北京售后技术服务工程师
售后技术服务工程师主要负责为客户提供售后技术支持和解决产品或系统故障的工作。他们需要与客户沟通，理解客户的技术问题并提供解决方案。工程师还需要协助客户进行故障诊断和维修，可能需要到客户现场进行现场支持。此外，售后技术服务工程师还要负责编写技术文档和培训客户进行设备操作。他们通常需要具备较强的沟通能力、问题解决能力和服务意识，能够快速响应客户的需求并提供满意的解决方案。在工作中，售后技术服务工程师还需要与公司内部的研发团队和销售团队合作，协助改进产品质量和客户满意度。总之，这是一个需要技术和服务能力的职位，对于公司产品的品牌形象和用户满意度有着重要的影响。
薪酬概览
平均月薪
¥10300
中位数 ¥9500 ｜ 区间 ¥8000 - ¥12600
数据来源：谈职全网153份招聘数据；更新时间：2026年7月13日
月薪分布
57.5% 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
6月新增岗位
106
对比上月：岗位减少93
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 | 20 | 19.4% |
| 1-3年 | 29 | 28.2% |
| 3-5年 | 29 | 28.2% |
| 5-10年 | 5 | 4.9% |
| 不限经验 | 20 | 19.4% |
热招职位
1、迅速响应客户需求，为海外客户提供技术支持服务，维护客户满意度；
2、通过现场、邮件，电话等方式协助销售同事和客户处理售后相关问题；
3、管理处理常规客户工单以及质量问题，主导处理重大质量问题和客诉，管理客户对服务的满意度；
4、监督并反馈当地一级团队和服务商的服务表现；
5、负责开发关键市场的当地服务网络，即服务商的引入、包括评估、谈判、合同评审等；
6、主导组织内部经验积累，定期组织内部赋能培训，提升团队整理能力。
1. 为客户导入和开发玄铁RISC-V IP和技术设计赢取胜利机会；
2. 负责RISC-V CPU IP产品的技术宣讲，对玄铁产品、服务和友商保持高标准的技术知识；
3. 积极拓展客户，保持对领域的动向和客情变化的敏感度；
4. 与Sales团队合作，提供技术知识和支撑，与潜在客户建立和维护良好的客户关系，介绍和推动玄铁RISC-V IP的design in；
5. 与技术工程团队合作，确保客户需求和产品的匹配度，确保客户项目的顺利落地。
1、负责远程及现场技术支持，涵盖售前与售后全流程；
2、执行混合储能逆变器及电池储能系统(BESS)的调试、故障排查、固件/硬件升级；
3、向总部提交产品故障报告并持续跟进，需包含清晰的问题描述；
4、定期分析混合储能系统运行数据，评估设备性能；
5、主动对接安装商与经销商，提供良好的客户服务体验；
6、建立技术问题长效跟踪机制，维护与合作伙伴的良好关系。
1、客户需求对接与方案制定：精准把握海外客户对于户用储能系统的需求，提供定制化的产品解决方案，涵盖系统配置、容量规划等，助力客户实现能源管理目标。
2、技术沟通与答疑：与海外客户开展技术交流，及时且准确地解答客户在产品技术层面的疑问，包括系统原理、性能参数、兼容性等问题，增强客户对产品的信任。
3、市场调研与情报收集：密切关注海外户储市场动态，收集政策法规、竞争对手产品信息等，为公司产品优化与市场策略制定提供依据。
4、项目支持与跟进：协同销售团队，参与海外项目前期技术评估，跟进项目进展，保障从方案设计到交付环节的技术可行性与连贯性。
1.负责多模态内容理解、多模态生成等算法技术在视频剪辑、多模态理解和生成业务上的落地工作：；
2.参与图像、视频、语音等多模态内容理解及生成相关算法的工程化落地；
3.参与多模态业务核心功能设计、开发及维护，包括但不限于服务性能调优、技术难点攻坚、指标自动化监控、异构大模型调度等；
4.参与维护后台服务，保证线上稳定性，以及搭建自动化分析系统，提升工程效率；
5.参与新技术调研以及探索，以及项目特定方向的重点、难点开发工作。
微信读书/输入法/秒剪-大模型应用研发工程师-Harness工程
1.熟悉大模型应用算法能力优先；
2.具有 LLM 推理优化经验，熟悉 TensorRT-LLM、VLLM 等LLM推理效率优化工具者优先；
3.有图构建和检索优化，有大数据平台（Hadoop、Spark、Flink 等）使用经验者优先；
4.能够对服务进行系统性的性能优化。
1.持有腾讯云TCA/TCP认证或AI技术领域的相关专业认证；
