北京AI工程师
AI工程师是指负责设计、开发和部署人工智能（AI）系统的专业人员。他们利用机器学习、深度学习、自然语言处理和其他AI技术来开发智能系统，用于解决复杂的现实世界问题。AI工程师需要具备编程技能和数学知识，能够利用算法和数据结构来构建机器学习模型。他们还需了解大数据处理、云计算和分布式系统，以确保AI系统的高性能和可扩展性。除此之外，AI工程师还需要与跨学科团队合作，包括数据科学家、软件工程师和业务专家，以确定业务需求并将AI技术应用于实际场景。总而言之，AI工程师在推动人工智能技术的创新和应用方面起着关键作用。
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。
具体职责包括但不限于：
1、负责自然语言处理，尤其是大模型领域的前沿技术创新研发；推动语言模型、知识表示、机器翻译、对话系统、文本生成等关键技术和核心问题的解决，形成高引用论文和高价值专利，积极探索相关技术落地应用；
2、负责追踪最新技术和热点，优化、改进现有技术和系统，提升系统的性能和效率，在内外部业务场景验证，形成业内领先的技术服务能力和体系；
3、负责业务技术需求的支持，针对业务场景的真实需求，设计合理的技术方案和路线，通过技术创新和业务验证，实现业务价值和效率的提升。
1.AI搜索核心技术研发与落地；
2.研发基于大模型 Agent 的搜索问答技术，包括复杂搜索任务规划、多轮探索策略、工具调用及多 Agent 协作、答案生成等；
3.解决大模型可信评估、幻觉控制、整合推理、多模态、多轮交互的挑战；
4.大模型后训练与对齐算法；
5.结合AI搜索场景需求，深入探索高效的大模型后训练算法（ Mid-Training、SFT、RM/RL等）；
6.用户信号驱动的系统闭环优化。
1、负责自主移动机器人(AMR)及多关节机械臂等机器人感知方案设计、传感器选型及算法开发；
2、开发机器人多模态感知算法，包括但不限于开发基于2D/3D的视觉测量、定位、检测与识别算法，并在项目中进行调试验证；
3、进行传感器数据处理，包括图像与点云数据的预处理、特征提取及算法性能评估等，撰写测试报告；
4、协助深度学习模型的数据标注、训练与调优，并整理关键指标评测结果；
5、配合软件、硬件及结构团队开展集成测试，定位并解决视觉算法在实际应用中的问题；
6、探索具身智能（Embodied AI） 范式，将感知信号直接映射为机器人动作；
7、编写和维护算法文档、项目总结及技术分享材料，推动知识沉淀
1、研发和优化基于深度学习、计算机视觉的目标检测、分割、识别与预测算法（如车道线、交通标志、红绿灯、路沿、动态障碍物、轨迹预测等）。
2、设计多传感器（摄像头、激光雷达、毫米波雷达等）融合的环境感知方案，提升系统的稳定性和精度。
3、构建大规模场景数据集，设计数据挖掘与标注策略，优化模型训练 pipeline。
4、针对实际场景中的长尾问题（如极端天气、遮挡、低光照等）进行算法优化与创新。
5、将算法部署到车载计算平台（如 NVIDIA、地平线等），实现高性能实时推理。
1. 负责自动驾驶端到端AEB/AES模型的研发；
2. 负责模型实车验证，性能评估；
3. 负责与大数据、模型量化、模型部署、测试团队的技术沟通。
1.计算机、人工智能、自动化、数学等相关专业硕士及以上学历，博士优先。
2.具有较强的代码能力，能在没有coding agent的情况下debug（我们提供coding agent）。
3.在课程项目、科研项目、实习、开源项目或竞赛中，有以下任一方向经验：
-VLM / VLA / LLM
-multi-modal learning
-computer vision
-reinforcement learning
-autonomous driving / robotics
-sequence modeling / temporal modeling
-self-play
4.具备较强的 paper reading、实验分析和问题拆解能力，对 open-ended research problem 有热情。
加分项
1.有 agentic VLM经验，包括 multi-step reasoning、planning agent、state machine agent、embodied AI agent 等。
2.有高质量论文、开源项目、竞赛经历或完整 research/project portfolio 者优先。
1、主导多模态大模型（eg: deepseek、lama、qwen）的工程化落地，设计数据清洗-训练-推理全链路优化方案；
2、构建可复用的工程模块（如自动标注系统、场景仿真工具、测评平台），支持算法快速迭代；
3、攻坚大模型系统优化技术（模型压缩、硬件加速），让大模型能顺利落地各个业务场景；
岗位描述：
作为新能源汽车电子控制器的产品经理，负责控制器全生命周期的技术对接及产品管控。主要产品为纯电动汽车及混动汽车的驱动系统相关控制器及电源系统相关控制器。
岗位职责：
1. 分析客户需求，结合自身资源对开发可行性进行评估
2. 提供项目售前技术方案、报价及开发时间预估
3. 分解客户正式需求，提出控制器系统需求及设计系统方案
4. 对控制器的硬件、软件、结构进行概要设计
5. 评审各子方向的工作产品是否满足客户需求及系统需求
6. 把控整个控制器开发过程的质量要求
7. 产品需求管理、追踪客户需求到设计的落实
8. 产品配置管理（需求、方案、FMEA、试验计划、测试用例等）
9. 组织项目团队解决开发过程中的质量问题
10. 管理整个项目的技术开发及与客户的技术对接