成都算法开发工程师
算法开发工程师是指负责设计、开发和优化算法以解决各种复杂问题的专业人员。他们在计算机视觉、自然语言处理、机器学习、数据挖掘、推荐系统等领域发挥关键作用。算法开发工程师需要具备扎实的编程技能和数学基础，能够理解和应用各种算法和数据结构。他们需要分析问题并提出有效的解决方案，编写高效、可靠的代码，并进行性能优化和算法调优。此外，算法开发工程师还需要参与团队合作，与其他工程师、数据科学家和产品经理紧密合作，确保算法的顺利实施和集成。算法开发工程师通常在科技公司、互联网企业、研究机构等领域工作。随着人工智能和大数据技术的不断发展，算法开发工程师的需求也日益增加。
薪酬概览
平均月薪
¥21000
中位数 ¥20000 ｜ 区间 ¥15900 - ¥26100
数据来源：谈职全网221份招聘数据；更新时间：2026年7月13日
月薪分布
60.6% 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
198
对比上月：岗位减少121
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 | 32 | 16.3% |
| 1-3年 | 59 | 30.1% |
| 3-5年 | 56 | 28.6% |
| 5-10年 | 20 | 10.2% |
| 不限经验 | 29 | 14.8% |
热招职位
1.参与企业微信非结构化数据挖掘工作，利用大模型技术挖掘出真实的业务流程；
2.参与构建和优化高质量知识图谱，完成结构化/非结构化数据的信息抽取、知识融合、关系推理及图谱存储方案设计；
3.参与大模型后训练算法相关的研究、优化和业务场景的落地。
1.负责机器学习模型、深度学习模型的应用落地，包括但不限于对大模型的RL、SFT；
2.负责探索与跟进AIGC前沿技术，推动技术框架持续迭代升级，保持行业同类竞品前沿水平；
3.将LLM、RAG的最新技术并用于业务落地，包括但不限于AI搜索、知识抽取等场景。
1.参与构建高可靠性数据pipeline，支撑大模型sft/dpo/grpo等的数据需求，通过高效的数据获取、清洗、精良等，为模型提供多样化、低噪声、高信息密度的训练数据，驱动模型性能提升和业务落地；
2.参与构建科学的数据评估体系，量化数据对模型性能提升的影响，迭代优化数据生成策略；
3.研究探索新型数据处理/生成/评估技术，推动数据整体链路优化。
1.负责整车OS AI工具链需求开发及实现；
2.结合实际产品和业务需求, 参与AI Agent 设计、开发、优化和升级；
3. 负责AI知识库与工具链的集成与调试；
1.负责公司产品（刀具、涂层、测量仪器等）的售前售后技术支持工作；
2.为客户提供售前售后解决方案，进行公司内外部技术交流与沟通；
3.负责产品试用的审核，制造过程的跟踪及客户现场支持；
4.收集并总结应用的成功案例及使用报告等。
1.有引擎底层或性能工程经验；熟悉性能分析工具的使用；
2.了解线上运营体系：特性开关、遥测、崩溃与指标分析；
3.跨平台经验（PC/主机/移动）；
4.了解 DCC 与设计师数据驱动工具链；
5.参与过服务端或专用服务器架构的开发落地；
6.擅长使用大语言模型辅助开发；
7.能够在全英文环境下工作。
【履职职责】
1.负责物流新技术论证和引进
2.负责承接总部物流新技术项目落地实施
3.负责物流技术标准组织编制
4.负责物流新项目技术规划；
5.负责物流新项目工艺设备技术要求编制；
6.负责重大项目变更技术方案编制；
7.负责配合交付中心开展新项目规划方案编制
详细信息按时点《职位说明书》为准
1、负责和参与SmartNIC/DPU芯片的应用场景与需求分析，输出芯片规格点；
2、负责和参与SmartNIC/DPU芯片系统架构方案讨论和设计，达成系统功能、性能、成本和功耗要求；
3、负责和参与SmartNIC/DPU芯片子系统微架构的方案设计，输出详细的方案设计文档；参与核心模块代码交付，指导项目人员解决疑难问题；
