薪酬概览
平均月薪
¥23600
中位数 ¥22500 ｜ 区间 ¥18000 - ¥29200
数据来源：谈职全网53份招聘数据；更新时间：2026年7月13日
月薪分布
60.4% 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
6月新增岗位
53
对比上月：岗位减少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 | 4.1% |
| 1-3年 | 5 | 10.2% |
| 3-5年 | 17 | 34.7% |
| 5-10年 | 20 | 40.8% |
| 不限经验 | 5 | 10.2% |
热招职位
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。
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、面向具身智能、机器人、自动驾驶、工业智能等客户，负责云平台、GPU 算力平台、AI Infra 相关解决方案设计、售前支持与 PoC 落地。
2、深入理解具身智能业务链路中的数据形态和计算需求，包括机器人日志、传感器数据、图像 / 视频、点云、轨迹数据、仿真数据、标注数据、训练样本、评测数据等。
3、能够围绕数据采集、数据清洗、数据标注、数据管理、数据回流、仿真数据生成、训练数据集构建、模型评测等环节，设计相应的数据与算力基础设施方案。
4、基于客户实际业务场景，拆解训练、仿真、评测、推理、云边协同等任务对 GPU、CPU、存储、网络、调度系统和平台能力的要求。
5、设计并推动 GPU 集群、AI 训练平台、仿真平台、数据闭环平台、推理服务平台、MLOps 平台等方案落地。
6、负责客户技术交流、需求调研、架构设计、PoC 测试、方案讲解、招投标支持和技术答疑，能够将客户需求转化为可验证、可交付的技术方案。
7、编写解决方案文档、架构图、测试方案、部署方案、标书材料和客户汇报材料。
8、协同销售、产品、研发、交付和生态伙伴团队，推动客户项目从售前验证到交付实施，并沉淀可复制的行业方案。
9、跟踪具身智能、机器人数据闭环、仿真训练、大模型训练、GPU AI Infra、云原生 AI 平台、智算中心等方向的技术趋势。
1.储能系统方案设计与集成：对接客户，了解客户需求（容量、功率、应用场景等），对接设计院完成储能系统的整体方案设计，出具并审核完整的技术方案和规范设计文档；
2.关键部件选型：进行电池模组、PCS、BMS、EMS等核心硬件的选型定义与匹配，评估其性能、安全性、寿命及成本；
3.提供技术方案支持：审核设计院储能系统技术方案、标书；为项目现场安装、调试、并网提供技术支持，快速诊断并解决系统故障，保障系统稳定运行；处理储能系统故障，快速识别故障信息并执行应急预案。
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。
1.需求梳理：负责与业务团队的需求对接，分解网络产品功能，联合上下游团队推动网络需求落地；
2.技术收益评估：负责关键网络技术的技术方案设计与PoC验证落地，与业务深度联合优化，完成业务收益的评估闭环；
3.异构卡部署：负责异构GPU卡型的引入与通信性能相关的验收与调优，推动在业务训练/推理框架上的部署落地；
4.技术探索：探索高性能网络新方向，制定网络技术方案，负责前期PoC验证、技术可行性和业务收益评估。
1.资源规划与选址：负责目标区域风电项目前期的宏观选址工作，综合考虑区域气候特征、地形地貌、风资源分布、电网接入条件、交通条件及用地属性等因素，进行多维度资源评估与适宜性分析，筛选具备开发潜力的场址区域，为海外风资源开发规划和风电场选址提供专业建议与决策依据。
2.方案编制与风资源评估：参与风电项目规划、可研、技术尽调报告的编制，负责风资源评估的技术方案输出。负责测风方案设计，包括测风塔选址论证、测风塔安装方案制定、测风设备选型及测风管理工作。组织开展测风数据的收集、整理、校验与质量控制，建立并维护项目风资源数据库。基于测风数据开展项目风资源详细评估及发电量深度测算，编制风资源评估报告，为项目投资决策提供技术支撑。
3.关键部件选型与微观选址：负责风电场风机排布方案的制定与优化，组织开展现场踏勘及机位微观选址复核工作。根据场址地形条件、风况特征及环境约束，开展风电机组机型比选分析，从发电性能、适应当地环境（如高海拔、台风、低温、沙尘等）、可靠性与经济性等维度进行综合评估，出具机型选型建议。负责评估机型合理性，审核机型发电量测算结果及其修正系数的适用性。
4.技术支持：
① 投标阶段，负责技术标书中风资源相关章节的编制与审核，提供风资源评估数据、发电量承诺值的技术论证及风险说明，确保技术方案符合业主要求并具备竞争力；参与业主及咨询机构的技术澄清与答疑，推动技术条款谈判。
②项目执行阶段按需求提供技术支持，为项目现场安装、调试、并网等提供全流程风资源专业技术支持；
③项目交付后，质保期间，牵头相关技术团队制定应急预案，如系统出现故障，牵头相关技术团队快速诊断并解决系统故障，保障系统稳定运行，快速识别故障信息并执行应急预案。
5.负责研究分析跟踪项目所在地风电产业政策、法律法规，及时收集新能源项目相关信息，做好风电项目储备。监测风电行业发展趋势、电价政策变化及竞争格局，分析研究为公司投资决策和开发策略提供参考依据。
1.为泛互联网行业客户提供技术咨询服务，开拓和服务泛互联网客户群体，为客户提供技术咨询/PoC验证等技术支持服务，维系客户及支持客户的持续高速发展，协同商务团队数字目标达成；
2.深入理解互联网业务对云计算的需求，分析其快速发展过程中，所遇到的挑战和未来的方向；
3.针对客户业务场景，为客户规划基于腾讯云的云架构方案，并规划出可行的、包含应用迁移和数据迁移的上云落地方案；
4.在持续服务中挖掘和获得客户在腾讯云上的新增长点，组织产品和服务方案，和产研及相关支持团队紧密协作，逐个落地方案；
5.负责上云案例和技术方案的更新维护以及相关的布道工作。
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