北京测试负责人
测试负责人主要负责公司或团队内的软件或产品测试工作。他们负责制定测试计划、编写测试用例、执行测试、分析测试结果，并协调开发团队完成问题修复。测试负责人需要与产品经理、开发人员和其他相关团队紧密合作，确保产品质量和性能达到预期目标。他们还可能负责招聘、指导和培训测试团队成员，管理测试资源和预算。此外，测试负责人需要不断关注行业最佳实践和新技术，不断优化测试流程和方法，以提高测试效率和产品质量。综合来说，测试负责人在确保产品质量和用户体验方面发挥着关键作用，是团队中不可或缺的重要角色。
薪酬概览
平均月薪
¥22600
中位数 ¥22500 ｜ 区间 ¥19000 - ¥26200
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
100% 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
12月新增岗位
10
对比上月：岗位新增4
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 | 21 | 100% |
热招职位
1. 负责组织协调自动驾驶/辅助驾驶版本迭代过程中的测试工作，推进高质量产品落地和交付，包括但不限于以下职责;
2. 负责制定智驾、泊车、座舱产品交付项目的测试计划与验证策略，明确测试范围、目标与资源需求;
3. 协调分配测试资源，组织开展系统集成测试、用户验收测试等关键阶段测试验证，监督测试进展并及时报告测试结果;
4. 与研发团队紧密合作，确保测试需求和问题得到及时解决;
5. 系统性地收集、分析、跟踪交付过程中的产品缺陷与问题，建立风险预警机制，及时识别并报告项目交付风险;
1. AI Fabric架构设计： 负责公司AI数据中心Spine/Leaf Clos Fabric网络架构的规划、设计与持续演进，覆盖100G/400G/800G Ethernet互联方案
2. 无损网络构建： 设计和部署RoCEv2无损网络方案，包括PFC流控、ECN拥塞通知、AI Congestion Control策略调优，保障GPU集群间低时延高吞吐通信
3. 控制平面演进： 主导EVPN控制平面的部署与优化，推进去Peer-Link / 去MLAG架构落地，实现EVPN-MH多归属双活接入
4. 大规模集群网络交付： 支撑千卡到万卡GPU训练集群的网络交付，确保ECMP多路径负载均衡、快速故障收敛、GPU利用率最大化
5. 性能优化与故障治理： 针对AI训练场景（AllReduce、MoE专家通信、Incast等），持续优化网络时延与抖动，建立网络可观测性体系
6. 技术前瞻与选型： 跟踪AI网络领域前沿（NVIDIA Spectrum-X、Ultra Ethernet Consortium等），推动技术选型与PoC验证
7. 解决方案与安全：确保网络架构匹配分布式训练框架需求，保障AI Fabric网络隔离与多租户安全。
8. 技术沉淀与落地：输出技术方案文档、架构白皮书，推动团队及跨团队技术影响力建设
（以下一项或多项）：
1. 设计NPU中的高性能向量计算单元（VPU）的完整微架构，包括SIMT执行模型、线程块调度、寄存器文件、执行流水线等；对标NVIDIA GPU的Warp执行模型，设计适应NPU特点的向量执行方案；
2. 定义VPU的指令集架构（ISA），包括向量运算指令、内存访问指令、同步指令等；设计高效的执行单元支持多种数据类型和精度；
3. 对VPU的PPA负责，优化线程级并行性和资源利用率；建立VPU的架构和性能模型，识别瓶颈并提出优化方案，确保VPU的吞吐量和能效达到业界水平；
4. 撰写详细的微架构文档和设计规范，与设计验证人员合作，确保 VPU的功能正确性和数值精度。
1、负责实现NPU以及SoC的任务管理和调度方案（包含软件和硬件）；
2、与NPU架构师共同协作，定义下一代芯片的任务管理、资源管理的软硬件实现方案；
3、 与编译器与底软团队合作，定义软硬件接口；
4、 能够根据自动驾驶场景的时效性等特殊需求，实现整芯片以及多芯片的任务调度，以及相关的资源管理。
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；
1.参与财务系统核心模块（账务引擎、计费中心、清结算、对账系统、业财一体化等）的架构设计（系统设计？）与开发，负责处理复杂的财务业务逻辑与资金流转，确保高并发场景下核心交易链路的高精确度与数据最终一致性。
2.参与财务核心系统基础平台能力建设，打造安全、可靠、稳定、高效的财务核心系统，参与主数据平台、集成平台、流程引擎、规则引擎等系统规划、架构设计、研发。
3.负责财务系统整体技术方案的规划与评审，设计高性能、高可用的分布式架构，制定并推行技术规范，保障系统的高可用、高并发、可扩展性及安全性。
4.在业财融合深入推广过程中，逐步承接统建系统内部定开、统建系统与下级单位自建系统、与外部监管系统等集成对接等二次开发工作。
5.跟踪前沿技术趋势，持续优化技术方案与代码质量。
1.负责ISP算法和相关芯片IP/Subsystem架构设计、核心算法实现与性能评估，旨在打造行业领先的影像性能。
