北京技术中心总监
技术中心总监通常是一个组织中的高级管理职位，负责领导和管理技术中心的整体运营。他们通常负责制定技术中心的战略规划，确保技术部门与业务目标保持一致，并与其他部门合作，推动公司的创新和发展。技术中心总监需要具备技术专业知识和管理技能，以便能够有效地指导团队，管理资源和制定战略。此外，他们还需要密切关注行业趋势和技术发展，以保持技术中心的竞争优势。技术中心总监通常需要与高管层沟通协调，向公司领导层汇报技术进展和成果，并对技术中心的绩效负责。总之，技术中心总监是一个既要关注技术创新又要领导管理团队的关键职位。
薪酬概览
平均月薪
¥41500
中位数 ¥30000 ｜ 区间 ¥32000 - ¥51000
数据来源：谈职全网48份招聘数据；更新时间：2026年7月13日
月薪分布
45.8% 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
6月新增岗位
23
对比上月：岗位减少24
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 |
|---|---|---|
| 5-10年 | 11 | 52.4% |
| >10年 | 5 | 23.8% |
| 不限经验 | 5 | 23.8% |
热招职位
（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. 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.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。
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