杭州嵌入式硬件开发工程师
嵌入式硬件开发工程师是负责设计、开发和调试嵌入式系统硬件的专业人员。他们通常参与到从概念设计到产品化的整个过程中，包括电路设计、PCB布局、硬件原型制作、性能测试和系统集成等环节。嵌入式硬件开发工程师需要熟练掌握模拟和数字电路设计、单片机编程、射频工程、传感器技术等专业知识，同时具备良好的项目管理和团队合作能力。他们经常与软件工程师、系统集成员和产品经理合作，确保硬件与软件之间的协调一致。在智能家居、汽车电子、医疗器械等领域，嵌入式硬件开发工程师的工作具有广泛的应用价值。总的来说，嵌入式硬件开发工程师需要具备扎实的专业知识和丰富的实践经验，以确保所设计的硬件系统具有高性能、稳定性和可靠性。
薪酬概览
平均月薪
¥15900
中位数 ¥14600 ｜ 区间 ¥12300 - ¥19500
数据来源：谈职全网14份招聘数据；更新时间：2026年7月13日
月薪分布
50% 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
2
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 |
|---|---|---|
| 应届 | 2 | 100% |
热招职位
1. 负责视频处理算法开发和相关硬件的Pre/Post-silicon验证；
2. 负责计算机视觉算法性能提升；
3. 负责CV产品化和相关应用场景的对接；
1、承担SoC系统级FPGA和模块级FPGA验证环境搭建
2、搭建FPGA系统的仿真环境，完成相应的测试
3、完成ASIC到FPGA的代码转换，验证和集成工作
4、协助IP设计/CV验证，以及系统软件开发和测试
1、负责供应链大宗商品（如煤炭、氧化铝、石油焦、沥青等）相关多模态数据的收集、清洗、转换、整合，完成大数据统计分析与可视化呈现。
2、协助参与供应链业务场景智能体、自动化分析工具的搭建与优化，参与工具的测试、迭代，提升业务数据分析效率与自动化水平。
3、理解供应链核心业务场景（采购、仓储、交付、风险管控等），协助建立、优化业务逻辑模型与数据算法模型，重点聚焦在价格预测、成本精算、供应链风险预警等方向，参与模型的训练、验证、部署与迭代，确保模型贴合业务实际需求。
4、协助梳理业务需求，将业务问题转化为数据问题，输出数据分析报告与模型优化建议，推动算法成果在业务场景中的落地应用。
任职要求
1、硕士及以上学历，计算机、软件工程、数学、统计学、物理等相关专业。
2、具备扎实的数据结构、算法设计基础，熟练掌握数据清洗、转换、分析的基本方法，能独立完成基础数据分析挖掘任务。熟练使用Python、Java、C++、R等其中一门编程语言，熟悉Pandas、NumPy、Scikit-learn、langchain、LLM等处理库者优先。
3、了解机器学习、统计计算相关算法，包括但不限于分类、回归、聚类、自然语言处理（NLP）等方法；了解数学规划、启发式算法，对大模型、多模态数据处理有一定了解或兴趣者优先。
4、具备良好的数学基础（线性代数、概率论、数理统计等），能理解算法原理，具备一定的模型调优意识者优先。
5、有较强的学习能力，逻辑清晰，具备良好的团队合作和沟通能力。
1.计算机、软件工程、数据科学、统计学等相关专业本科及以上学历；
2.2年以上大数据开发、特征工程或算法工程相关经验，有电商搜索推荐场景的特征体系建设经验优先；
3.精通 Spark/Flink 等大数据计算框架，具备大规模实时与离线特征开发经验；具备数据挖掘能力，能基于业务洞察挖掘高价值特征；
4.熟悉特征工程体系，熟悉特征价值评估方法（如特征重要性、SHAP、模型增益分析等）；了解 Feature Store 架构与实践经验；
5.熟悉 LLM 应用开发，有基于大模型构建数据推荐、SQL 语义解析、智能问答等系统的经验优先。
1. 计算机、数学、统计学等相关专业硕士/博士优先，优秀本科生不受限制。有顶会论文（ACL/EMNLP/ICLR/NeurIPS/ICML等）或知名开源项目（LangChain/LlamaIndex/vLLM/AutoGen等）核心贡献者加分。
2. 深刻理解 Agent 架构范式（ReAct/Reflexion/LATS等），熟悉 RAG、Memory、Tool-Use 的工程实现原理。不仅会用，更懂其背后的系统约束与性能瓶颈。
3. 具备 Data-centric AI 思维，精通合成数据生成、轨迹构造与清洗算法。有 Self-Instruct、Evol-Instruct 或类似数据工程落地经验。
4. 能独立搭建 Agent 评测闭环，擅长通过 Bad Case 分析定位是“模型问题”、“Prompt问题”还是“系统/工具问题”。
5. 精通 Python/PyTorch，熟悉 Megatron-LM/DeepSpeed/vLLM 等训练推理框架。理解分布式系统、K8s、Serverless 等云原生概念，能与 Infra 工程师无缝对话。