2.与芯片团队紧密合作，确保算法在自研IP上的落地，并推动性能、功耗及稳定性优化。
3.针对 ISP 架构中的第三方IP，与IP供应商保持紧密沟通，确保关键 IP 的交付。
4.对 ISP 相关技术进行系统性的规划和前瞻性预研，为公司在 ISP 领域的技术布局提供指引。
（以下一项或多项）：
1、与主架构师一起定义加速器架构，尤其是Tensor计算和Matrix计算加速器的架构
2、对计算加速器的PPA指标负责，对加速器的技术竞争力和业界领先性负责
3、对加速器进行架构建模，探索最优架构，做相应的算子性能分析和优化
4、与工具链编译器协同对加速器的可编程性和可部署性负责，提升编程开发的易用性，降低模型部署成本
5、参与规划定义关键场景，进行端到端的架构分析
6、参与AI处理器的PPA模型开发
7、参与竞争分析，输出技术方面的竞争分析结果。
1.贯彻集团数据标准体系，包括主数据管理、元数据管理、数据模型设计规范等，推动标准在数仓建设与BI应用中落地执行。
2.负责相关业务领域的数据治理规划，完成数据标准、数据质量、数据安全、数据资产管理等建设实施落地。
3.独立完成或指导实施数据开发、BI分析看板、数据质量评估、问题溯源改进等专项建设任务。
4.推动数据治理与业务服务深度融合，支撑经营分析、财务数字化、穿透式监管等关键场景的数据需求。
5.跟踪数据治理前沿技术与行业实践，持续优化治理体系与工具能力。
1、负责语音助手相关功能的需求分析、设计工作，通过大模型实现用户意图识别和AIGC相关的功能。
2、负责业务核心系统的架构设计与优化，确保系统的高可用性、高性能和可扩展性。
3、参与产品需求分析，制定技术方案，进行系统架构设计和技术选型。
4、解决系统在实际应用中的技术难题，进行性能调优和故障排查。
5、与产品经理、开发人员、测试人员等团队成员紧密合作，推动系统稳步迭代。
6、关注语音助手领域的最新技术动态和发展趋势，进行技术预研和创新。
1、国际市场洞察
对区域目标市场的多个重点市场要素开展调研，收集行业发展趋势、行业准入法律法规或技术要求，做好市场需求规划，持续优化竞争策略，产品策略和投标策略。
2、项目投标与技术支撑
主导项目技术投标工作，了解并参与规划重点客户的关系维护和引导策略，负责向重点客户做新产品、新技术或重点项目方案的推介，提升客户对公司产品技术或项目方案的认可度和中标率。
3、合同谈判与技术交付
牵头中标项目合同技术转化、产前技术方案审定、技术交底与风险管控，统一技术口径与交付标准；在交付阶段协同项目经理完成技术难题处理，以及关键技术方案的端到端闭环管理。
4、技术中台体系建设
搭建总部级技术中台管理体系，推动AI技术在技术管理方面的落地和应用，统筹国际解决方案全流程技术文件、标准、流程与工具建设，构建分级项目技术管理体系，实现技术能力标准化、平台化。沉淀可复用的方案库、素材库、风险库，形成客户技术引导方法论，支撑国际业务规模化扩张。
【愿景】美团搜索服务日均处理数亿次查询，我们正在经历从“统计匹配”向“认知推理”的 Search
3.0 跨越。你将不仅是算法的优化者，更是搜索基座和业务应用的构建者（Builder）。通过构建高泛化、可扩展的算法基座，支撑医药、闪购等多元业务线的智能化升级，定义下一代生活服务搜索的本质规律。【你将参与】你将直接优化影响数亿用户的核心搜索链路，用大模型技术解决搜索的关键瓶颈。
1.意图理解基座：超越传统的分类与匹配，利用 LLM 构建具备认知能力的意图基座，深度解构口语化、省略表达及多意图混合等复杂场景。探索 Query 的语义改写、扩展与纠错技术，将非结构的“人话”精准转化为结构化的搜索逻辑，实现对用户深层需求的本质洞察。
2.排序预估基座：推动排序模型的 Scaling Up，探索大参数量模型在 Relevance 判断与 Ranking 中的性能边界，提升对复杂 Query-POI 关系的建模深度。负责 LLM-based Reranking、特征增强及神经符号 AI 的结合，利用 Scaling Law 提升排序逻辑的泛化性与预估精度。
3.生成式召回基座：构建基于大模型的语义表示学习体系，突破长尾 Query 与 POI 的匹配瓶颈。优化向量召回与混合召回策略，在海量候选集中精准平衡相关性、多样性与发现感，实现“所想即所得”。
4.引导增长基座： 研发下一代搜索引导与推荐算法，通过生成式技术优化搜索前/中的用户路径，提升用户发现价值的效率。探索搜索与推荐的深度融合，利用 AI Agent 能力引导用户决策，实现业务增长与用户体验的协同进化。
5.跨业务 Builder 型组织建设：作为 Builder，构建跨业务（餐饮、医药、即时零售、服务零售、酒旅等）的通用算法框架，确保技术底座能够快速适配不同垂直场景的特性。在毫秒级延迟的严苛约束下，主导大模型在线 Serving 优化，通过蒸馏、量化、缓存等手段实现效果与性能的极致平衡。
1.面向AI应用场景的大模型微调，优化PostTraining (SFT/RM/RL) 算法的训练效率和实际用户体验效果；
2.研究各领域高质量数据的自动化合成方法，建设高效的线上数据飞轮链路；
3.配合产品和工程，探索LLM在创作、教育、金融、代码等场景下的创新应用。
