18700 - ¥30400
数据来源：谈职全网62份招聘数据；更新时间：2026年7月13日
月薪分布
62.9% 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
44
对比上月：岗位减少45
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 | 11 | 27.5% |
| 1-3年 | 2 | 5% |
| 3-5年 | 5 | 12.5% |
| 5-10年 | 20 | 50% |
| 不限经验 | 2 | 5% |
热招职位
本岗位覆盖以下主要技术方向：
1.方向一：文本/多模态预训练• 设计和优化千亿级参数大模型的分布式训练系统，支持文本基座预训练和原生多模态训练的正确性、性能和稳定性• 负责训练框架核心模块（通信、调度、容错、Checkpoint、数据加载）的架构设计和性能优化，在同等硬件条件下持续提升训练吞吐• 协同算法迭代和硬件演进，针对新模型架构（MoE、超长序列、多模态融合）快速完成训练适配和性能验证• 作为工程Pipeline的上游起点，持续推进训练Infra的架构迭代方向2.方向二：强化学习框架• 构建并提升在线RL训练系统的性能和Scale能力，打通策略更新、环境交互、奖励建模的端到端训练流程• 支持Chat/Thinking/Agentic以及未来多种RL范式（PPO/GRPO/DPO等），和算法Codesign推进RL架构迭代• 设计高效的Actor-Critic架构、经验回放机制和分布式采样系统• 负责RL训练的性能瓶颈分析和优化，包括GPU利用率提升、通信开销降低、训练稳定性保障3.方向三：异构算力适配• 建设迭代多种异构算力（GPU/NPU等）的验证和适配方案，包括稳定性保障、精度验证和高性能runtime• 开发调优GPU和NPU架构的通信算子，推进超节点架构的最佳实践• 面向RL采样场景，深入优化NPU架构的推理性能• 跟踪硬件生态发展，评估新硬件的技术价值，输出选型建议和规模化落地方案4.方向四：高性能内核• 定制开发高性能计算内核，深入发掘GPU/NPU等不同硬件架构的优化空间• 推进算子开发范式的迭代，探索自动化算子生成（如LLM辅助生成高性能kernel）
1.负责企业内部财务信息系统的AI功能设计与落地，实现AI大模型应用及智能体开发应用。
2.主导AI技术与企业内部系统的集成对接，完成AI模块的开发、调试、部署及优化。
3.参与AI应用架构设计（设计、集成）与开发，包括提示词工程、RAG（检索增强生成）、Agent、模型推理优化、服务化封装与API化输出。
4.负责数据清洗、标注、特征工程、数据集构建与质量管控，负责机器学习、深度学习等相关算法的研究、应用、训练、调优与实现。
5.深入理解业务需求，参与AI项目设计与开发，将算法模型应用于实际场景。
6.探索AI能力在财务数字化场景的落地应用，包括智能审核、智能识别、智能分析、智能报告、智能风险预警等。
1、探索可用于自动驾驶/机器人场景VLA的、有3D感知能力和物理世界常识VLM基座技术
2、通过重写、扩充和生成等方法合成大规模、高质量的数据；如指令调优、偏好对齐、模型优化以提高LLM在各个阶段（预训练、SFT、RLHF）的能力
3、开展大模型算法研究，包括但不限于：多模态LLM/VLM的预训练/监督微调/强化后训练、LoRA/P-Tuning等高效微调，模型量化、分布式部署算法，实现大模型算法研究与应用
4、探索可用于自动驾驶/机器人等业务场景世界模型的前沿4D重建与生成模型技术
5、进行基于VLA/世界模型/闭环强化学习的自动驾驶下一代算法方案研发
6、进行机器人场景VLA/世界模型/闭环强化学习的模型技术研发
7、进行通用的大模型/自动驾驶/机器人等场景模型训练及推理优化的技术研发和积累，包含形成工具链和文档化的训推优化方法论;持续跟进瓶颈分析、网络优化、文件IO优化、计算图优化、算子优化、DP/TP/PP/EP前沿训推优化技术，探索创新的结合自建AI超算集群的训推优化技术