2.参与过国际开源项目贡献（如GitHub活跃开发者）或具备跨国技术团队协作经验，熟悉全球化项目交付流程；
3.具备从0到1打造标杆客户案例的经验，能够清晰梳理并复制成功方法论；
4.在AI代码生成、大模型应用等前沿技术领域有专项研究、技术博客输出或专利成果。
1. 负责App端、TSP云端、车端的端到端的远控创新功能的架构设计和开发，注重扩展性和平台化；
2. 负责核心功能模块的开发，注重开发模式和开发质量，保证系统性能和稳定性；
3. 设计端到端的测试方案，包括性能测试和自动化测试，提升日常软件迭代效率和质量；
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。
1. 工作经验： 计算机、人工智能或相关专业本科及以上学历，2 年以上 AI 算法相关工作经验，具备扎实的深度学习理论基础。
2. Agent 与 LLM 实战经验：
● 精通 AI Agent 开发范式，有复杂多智能体系统设计与落地经验；
● 深入理解 LLM 底层原理，具备 SFT、DPO 等大模型微调与对齐的完整项目经历；
● 熟悉 RAG 技术栈，有处理大规模私有数据检索与融合的实际案例。
3. 强化学习与决策优化： 熟悉强化学习（RL）基本理论，有将 RL 应用于序列决策、推荐系统或广告竞价场景经验者优先。
4. 工程与架构能力： 精通 Python 与 PyTorch，具备优秀的系统架构设计能力。熟悉 Linux 环境下的分布式训练与高性能推理优化（如 vLLM, FlashAttention）。
5. 业务洞察与沟通： 具备敏锐的业务洞察力，能够将复杂的商业逻辑抽象为 Agent 任务流。拥有良好的跨团队沟通能力，能高效协同产品、工程及业务方推动项目落地。
6. 加分项：
● 在 KDD、ICLR、NeurIPS 等顶级会议发表过 Agent 或 RL 相关论文；
● 有广告算法、客户增长或大规模运筹优化背景；
● 在开源社区有高质量的 Agent 框架贡献或独立开发过成熟的 Agent 应用。
- 标杆物企物业项目管理经验- 精通属地物业管理条例及业委会工作流程- 具备出色的资源整合、团队管理、关系处理、任务落地能力
岗位核心价值
负责公司大算力 AI 集群（含 B/H 系列高端卡、国产算力卡）的架构设计、搭建部署、运维优化与国产化适配，支撑大模型训练、自动驾驶等核心业务的高效稳定运行，打造高可用、高性价比的算力基础设施。
核心工作职责
1. 大算力集群自建与架构设计：主导超大规模 AI 算力集群（数千 P 级）的自建规划，包括硬件选型（GPU/B/H 系列卡、国产卡等）、网络拓扑设计（InfiniBand/ROCE）、存储架构（分布式存储）、集群调度系统搭建，确保集群性能达标、扩展性强。
2. 高端 GPU 加速与优化：具备 NVIDIA B 系列、H 系列高端算力卡的实战经验，负责卡级性能调优、并行计算加速（TensorRT/MPI/NCCL）、显存优化，解决大模型训练 / 推理中的算力瓶颈问题。
3. 国产算力卡适配落地：主导国产算力卡（阿里PPU、华为昇腾等）的适配工作，包括驱动安装、框架适配（TensorFlow/PyTorch/MindSpore）、模型迁移与性能调优，实现国产算力与业务场景的深度融合。
4. 集群运维与稳定性保障：负责算力集群的日常运维，包括硬件故障排查、集群监控告警（GPU / 网络 / 存储状态）、资源调度优化、灾备方案设计，保障集群全年高可用性（99.9% 以上）。
5. 技术沉淀与迭代：跟进业界大算力集群技术趋势（如新型 GPU、网络协议、调度系统），输出技术方案与最佳实践；搭建集群运维自动化工具，提升运维效率。
1. 数据策略制定：涉及挖掘框架，开发挖掘算子，与模型训练团队深度协作，指导数采团队定向增补高价值数据；通过数据消融实验，科学确定预训练数据、微调数据、难例数据的配比，最大化有限数据的训练收益；建立数据质量评估体系（信息密度、场景分布、标注质量、多样性等）；
2. 构建自动数据生产流水线：研发并维护自动化标注流水线，降低人工标注依赖；
3. 探索利用生成式AI（Diffusion model, NeRF/3D Gaussian）合成高价值训练数据，解决corner case数据稀疏问题；
4. 建立标注质量自动检测机制，确保训练数据的可靠性；
5. 构建数据处理平台：构建TB-PB级数据分布式处理流水线，实现高效去重、过滤、清洗、格式转换；
6. 建立数据版本管理和数据血缘系统，确保训练模型的可复现性和数据溯源；
7. 优化数据存储格式和访问效率，支持模型训练过程中高效数据加载和在线采样
