薪酬概览
平均月薪
¥19000
中位数 ¥18000 ｜ 区间 ¥14500 - ¥23500
数据来源：谈职全网13份招聘数据；更新时间：2026年7月13日
月薪分布
61.5% 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
23
对比上月：岗位新增8
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 | 5 | 22.7% |
| 3-5年 | 17 | 77.3% |
热招职位
1）负责目标检测/分割、物体分类/回归、头姿/视线估计、单视图深度估计等算法开发；
2）负责相机标定、多相机同步开发；
3）负责模型量化与端侧推理逻辑开发。
1.学术成果：在ACL、EMNLP、NeurIPS、ICML、ICLR等会议或期刊上发表过 关于 大语言模型（LLM）、NLP、强化学习、机器学习等方面的论文；
2.项目经验：有大语言模型（LLM）和NLP的实际业务经验，包括不限于剧情生成、可控NPC对话、聊天对话、逻辑推理、盘面推理等；
3.竞赛经验：在kaggle等竞赛中获得过优异名次。
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。
1.参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.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；
工作方向包括但不限于：智能驾驶、新能源、雷达、大数据、整车控制、机器视觉、图像、FPGA、SLAM、感知融合、决策规划：
1.协助算法工程师进行算法调试、标定、文档编写、测试环境搭建等工作；
2.负责人工智能方案在智能车领域的落地应用；
3.负责AI算法/神经网络等在嵌入式系统上的优化和部署；
4.参与运动控制或过程控制方向、原型设备开发与调试、信号处理、运筹与优化相关的算法设计、开发及验证工作。
负责临床试验数据管理项目工作的执行，严格遵循GCP、ICH及CDISC行业标准，规范CRF设计、数据核查、质疑清理、医学编码、数据锁定等工作，协同医学、统计、QA、CRO及研究中心，保障临床数据真实、准确、完整、合规，按期交付高质量临床试验数据。
1、 负责电子病例报告表的修订，数据核查计划、数据管理计划等文件地撰写，用户接受测试计划撰写及测试数据库；
2、 高质量完成项目数据管理文件归档工作；
3、 负责临床试验数据的核查等清理工作；
4、 协同跨部门完成数据管理工作；
5、公司安排的其他工作。
1、负责国内外GMP相关最新计算机化系统、数据完整性等法规学习、解读，并结合公司的信息化系统、设备系统进行差距分析，跟进实际情况给部门或公司提出整改建议，并独立或主导完成整改项目；
2、负责独立完成和指导成员完成信息化系统、设备（系统）配套的设备及CSV验证风险评估、定期回顾、验证的方案开发，验证实施及报告总结；
3、独立或主导完成自研系统的5类计算机化系统验证4. 负责起草或审核计算机化系统相关的操作维护规程、变更、偏差、CAPA，5、培训团队成员，提升团队专业能力和合规意识6、参与部门合规化体系搭建、监督管理；
7.负责对接国内外GMP检查对接工作。
8. 配合部门完成各项专项工作；
● 参加高性能RISCV IP的开发
● 阅读相关的设计文档，理解设计需求并定义出测试计划
● 搭建模块级和SOC级验证环境，产生测试向量
● 参与构建处理器验证流程及验证环境；
● 执行测试计划，进行覆盖率分析
● 定义，产生和分析各种验证指标
● 执行门级仿真和emulation
● 关注主流验证技术发展，引入先进的验证技术和策略，提高验证的质量和效率。
○ 对单卡以及分布式集群中的AI工作负载进行基准测试和性能分析，找出系统的性能瓶颈。
○ 开发所需的基础工具，包括benchmark，profiler，performance analysis以及可视化工具等。
○ 与硬件架构团队紧密合作，反馈性能问题并推进其在下一代产品中解决，不断提高产品性能。
○ 跟踪深度学习的趋势和研究，提出具有前瞻性的性能解决方案。
1、能熟练处理FANUC、三菱数控系统出现的外围故障快速修复2、能处熟练理现场相关机械、气动、液压的故障3、能力=收入，我们坚信人才是免费的