1.负责大模型推理引擎的研发和优化，包括推理系统优化、模型量化压缩和模型部署；
2.负责开发和维护基于大规模数据的推理引擎；
3.参与解决推理过程中的技术难题，提升推理算法的性能和效果；
4.开展相关领域的技术研究，提出创新性的解决方案。
1. 负责食杂零售搜推算法策略迭代，优化用户搜推体验，提升点击率、转化率等核心指标2. 应用先进技术手段，优化意图理解、召回、搜索相关性、排序、流量调控等算法模块效果，显著提升用户体验和转化效率3. 紧跟业界大模型、agent 前沿进展，积极学习新的模型结构和 agent 认知，探索在食杂业务落地的可能性4. 与其他团队密切合作，实现高质量的产品和解决方案。
1. 负责智能座舱场景下多模态大模型的性能优化，包括但不限于模型量化、剪枝、蒸馏等加速方法，以确保模型在端、云、端云混合等不同计算架构下的高效运行。
2. 深入挖掘不同边缘设备的硬件特性，适配和优化多模态大模型，在计算资源和模型精度之间做出权衡，通过技术创新和优化策略获得性能更优的模型，确保在资源受限的环境能高效运行。
3. 参与分布式训练及推理框架的落地与优化，提高大规模数据处理性能及硬件资源利用率。
4. 优化智能座舱场景下多模态大模型与其他算法模型（DMS\OMS、语音）的协同推理全链路。
1、计算机、人工智能、自动化、电子信息、数学等相关专业，硕士及以上学历；具备突出研究成果或丰富工程经验者可放宽学历要求；
2、具备 5 年及以上多模态大模型、语音大模型、视觉语言模型或具身智能相关研发经验，主导或深度负责过模型研发、训练或部署落地中的关键环节；具备突出研究成果或同等能力者可适当放宽年限要求；
3、深入理解 Transformer、LLM、VLM、语音大模型及多模态生成模型原理，对模型规模扩展规律、数据工程、后训练方法和效果评估有系统认知；
4、在跨模态对齐、流式音视频建模、端到端语音交互、大规模训练与后训练、智能体规划或推理优化中的至少一个方向具备深入积累和可验证成果；
5、熟练掌握 Python、PyTorch，熟悉 C++ 及主流分布式训练框架，具备性能分析和复杂工程问题定位能力；
6、算法工程师方向重点考察大规模训练、系统工程、性能优化及真实场景落地能力；研究员方向重点考察原创算法、研究深度以及论文、专利或开源成果；
7、具备较强的技术前瞻性、架构设计能力和结果意识，能够独立定义复杂问题、推动跨团队协作并对关键项目交付负责。
加分项
- 具备大规模多模态模型分布式训练、数据治理、训练稳定性优化或完整后训练经验；
- 熟悉实时音视频、低时延流式交互、机器人智能体或真实物理世界多模态应用；
- 具备端侧部署、模型压缩、异构计算优化经验，或有代表性的论文、开源项目及专利成果。
我们的技术团队，
致力于为阿里业务提供高效、稳定的AI基础设施，算法工程基于对算法、引擎和高性能算力资源的理解，为超大规模的分布式训练/推理等AI业务提速、降本，协同AI引擎、调度系统、高性能网络及异构硬件的co-design，突破LLM/AIGC等机器学习任务的算力和性能瓶颈; 为阿里大模型业务的迭代、落地提供高效率的算力底座，系统性评测AI算法的效率和性能热点，准确评估算法在计算、存储、网络通信及I/O方面的资源需求及演进趋势，探索优化加速方案并系统化落地，万卡规模高性能数据中心的AIOps智能运维，自动化诊断和规避软硬件故障，支撑算法稳定迭代，开源AI框架、自研AI芯片平台的适配和性能调优；
与该领域密切相关的技术方向：AI infra, GPU资源调度，高性能RDMA网络，大模型训练/部署，软硬件联合优化，算法性能评测/调优，aiops/chatops。
我们的技术团队，
致力于深度学习从特征计算到训练及预估引擎端到端的平台建设(XDL)，包括当前重点发展的图表征学习，正在定义大数据AI技术的未来；以广告/推荐/搜索引擎平台支持包括淘宝、天猫、菜鸟、优酷乃至海外电商在内整个集团的推荐与搜索的业务，也支撑集团的商业营销平台阿里妈妈，同时也通过阿里云对外部客户提供相应的搜索和推荐产品，我们支持各种深度学习网络的灵活拆分，支持超TB的模型，驱动异构计算和实时计算的发展，不断追求效率的极致，更重要的是，我们还拥有多项领先的算法技术，是阿里巴巴技术驱动商业变革的核心引擎。
