薪酬概览
平均月薪
¥7400
中位数 ¥8000 ｜ 区间 ¥5900 - ¥9000
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
63.6% 人群薪酬落在 0-8k
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
2
对比上月：岗位减少41
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 |
|---|---|---|
| 不限经验 | 2 | 100% |
热招职位
1、探索自动驾驶前沿算法，如端到端算法、闭环训练方式等，完成模型训练与方法验证；
2、参与感知算法研发，解决 3D Occupancy、动静态要素的感知难点问题；
1、前馈重建算法研发：参与基于前馈式 3D Gaussian Splatting 的三维场景重建与地图生成算法设计，面向自动驾驶场景实现高效、可泛化的建模能力；
2、前馈重建搭建与核心模块研发：负责端到端前馈重建框架的搭建与关键模块实现，包括多视图特征建模、深度/几何预测、Gaussian 表达学习与渲染等；
3、前沿方案调研与实验验证：系统调研并复现前沿三维重建与神经渲染方法（如 NeRF、MVS、VGGT 等），开展对比实验与技术评估，推动方案选型与演进；
4、模型设计与性能优化：结合 Transformer 与视觉基础模型（VFM）等结构，持续优化重建质量、推理效率与复杂场景的表达能力，推动方法在真实数据上的效果提升与稳定性验证；
PNC组介绍：在自动驾驶系统中，决策规划与控制可以类比为人类的大脑与神经。确保“大脑与神经”正确高效地“思考”和安全舒适地“执行”，是一个优秀的规划与控制组的职责所在。规划控制团队分为决策团队、规划团队和控制团队。决策规划部门的主要目的是在复杂的无人驾驶环境中找到安全的行驶方案，例如通过人类驾驶的数据分析何时进行变道，对前方车辆是跟随还是绕行。决策规划部分还要从路上的真实数据中学习人类驾驶的共识，比如道路拥堵时到底什么时候能变道，后车要怎么表达出它是否让行，进而思考如何把这种共识应用到具体算法中。此外，决策规划要能将不同的未来收敛到当选确定的行为中。控制部分则是负责将上述的行为严格地执行到车辆上。
工作职责：
· 负责自动驾驶车辆控制算法的开发、实现和测试工作；
· 与其他开发人员完成系统集成和调试工作。
岗位需求：
· 本科以上学历，理工科相关专业
· 熟悉车辆的横纵向动力学模型，了解现代汽车底盘及其基本工作原理
· 熟悉PID,MPC,LQR等经典控制算法· 有扎实的编程基础，有c/c++经验
· 有自动驾驶相关经验或在Tier 1做车辆控制开发经历优先
岗位职责
和智能出行专家团队一起工作，推动人工智能的最前沿发展， 研发用于自动驾驶的图像处理，机器学习， 深度学习， 强化学习等。 技术方向包括但不限于： 传感器的标定与融合，物体检测跟踪及预测， 可行驶区域检测， 交通标识的检测等。
岗位要求
1）计算机、机器人、软件工程、人工智能等相关专业的本科、硕士、博士
2）热爱无人车领域，喜欢挑战，善于思考，逻辑清晰，有快速的学习和理解能力，富有责任心，良好的团队协作精神
3）熟练掌握至少一种语言， 包括但不限于 Python, Java, C++等
4）加分项：有ACM等竞赛亚洲区域赛以上的奖牌选手背景或者其他知名算法竞赛top10%，或顶会等发表过paper者
包三餐/大牛带/负责独立模块/成长空间大/有竞争力的实习薪酬/优先留用校招offer
每周出勤至少3个工作日，连续实习3个月以上优先
PNC组介绍：在自动驾驶系统中，决策规划与控制可以类比为人类的大脑与神经。确保“大脑与神经”正确高效地“思考”和安全舒适地“执行”，是一个优秀的规划与控制组的职责所在。规划控制团队分为决策团队、规划团队和控制团队。决策规划部门的主要目的是在复杂的无人驾驶环境中找到安全的行驶方案，例如通过人类驾驶的数据分析何时进行变道，对前方车辆是跟随还是绕行。决策规划部分还要从路上的真实数据中学习人类驾驶的共识，比如道路拥堵时到底什么时候能变道，后车要怎么表达出它是否让行，进而思考如何把这种共识应用到具体算法中。此外，决策规划要能将不同的未来收敛到当选确定的行为中。控制部分则是负责将上述的行为严格地执行到车辆上。
工作职责:
负责无人驾驶决策模块设计和实现，应对无人驾驶中各种最具挑战性的场景：拥挤道路上无人车的变道策略：如何主动创造变道环境（如加速变道），如何准确判断旁边车辆的意图，如何与其他车辆协商以迫使他们为你让出变道空间等；处理各种合理或不合理的行为场景：如电动车逆行、左右摇晃的自行车、道路上乱窜的行人等；应对不合交规但频繁出现的场景：旁边车道车辆突然变道抢占路权、连续实线变道等；拥挤高速公路合流等对人类司机都很困难的决策；各种交通标志控制下的无人车行为决策：如无保护路口如何通过、人行道行为逻辑、施工区域的通过逻辑等。
岗位需求:
熟练掌握 C++、Python、Java 中至少一门编程语言，具备良好的工程能力和编码风格；熟悉计算机科学中的某几个领域，至少在一个领域有一定见解，包括但不限于：算法、数据结构、网络、体系结构、编译原理、统计分析等；拥有强大的逻辑思维能力和自我驱动能力；对无人驾驶有强烈的动机和真正的信念。加分项:在机器学习、数据挖掘、深度学习、统计学、最优化理论、自动控制等至少一个方向有相关基础，有相关项目经验者优先
1.负责自动驾驶中决策、规划、控制相关算法的开发；
2.协助自动驾驶车辆功能集成及调试；
3.负责决策、规划、控制相关算法研发工具的开发；
