薪酬概览
平均月薪
¥40000
中位数 ¥0 ｜ 区间 ¥31000 - ¥49000
数据来源：谈职全网10份招聘数据；更新时间：2026年7月13日
月薪分布
60% 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
5月新增岗位
6
对比上月：岗位减少7
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 | 3 | 75% |
| >10年 | 1 | 25% |
热招职位
（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。
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. 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、负责高级别自动驾驶系统产品泛泊车场景的功能需求和技术规范定义，细化功能场景
2、负责泊车规控功能需求分析及分解，负责与感知、人机交互、底盘等跨领域需求及交互接口
3、负责泊车规控功能架构定义，落实方案并识别技术风险，确保系统设计的合理性和可行性
4、针对泊车量产项目及车型匹配，识别重点需求与问题，制定相关解决方案与措施
5、跨团队、跨部门沟通合作解决产品关键问题
【愿景】美团龙猫基座大模型，不只聪明，更懂生活。从语言理解到全模态感知，从架构创新到极致推理，从海量预训练到亿级真实订单 —— 我们造的不仅是实验室里的“优等生”，更是活在大街小巷、三餐四季里的AI。 而我们想做的远不止于此 —— 让模型自己提出假设、训练自己、不断进化； 让一群智能体像团队一样分工协作、攻克复杂问题； 让 AI 走出屏幕，理解物理世界、走进真实场景。 这是我们正在冲刺的方向，也是你可以参与定义的未来。 加入我们，一起把智能带进真实物理世界，亲手打造下一代 AGI！【团队介绍】基座大模型AI Infra团队，以支撑前沿基础模型持续演进为目标，面向大模型研发与生产全链路，构建高性能、高稳定性、可持续扩展的AI基础设施体系。围绕高效率实验平台、大规模训练生产能力，以及模型结构与芯片架构协同优化， 沉淀软硬一体、训推贯通的关键基础能力，提升模型迭代效率、训练资源利用率与系统上限。【你将负责】负责面向 Agentic AI 场景的沙盒基础设施平台建设，构建百万级别异构环境，支撑后训练、评测、数据合成、在线执行等场景下的多样环境沙盒需求。
1.设计并实现统一的执行抽象层，支持 Function Call / Container / microVM / fullVM 等多种执行基座，并提供一致的接口与调度能力。
2.负责沙盒集群的控制面与数据面架构设计，包括 API Gateway、Host Agent、Cluster Monitor 等核心组件的研发与演进。
3.优化千万级沙盒环境镜像的分发、加载与启动链路，建设分层镜像、按需加载、本地缓存、只读层共享等能力，提升冷启动性能与资源利用率。
4.面向超大规模并发场景，持续推进密度优化与成本优化，包括页缓存复用、内存回收、运行时争用治理、超卖与隔离平衡等方向。
5.建设面向 Agent 执行过程的轨迹日志、状态追踪、故障恢复与可回放机制，提升系统的稳定性、可观测性与可审计性。
6.与模型、训练、评测、推理、平台等团队协作，推动 AI Agent 运行时基础设施在实际业务中的落地。
1、负责手机、PC、平板等产品系统热设计开发，构建有竞争力的整机散热解决方案，散热技术路标规划、需求分析、器件选型、架构设计、解决方案开发和验证；
2、负责先进散热新技术探索、预研及落地工作，在热功能材料、两相散热技术、主动散热创新技术、微尺度散热技术、柔性散热技术、器件封装散热技术等构建行业领先竞争力；
3、负责产品温控系统的方案设计和优化；达成极致的性能、噪音、发热的用户体验。
