薪酬概览
平均月薪
¥13000
中位数 ¥0 ｜ 区间 ¥8800 - ¥17200
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
60% 人群薪酬落在 8-15k
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
8
对比上月：岗位新增3
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 |
|---|---|---|
| 3-5年 | 4 | 50% |
| 不限经验 | 4 | 50% |
热招职位
1、根据品牌推广需求及产品周期，执行年度及季度和月度的投放；
2、精通电商媒介投放，包括但不限于品牌类，合作类，效果类，新媒体和直播等媒介属性；
3、独立完成电商媒介策划方案撰写，执行排期制定，资源协调等，对效果负责；
4、与活动供应商日常沟通并对之进行管理评价，综合统筹预算及和时间把控，进行预算合理规划使用。
1. 有3年以上的产品设计工作经验，有电商/品牌广告经验的候选人会优先考虑。
2. 需要具备良好的逻辑和抽象能力，能够总结复杂的需求并提炼成产品能力，要有商业思维。
3. 具备良好的沟通和组织能力，能够跨团队高效协作，以推动项目顺利达成目标。
4. 职责心强，自驱力强，具有聪明好学、抗压能力强等特质。
1、负责仓储物流相关合同签署、单据制作整理、款项支付；
2、负责委外业务库存检查、收货扣料等ERP数据整理录入；
3、负责库存数据定期核对梳理、账实差异分析；
4、负责仓储物流相关费用定期统计分析；
5、负责供应链相关信息系统（ERP\WMS）功能测试及操作文档输出；
1、经营目标统筹（包含承接餐厅整体经营指标、每日数据核对、提升整体流水与综合收益）
2、团队及服务管理（包含监管前厅及后厨团队；监督食品安全、环境卫生以及消防燃气；把控菜品质量优化菜单；处理客户投诉与提升满意度）
3、成本、费用与财务管理（包含但不限于各项费用支出管控及成本管控，实现收支平衡）
4、园区及外部关系对接（园区物业、行政、招商等部门的对接，VIP企业的对接，食材供应商的管理）
5、制度、安全与日常管理（建立各项餐厅制度，落实各项安全要求）
1、负责研发自动驾驶系统中城市 NOA 场景的纯视觉occupancy 、feed-forward 3D Gaussian Splatting、world model和预训练任务等通用感知识别及端到端检测-跟踪-规划网络；
2、推进前向 3DGS（3D Gaussian Splatting）、SDF 表示学习及基于 World Model 的感知与决策融合算法在量产框架中的落地与优化；
3、负责持续验证、测试与数据驱动优化，联动测试团队处理真实驾驶场景中出现的长尾与异常情况；
4、跟踪前沿技术（如多模态融合、端到端 Transformer 架构、场景生成与预测），并结合业务需求转化为可靠可部署的工程方案；
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。
1、负责从研发、采购、制造到销售及售后环节的全链条成本管控，建立并优化端到端的成本核算与分析体系，识别各环节降本增效关键点。
2、协同研发与工程团队，参与新产品开发阶段的成本目标设定（如目标成本法），推动DFC（面向成本的设计）落地，审核物料选型、BOM成本及模具/工装投入的经济性。
3、主导标准成本制定与更新，监控人工、制费、良率、工单损耗等制造环节差异，开展量差、价差分析，推动生产现场成本改善与损失追溯。
4、协同销售与供应链部门，审核报价模型中的成本要素（含物流、售后、安装等），评估特殊订单或客户定制化需求带来的成本影响，支撑定价与盈利性分析。
5、定期输出多维度的成本经营分析报告（毛利分析、成本结构变动、降本追踪等），指导团队2-3人完成日常成本核算、盘点及系统优化工作，支持管理层决策。
1、区域选址运营：根据小象选址SOP和区域实际，结合定量数据（人口密度、消费力、竞争分布）与定性调研，输出站点选址方案并把控落位质量，对选址准确率负责；
2、规划与经营复盘：根据站点爬坡模型与实际经营情况，定期复盘选址合理性、站型匹配度、配送区划效率，定位经营问题并输出可落地的优化方案，推动站点健康度持续改善；
3、规划SOP及产品化迭代：主动沉淀区域规划方法论，参与站型探索与选址SOP升级，将经验沉淀为产品化工具，持续提升规划效率与决策准确度。
1. 结合车身域控系统的应用场景与 AUTOSAR 架构体系，负责大模型智能体（Agent）的基础与应用性开发。根据车身控制、车门窗、灯光、空调、热管理等上层应用需求（SWC），以及通信、诊断、网络管理等基础软件（BSW）需求，进行大模型应用链路的设计开发。
2. 开发包括文档智能解析、RAG 向量检索（如 PostgreSQL + pgvector）、工具调用（Function Calling/Skills）、CLI/GUI 智能体等多Agent系统性应用。解决大模型在超长汽车工程文档处理、复杂表格提取、领域专有名词识别上的工程难题。
3. 适配并优化基座模型在车身电子专用领域的表现，构建并维护外置化知识资产库（Wiki），减少模型在架构分类、信号路由、软硬件接口映射等任务中的幻觉，确保生成高置信度与强可解释性的架构设计结果。
4. 跟进工业界/学术界最新动态，负责大模型自动化流水线的工程落地与性能调优。开发“AI 提取 - 人工 Review 纠错 - 规则自动沉淀”的人机协同闭环与数据飞轮，提升车身域控研发体系的智能化水平。
1. 参与设计和开发创新且高性能的跨本体的具身智能基座模型(Foundation Model)，应用于机器人操作(Manipulation)和导航(Navigation)；
2. 参与搭建具身智能算法开发所需要的数据集和测评体系；
3. 跟踪具身智能领域的最新研究动态，提出创新解决方案；
4. 持续优化算法性能，并探索具身智能基础模型在工业、服务或特定场景中的技术应用和落地机会。
【课题说明】研发针适配美团业务的下一代生成式推荐系统，探索具有Scale Up属性的生成式建模方案，通过端到端的方式对用户行为进行深度建模和挖掘，全方位建模用户兴趣，提升推荐的准确性和实时性，并通过工程和算法的协同设计来显著提升整个链路的MFU水平，提高推荐系统的效果上限，实现更高的用户满意度和业务价值。【建议研究方向】1.参与设计和实现下一代生成式推荐系统，涵盖生成式召回、生成式预估、生成式排序等核心模块，并在美团多个业务场景落地。
2.构建基于多模态表征Tokenizer、类Transformer架构和优化损失函数的序列生成模型，从数据流、特征工程和高效计算等维度参与生成式推荐系统的全栈优化与生态搭建。
3.探索模型参数和计算量的Scale Up，设计高效且具有强外推属性的模型范式结构，提高系统MFU水平，打开模型效果天花板。
4.在生成式推荐的基础上，重新定义用户兴趣提取，生成式召回/预估、推荐归因等模块，包括但不限于Long-Context，Token compression等技术。
5.搭建基于强化学习的算法工程训练，包含模型训练，业务指标Reward，多样性，序列评估等多项工作。