薪酬概览
平均月薪
¥9100
中位数 ¥9500 ｜ 区间 ¥7200 - ¥11100
数据来源：谈职全网11份招聘数据；更新时间：2026年7月13日
月薪分布
72.7% 人群薪酬落在 8-15k
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
10月新增岗位
22
对比上月：岗位新增9
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 | 2 | 9.5% |
| 不限经验 | 19 | 90.5% |
热招职位
职位描述：
基于深度学习打造不依赖高精度地图的定位和实时地图系统，包括模型设计、训练、部署，车上系统反馈和形成数据闭环设计和构建深度神经网络模型，用于对传感器数据进行特征提取、数据融合和位置估计处理和分析大规模的自动驾驶系统相关的Camera、Lidar、GPS和IMU等各种传感器数据，利用深度学习技术进行特征提取、数据建模和预测分析进行深度学习模型的调优和调参，以提高模型的性能、效率和鲁棒性
任职要求：
熟练掌握C++、Python中至少一种语言，有较好的深度学习功底和工程素养深刻理解深度学习相关知识，有大规模深度学习模型训练部署实践经验者优先熟悉地图定位相关传感器数据处理和融合技术，有自动泊车、地图生产和融合定位等项目经验者优先热爱自动驾驶行业，勇于探索，挑战高精地图领域最前沿的技术问题积极主动，善于发现并解决问题，有良好的沟通能力和团队意识
研究方向：
- 大模型训练方法和模型框架优化
- 大模型知识和推理能力研究
- 大模型高性能推理研究
- 领域大模型研究
- 跨模态大模型研究
- 文本生成任务的质量评估办法研究
- 融合外部知识的文本生成研究
1、负责机器人系统的整体方案设计、改造方案设计以及现场调试；
2、熟悉PLC编程（西门子S7-1200/1500、三菱FX系列）、组态软件（WinCC）以及机械臂与PLC通讯和组态方法；
3、参与机器人运动控制算法、路径规划、SLAM（同步定位与建图）等核心算法的开发与优化；
4、搭建机器人软硬件测试平台，进行系统调试、性能评估及故障诊断；
5、与跨职能团队（如软件、产品、测试等）协作，推动项目从原型到量产的落地；
6、跟踪机器人领域前沿技术，持续改进产品性能与用户体验；
7、编写技术文档，包括设计说明、测试报告、用户手册等
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；
寻找对计算机底层系统以及 AI Infra 相关技术充满热情的同学
职位概述:
负责 GPU 训练集群的资源管理与调度，保证 GPU 资源的高效使用提升分布式训练任务的稳定性，包括开发鲁棒的训练框架以及方便易用的可视化工具等提升分布式训练任务的训练效率，系统性地解决 IO/通信/运算等方向的性能问题负责对接训练平台在自动驾驶数据流中的上下游，具体包括提升数据预处理的效率，提供用户友好的模型管理工具等
职位要求：
计算机及相关专业的应届毕业生熟悉Python/Golang/C++/C 任一开发语言，并有关相关的项目经验参与过社区开源项目，如 kubernetes/kubeflow/horovod 等加分了解通用 GPU 架构以及业内相关虚拟化方案加分了解高性能网络相关技术，对 RDMA 编程以及相关流控技术有一定的技术储备加分熟练使用 Tensorflow/Pytorch 等训练框架，有 CUDA 编程经验加分
本岗位聚焦于多模态大模型的数据计算、数据编排方向，包括但不限于以下职责：
1. 开发高性能的分布式数据处理引擎，实现多模态等非结构化数据的高效处理；
2. 深入结合大模型分布式并行机制，设计实现通用、高吞吐、可扩展的数据编排引擎，提升大模型训练效率；
3. 持续跟踪大模型技术，对引擎不断迭代升级以满足大模型技术演进对数据处理的需求。
1.全局保证智能驾驶和泊车产品测试交付的质量和效率,负责智能能驾驶和泊车产品的测试方案和测试架构;
2.主导规划、设计、开发和维护测试工具或平台,包含台架测试、自动化测试、模拟仿真测试等,提升测试效率;
3.评审其他成员的测试方案、测试用例和测试报告等,确保研发测试结果的可靠性与一致性,确保产品质量;
4.能够识别产品、开发、测试中的问题、风险点,给出解决方案、风险预警和预防措施,推动测试、开发、产品团队共同改进;
5.了解智能驾驶业内技术趋势,具有很好的前瞻性,结合公司具体情况,引入和推广适合公司需要的新技术,确保团队朝着正确的技术方向持续前进。
负责自动驾驶应用软件开发和维护；
参与智驾功能系统集成，包括行车、泊车、遥控泊车等；
参与实车调试，保证自动驾驶功能在车端高质量落地；
持续识别量产中的痛点，驱动技术方案和工程实践的持续优化，追求极致的工程效率和产品质量；
1. 负责头部跟踪、人体3D重建、3D关键点检测、场景重建等核心算法的设计、实现和优化，提升模型在开放场景下的鲁棒性和精度。
2. 研发高效的场景交互分割/理解模型，推动具身智能场景下多模态感知与环境交互理解能力的提升。
3. 负责相关模型的训练、调优与评估，并集成相应模型到数据平台，支持自动标注与高效质检，赋能大规模数据生产。
4. 建设原始数据自动清洗、自动标注、以及多样性分析等数据管线，确保输出符合模型训练标准的高质量数据集；
5. 负责将AI工具与方法应用于算法研发全流程，提升开发效率与解决方案的智能化水平；
1.参与机器人仿真平台研发，支持无人机接驳、自动化换电、仓储打包、末端配送等美团业务场景的仿真；
2.参与结构模型、动力学模型、传感器模型、接触物理模型开发及优化；
3.开展机器人及具身数据采集设备整机和关键部组件的仿真、选型评估、构型优化仿真、人机工学仿真；
4.参与具备物理属性的仿真数据合成、场景随机化、real2sim优化，提升仿真数据的多样性和物理保真度，生成用于机器人策略训练的大规模合成数据集；
5.跟踪并学习具身智能、仿真数据合成、物理AI等领域的前沿技术，推动创新方法在团队落地应用；
6.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。