6. 技术审美：追求“优雅且稳定”的系统设计，能区分“Demo 级 Trick”与“生产级 Solution”。
好奇心与动手力：对 AI Native 应用充满热情，能快速复现最新 Paper，主动尝试将前沿技术转化为平台能力。
加分项：
1. 有大规模 Agent 平台、IDE Copilot 或复杂工作流引擎算法研发经验。
2. 熟悉 CI/CD 流水线，有 MLOps/LLMOps 平台建设经验。
3. 在 Kaggle/天池等竞赛中获得 Top 名次，或在 Hacker News/GitHub 上有高星 AI 项目。
你将获得
业内稀缺的履历：同时掌握“大模型后训练”与“Agent 系统工程”两张王牌，成为下一代 AI 基础设施领域的顶尖专家。
清晰的成长路径：Agent 算法架构师 / Harness 技术负责人 / AI 工程化科学家——团队陪你沉淀方法论，影响集团级研发范式。
硬核的技术氛围：与一群既懂模型又懂系统的极客共事，拒绝内卷与形式主义，只为解决真问题而生。
1. 计算机、数学或统计学相关专业硕士及以上学历；有智能定价、用户红包、优惠券、营销自动化等权益发放相关领域项目实践经验
2. 具备扎实的编码能力，精通至少一种编程语言，如C/C++、JAVA、Python等，熟悉至少一种开源深度学习框架，如Tensorflow、Pytorch等；
3. 有较好的数理基础和逻辑思维能力，对算法充满热情，具备积极主动的求知欲，良好的沟通协作能力及抗压能力。
4. 有国际顶会发表过过论文优先，数学竞赛、天池等机器学习竞赛、ACM竞赛名次优异者优先。
加分项
1. 权益营销、因果推断、用户增长、RL、决策优化等领域有丰富经验的优先；
2. 有Agentic AI或AI Agent相关项目的设计与研发经验。
3. 熟悉分布式计算平台（如Spark, Flink, MaxCompute等），有处理海量数据的经验。
1. 本科及以上学历，3年以上互联网商业分析、经营分析相关工作经验，计算机，统计学、数学、经济学专业优先；
2. 具备良好的SQL和数科分析能力，对AB实验，因果推断熟悉，有复杂实验设计经验的优先；
3. 有用户视角，能够洞察商业本质，挖掘机会点，并能够协调整合资源，推动各方拿到结果；
4.好奇心强，主动性强，能快速学习，能够独立思考；
1. 负责企业级办公Agent 技能市场产品/平台能力的设计和研发，包括前台产品能力、运营中心、开放对接能力等，打造企业办公易用/安全/统一的技能市场，加速AI在办公场景的大规模应用。
2. 参与搜索/意图识别等相关能力的设计和研发，涉及企业内部海量知识的接入/加工、搜索在/离线能力的建设（索引构建、意图识别、粗排/精排等），建设企业办公统一的搜索能力，同时结合技能市场的消费需要，提供高质量的findskill能力。
1.围绕办公场景（办公、IT、人力资源、财务、法务等场景）参与设计先进的Agent架构（记忆模块、规划模块、工具调用模块等），在各个场景落地，并取得效果
2.通过Harness Engineering的相关技术，来提升LLM或者Agent在垂域的效果，通过调优来提升整个效果
3.联动工程与算法团队，深度参与设计“办公领域通用Agent框架”。通过对办公SOP的算法抽象，建立标准化的意图理解、工单结构化与任务分发机制，实现Agent能力在不同职能场景间的快速迁移与规模化协同
4.通过Vibe Coding来快速进行Harness Engineering相关的探索与实验，进一步探索 办公领域AI-Native 开发范式
企业智能事业部-AI 应用研发工程师（Python/Java）-杭州
该职位涉及企业数智化、企业办公智能助理相关业务中的部分内容：
1、参与阿里巴巴集团员工通用的办公智能助理的研发；
2、参与大模型和 Agent 相关技术的开发，包括工具调用、任务规划、多智能体协同、技能开发等技术模块；
3、作为后端工程师，参与 AI Agent 和办公任务自动化产品的系统架构，保证各系统高性能、高可用、可扩展。
1. 负责面向LLM、图片、视频、音频的全模态标注能力建设和 Coding/Agentic 领域标注能力完善。
2. 负责标注平台智能标注能力建设，如LLM、多模态自动标注等，并建设基于标注平台的agent框架以及相关标注agent的开发；
3. 负责面向领域专家的专家标注平台建设，同时把智能标注能力迁移至专家标注平台。
1. 负责情报团队的数据能力和体系建设，通过沉淀丰富的档案能力支持复杂多变的情报业务。
2. 重点围绕商品数据构建商品档案库、挖掘潜在业务领域知识，用数据提升业务效能，向业务前线直接贡献价值。
3. 通过深入理解业务及策略，抽象业务过程、沉淀可复用的数据洞察能力，提供系统性的解决方案。
4. 借助大模型实现日常数据开发的 Agent 工作流。