Prediction组介绍：预测模块上游对接感知，下游对接决策规划。通过感知信息对周围障碍物未来可能的行为进行预测。预测团队分钟构建各种深度学习模型，对周围环境中的动态障碍物做出各种预测。如意图预测、轨迹预测、障碍物与无人车交互方式预测等。对于缺乏数据的长尾场景，预测团队还需要通过场景特征分析和逻辑推理的方式，生成相应的预测补充。WeRide.ai is looking for a machine learning engineer for the prediction team. In this impactful role, you will collaborate with a best-in-class team of engineers to tackle hard problems and help advance mobility solutions to improve everyday lives.You will be responsible in such fields:Active learning and Bayesian optimizationAnomaly detectionDeep networksDistributed/parallel learning algorithmsLearning controlPredictive modeling
Requirements:PhD or master in Computer Science/Engineering, ML/DL, Electrical Engineering, or a related field.Relevant work or lab experience in Machine Learning, Deep Learning or High-Performance ComputingExcellent knowledge of theory and practice of machine learning.Excellent programming skills in some rapid prototyping environment such as MATLAB or Python; C++ and parallel programming (e.g., CUDA) is a plus.Knowledge of common machine learning frameworks.Track record of research excellence or significant product development.Knowledge of application areas such as computer vision or roboticsPreferred to have:Strong understanding of recent advancements in machine learning research
感知算法实习生 -- 机器学习/视觉和算法实习生（2027届-可转正）
关于感知方向 感知是无人驾驶中非常复杂和有趣的部分之一，你构建的是一个人工智能集大成的系统，不是一项按部就班就能完成的工作！
感知软件工程师负责无人驾驶感知系统的设计和实现，应对无人驾驶中各种最有挑战的问题： 设计高效可靠的深度学习模型，在几十毫秒内精确检测和跟踪车周围200米之内所有的障碍物（人，车，非机动车辆，交通锥等），并对场景进行理解 如何设计一般性的模型和算法去处理各式各样的长尾情况和极端环境，如路面上的垃圾袋，洒水车的水花，前车掉下来的挡板 ，如大雨，大雪，雾霾，风沙等 如何保证感知模型和算法在极端的环境里的准确性和可靠性，如大雨，大雪，雾霾，风沙等 把模型优化到极致，让十几个到几十个模型在车上有限的计算资源上欢快的运行 如何搭建一个高效可靠的计算框架，支撑一个周期内接收几十个传感器的输入，做各种同步融合，并进行几十个深度学习模型的推理 关于机器学习和算法方向 这个方向的感知工程师负责设计并实现传感器标定，障碍物检测，分类，跟踪，和场景理解等各种模型和算法，VLM视觉语言模型落地，对模型和算法进行评估和测试， 并把模型和算法部署到车上。
我们需要你：
- 同时具有很强的算法和C++编程能力；或者在机器学习/深度学习，计算机视觉，模型优化等至少一个方向上有扎实的基础和丰富的经验。 拥有强大的逻辑思维能力，算法能力，以及解决问题的能力。 具有良好的沟通能力和跨组合作能力。 具有强烈的自我驱动能力对无人驾驶真正的 believe 。
加分项： 丰富的C++开发经验，熟悉多线程，内存管理，泛型，及设计模式. 丰富多传感器融合以及2d/3d跟踪的经验 在顶会发表了文章
1.参与自动驾驶和智慧交通场景中单模态和多模态、视觉和点云感知算法研发，涵盖物体检测、跟踪、分割、分类等算法模型开发、训练与迭代，包括但不限于车道线/路面箭头车辆/行人/交通标志/交通灯/路沿/可行使区域检测等任务；
2.参与模型训练算法优化、模型精简、模型量化等工作；
3.参与传统算法和深度学习算法预处理、后处理算法的开发；
4.参与内部算法研发工具的优化和迭代 。
5.参与感知算法的落地与应用、运营问题排查和算法迭代。
1、27届-28届毕业同学，计算机/人工智能/机器人等相关专业，博士优先；
2、在LLM、生成模型、VLA或相关领域已有高质量发表记录（NeurIPS/ICML/ICLR/ICCV/CoRL等顶会一作或共同一作）；
3、扎实的生成模型基础，熟悉扩散模型、VAE、GAN、自回归模型等，有大规模训练经验；
4、熟悉强化学习与世界模型的结合（如Dreamer、World Models、IRIS等），有复现或改进经验；
5、熟练掌握PyTorch，具备大规模实验设计与分析能力；
6、有VLA模型与世界模型联合训练的研究，或探索世界模型支持VLA规划的工作经验者优先；
7、研究过基于物理约束的世界模型（神经物理引擎、可微分仿真），保证生成结果物理合理性者优先；
8、具备视频生成、3D场景生成、神经辐射场（NeRF/3DGS）等多模态生成经验者优先；
9、有高质量GitHub项目（世界模型相关工具包、生成模型库），Star数1k+或作为核心贡献者优先。
工作方向包括但不限于：智能驾驶、新能源、雷达、大数据、整车控制、机器视觉、图像、FPGA、SLAM、感知融合、决策规划：
1.协助算法工程师进行算法调试、标定、文档编写、测试环境搭建等工作；
2.负责人工智能方案在智能车领域的落地应用；
3.负责AI算法/神经网络等在嵌入式系统上的优化和部署；
4.参与运动控制或过程控制方向、原型设备开发与调试、信号处理、运筹与优化相关的算法设计、开发及验证工作。