北京研发总工
研发总工是指公司或组织中负责研发部门的总负责人，通常是公司技术研发工作的领导者和决策者。研发总工需要具备丰富的技术知识和管理经验，负责制定公司的研发战略、规划和目标，领导团队开展新产品研发、技术创新及工程项目管理工作。研发总工通常需要与其他部门密切合作，协调资源、技术和人才，确保研发项目的顺利进行，以推动企业的技术创新和产品竞争力。此外，研发总工还需与外部合作伙伴及相关利益相关者进行沟通协调，推动技术转化和商业化。总之，研发总工在公司中扮演着至关重要的角色，是技术创新和研发工作的关键推动者。
薪酬概览
平均月薪
¥44000
中位数 ¥55000 ｜ 区间 ¥32000 - ¥56000
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
80% 人群薪酬落在 >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 | 10 | 100% |
热招职位
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。
你将有机会和业界一流的芯片团队一起进行倚天系列CPU的架构定义与开发，通过产品的持续迭代交付，成长为芯片架构师。岗位职责将包括以下一个或多个领域：
1. 分析Agentic AI、云服务器等业务场景，结合业务需求，推演和制定CPU处理器的架构特性与规格；
2. 分析ARMv9指令集架构特性与ARM服务器生态兼容需求，协同应用软件、OS及编译器等，定义每代产品CPU处理器的架构特性规格；
3. 研究业界CPU产品的新技术与新架构，进行软硬件协同设计，打造差异化产品竞争力；
4. 基于仿真模型进行架构特性规格方案的制定与评估，给出竞争力最优解；
1.负责RISC-V AI开源生态的规划与建设，推动RISC-V国际社区生态建设，联合国内共建RISC-V AI开源生态。
2.参与制定RISC-V Matrix扩展标准，推动其在行业中的落地与应用。
3.参与RISC-V Matrix加速引擎的架构建模与参考设计实现。
4.参与定义与优化RISC-V AI底层算子库，提升计算效率与易用性。
1. 负责分析和设计数据中心SoC的芯片软件架构，参与产品需求分析并定义关键技术栈的软硬件结合特性，助力芯片架构迭代设计
2. 深入理解客户和业务需求，设计实现各类系统优化方法，提升SoC芯片的端到端应用表现和竞争力水平，形成创新的应用最佳实践
3. 与芯片研发团队协作，通过仿真、原型等方法在芯片设计早期发现芯片设计问题、验证芯片在各种用户场景下的表现
4. 参与芯片生命期维护工作，解决芯片在应用中出现的各类问题
1. 规划和定义面向AI领域的CPU，并推动技术方案落地
2. 参与制定面向领域的CPU架构、微架构方案的定义
3. 制定CPU IP的Roadmap
4. 负责业界AI领域和具身智能领域技术方案跟踪和梳理
1、负责地平线AI工具链完整架构设计和规划，设计出符合需求的系统架构和系统总体方案，并跟踪支持产品研发过程对需求的实现。项目关键核心技术可行性评估，配合完善产品定义
2、关注AI工具链长期的技术竞争力，并且能够从模型部署、模型压缩等角度思考，为地平线下一代芯片的设计提供分析支持与指引
3、负责模型量化压缩工具的研发工作，对AI模型部署，模型压缩，模型量化等技术进行中长期规划，保障AI芯片工具链在模型量化、模型压缩领域的技术竞争力
4、承担模型量化工具的系统与架构设计工作，对自动驾驶模型部署过程中的系统问题进行分析与拆解
1.理解客户需求，包括智能驾驶ADAS/AD域控制器的电子、结构、算法功能和性能指标、系统软件，硬件等需求，依据客户的招投标要求，准备相关的技术资料，参与应标与相关的答辩；
2.协助业务经理，与客户沟通并协调内部技术资源，分析客户需求，进行技术可行性评估，讨论产品性能的技术规格，并形成需求分析文档；
3.依据产品的标准功能以及客户定制化的需求，制定和开发系统解决方案并主导技术交付；
4.理解AI芯片应用原理和硬件参考设计方案，掌握公司智能驾驶ADAS/AD域控制器系统架构，协助客户进行系统方案设计和开发；
5.理解智能驾驶算法基于原理和开发过程，推动公司只能驾驶算法解决方案在客户量产落地；
6.了解公司各产品线产品Roadmap，定期汇总客户需求分析文档，协助产品市场完善产品推广方案，文档及相关资料的制作；
7.识别项目交付过程中各种技术风险，对内做好风险升级并推动产研解决相关问题，对外控制客户预期，确保客户满意度；
1、负责自动驾驶数据闭环的架构设计、系统建设及工具研发，保障其高可用和高扩展性，构建高效的工程化解决方案，提升系统性能、可维护性和稳定性。
2、制定研发计划并协调前后端与算法团队，掌控项目进度与风险，确保高质量交付。推动系统的线上化、效能提升，优化开发流程与工具链，降低跨团队协作成本。
3、设计前瞻性的架构方案，提升系统吞吐量与稳定性，通过持续的自动化测试与性能调优，保障系统可靠性，持续改进代码质量。
4、数据闭环：包含但不限于 车端/云端数据管理、采集回流、挖掘、标注、数据集等环节。
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.持有腾讯云TCA/TCP认证或AI技术领域的专业认证；
2.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。