与该领域密切相关的技术方向：统一的索引/图/模型存储召回/排序/预测的图化执行/在线图计算/路径索引与检索/在线引擎Serverless/图表征学习与向量匹配/全链路算法迭代平台/DL特征计算与建模框架/DL训练与预测加速/端上智能/结构化搜索/图像搜索/搜索与推荐云服务。
1、VCU软件维护与集成： 负责VCU应用层软件的日常维护、Bug分析与修复；完成通讯矩阵及整车需求的适配。
2、控制算法开发： 开发整车扭矩管理、能量回收及上下电逻辑；负责底盘动力学相关算法（如防抖动、平顺性控制）的设计与实现。
3、仿真验证与调校：负责MIL/SIL/HIL测试用例编写与执行；配合标定工程师进行实车调试，优化驾驶性表现。
4、工程文档管理：负责软件需求(SRS)、设计说明(SDD)及接口定义等开发文档的编写与维护。
我们正在寻找世界模型算法专家，一同构建高质量、高可控、实时可交互的长时序视频生成模型，完成核心算法的优化探索和业务落地，为下一代自动驾驶系统提供高保真度和鲁棒性的评测和训练环境。
1、通用视觉表征构建： 负责 VAE 等底层表征模型的探索与深度优化，大幅提升图像/视频特征的重建质量与时空压缩率，为世界模型构建高保真、强泛化性的通用视觉表征；
2、长时序生成： 深入探索实时可交互视频生成范式，参考并改进Self-forcing等前沿架构，突破超长时序环境生成的质量和一致性瓶颈；
3、实时交互与加速： 研究并应用 DMD2 等前沿模型蒸馏与加速算法，大幅降低视频生成延迟，实现毫秒级的基于动作（Action-conditioned）的闭环环境响应；
4、架构设计与优化： 参与交互式世界模型的底层架构设计、模型训练与工程优化，支持自动驾驶端到端算法的仿真验证；
1、计算机视觉和深度学习等相关专业，硕士/博士；
2、具备扎实的计算机视觉/机器学习/深度学习理论功底和算法经验，或者在该领域有优秀的学术成果 （例如，主流会议CVPR/ICCV/ECCV/NeurIPS/ICLR/ICML等，发表过一作论文）；
3、在计算机视觉领域有高影响力成果者优先， 例如，高引论文，或者行业影响力比赛 (第1名), 或者优秀开源贡献者；
4、有利用视觉/深度学习创新技术解决行业难题，并带来大幅业务增长者优先；
5、熟练使用C/C++、Python其中一种开发语言；
6、有很强的创新能力，能够解决高挑战性问题，自我驱动能力强，并且有独立完成任务的能力；同时，具有良好的沟通技能和抗压能力。
1.计算机、人工智能、数学等相关专业硕士及以上学历；
2.扎实的编程基础，熟练掌握PyTorch，熟悉llama-factory, VeRL/ROLL等训练框架；
3.深入理解LLM/MLLM原理，具备大模型Post-training（SFT、RLHF/RLVR）实战经验，熟悉RAG、Agent技术栈；
4.具备Agentic Search理念，能够将Agent框架与电商搜索场景结合，形成完整技术闭环；
5.在NeurIPS、ICLR、ICML、SIGIR、KDD等顶会发表论文，或具备开源项目贡献、竞赛获奖经历者优先；
6.强烈的好奇心、自驱力和业务敏感度，善于在复杂业务中挖掘技术突破点并推动落地。
1. 洞察半导体、消费电子、新能源等目标行业的检测需求与前沿技术，特别是光学成像与智能算法，制定未来3-5年产品与技术发展路线图，识别并开拓新机会领域；
2.负责产品定义，深度挖掘客户核心痛点，主导高性能智能光学检测系统（含硬件、光学、核心算法与软件）的需求分析与规格定义，聚焦检出率、速度、稳定性等关键技术指标；
3.规划下一代产品，重点围绕更高精度成像、先进光学方案、智能（AI）检测算法、3D检测、系统稳定性提升等核心领域，推动技术落地与竞争力构建。
4.主导产品开发全过程，联动软件、硬件、光学成像和算法研发，以及测试、供应链等团队，确保产品高质量交付。