4、负责和参与SmartNIC/DPU芯片竞争力构建。
岗位描述
负责 AI/GPU 软件栈工具链的系统测试与质量保障，覆盖从 驱动/固件能力暴露 → 容器运行时接入 → K8s 编排部署 → 可观测/诊断/Profiling → 调试与运维 的端到端链路。通过搭建自动化验证体系、E2E 测试环境与稳定性/兼容性测试方案，保障工具链在 Post Silicon 与生产集群场景下可交付、可运维、可观测、可调试。
岗位职责：
1. 云原生 GPU 工具链的端到端测试与交付质量，负责 GPU Operator / ClusterPolicy 的部署、升级、回滚、配置变更与异常恢复测试，负责 K8s 场景 E2E 测试，构建并维护集群级测试基线：单机/多机、不同 OS（Ubuntu/Anolis/CentOS/RHEL 等）、不同 containerd/docker、不同 K8s 版本矩阵。
2. 容器运行时与设备接入链路测试，测试 Container Toolkit / CDI / runtime hook：驱动/库/设备节点映射正确性、容器内可用性、权限与隔离、与不同 runtime 的兼容性。测试 Device Plugin / GPU Feature Discovery：设备发现、健康检查、资源分配、配置热加载、节点标签变化触发行为、异常设备/坏卡/降级策略验证。覆盖典型 workload 验证：训练/推理/HPC demo（可用 PyTorch、CUDA sample、NCCL/RCCL 类通信样例等）作为回归基准。
3. 运维与诊断工具测试（SMI / DCGM 类 / diag / exporter），测试 SMI/诊断工具，构建测试监控链路，对齐硬件能力暴露路径，对关键字段在 FW/KMD/用户态库/工具层的贯通进行验证与回归。
4. Profiling 与调试工具测试（Profiling Tool / GDB Debugger），负责 Profiling 工具的功能/性能/稳定性测试，负责 Thrive GDB / 异构调试链路测试，与 OpenOCD/仿真器/EMU/硬件板卡协同验证；覆盖 debug 信息（DWARF）、fatbinary、runtime 传递等场景。
5. 自动化与工程体系建设，设计并落地自动化测试框架（Python/Go/Shell 均可），沉淀可复用的 E2E 测试套件，了解多版本矩阵、夜间回归、长稳 soak test、性能基线与趋势分析。
1. 开发Driver/Runtime测试代码，负责驱动功能、性能、稳定性等自动化测试，对编译器质量进行看护。
2. 负责项目测试集代码开发以及项目自动化测试工作，如前期需求分析、制定测试策略、设计和开发测试集和自动化测试脚本开发。
3. 和开发团队合作定位问题，分析错误原因以及协助验证问题修复。
1.Chat 对话式应用开发：设计与开发基于大语言模型的对话式应用，包括对话逻辑设计、API 集成、多轮对话状态管理，以及与企业内部系统的对接。
2.数据溯源与清洗：负责金融业务数据的采集、清洗、转换和质量控制；建立数据血缘追踪机制，确保数据的准确性与可追溯性；参与数据仓库与数据管道的搭建与优化。
3.项目交付与实施：独立或协同完成项目模块的开发、测试与上线；编写技术文档与接口说明，协助客户方团队完成系统接入与培训；参与项目需求分析和技术方案设计。
4.出差支持：视项目需要，可能需赴客户现场（主要为香港）进行短期驻场支持。
技术能力:
1.能独立完成业务模块的设计与实现，熟悉 Spring Boot、Spring Cloud、MyBatis 等主流技术栈
2.熟练使用 AI 辅助编程工具（如 Cursor、Copilot 等），能够借助 AI 提升开发效率，熟悉 LLM API 调用与集成
3.了解提示词工程，运用于数据分析场景，提升意图识别、数据查询准确率 有 Python 使用经验，熟悉脚本开发或数据处理者更佳。熟悉 MySQL、PostgreSQL 等关系型数据库
