杭州安规测试
安规测试是指对产品的安全性能和符合性进行测试的一种方法。在产品设计和制造过程中，通过对产品进行安规测试，可以确保产品符合相应的安全标准和法规要求，以保障用户和环境的安全。安规测试通常涉及电气安全、机械安全、防火防爆、辐射安全等方面的测试内容。测试过程中可能包括电磁兼容性测试、电气安全性能测试、材料和防火性能测试、机械强度测试等。通过安规测试，可以及早发现产品存在的安全隐患和不符合要求的地方，并及时采取措施进行改进。安规测试有助于提高产品的质量和可靠性，加强对产品安全性的监管和管理。
薪酬概览
平均月薪
¥17200
中位数 ¥12500 ｜ 区间 ¥13200 - ¥21200
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
80% 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
5月新增岗位
15
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 |
|---|---|---|
| 应届 | 2 | 100% |
热招职位
我们正在寻找一位经验丰富的模块测试工程师，专注于服务器核心模块与子系统的深度测试与验证。您将负责从单元到系统级的测试策略设计、自动化实现与问题定位，确保服务器各关键模块（如内核/虚拟化、高速总线、编解码等）的功能、性能、可靠性及兼容性满足严苛的行业标准。您需要对服务器硬件架构与软件栈有深入理解，并能通过创新的测试方法发现潜在缺陷，为产品的高质量交付提供坚实保障。
岗位职责：
1. 服务器核心模块测试策略与执行：负责制定和执行服务器关键模块的测试计划，特别是在如下某一个或者某几个核心模块有扎实测试专长的候选人加入：
a. 内核与虚拟化模块：测试虚拟化技术（如KVM, VMware ESXi）、容器运行时、内核关键子系统（调度、内存管理、网络栈）的功能、性能隔离与稳定性。
b. 高速互连总线模块：负责PCIe, CXL, NVLink等高速总线的功能验证、带宽/延迟性能基准测试、错误注入与容错测试。
c. 硬件加速与编解码模块：测试GPU、视频编解码器（如H.264/HEVC/AV1）、加解密引擎等硬件加速单元的功能正确性、性能提升及驱动兼容性。
d. 固件与BMC模块：参与服务器固件（BIOS/UEFI）、基板管理控制器（BMC）的接口、安全与可靠性测试。
2. 测试框架与自动化开发：针对特定模块，设计并开发高覆盖率的自动化测试套件、压力测试工具和性能基准测试框架。集成到CI/CD流水线，实现模块质量的持续监控。
3. 深度分析与问题定位：执行测试并分析结果，能深入日志、硬件寄存器、性能计数器等，对发现的缺陷进行根因分析，准确定位至硬件、固件、驱动或应用层，并与研发团队紧密协作推动问题解决。
4. 系统级集成与可靠性验证：将模块测试融入整机系统测试，验证多模块协同工作下的功能与性能，设计并执行长时压力、故障恢复、容错等可靠性测试场景。
5. 技术预研与能力建设：跟踪服务器技术演进（如新硬件架构、互联协议、虚拟化技术），预研新的测试方法、工具与标准，提升团队在特定模块领域的测试深度与效率。
1、负责面向全集团中间件的质量保障，注重产品体验，能够从用户视角发现问题并反馈给开发，参与中间件发版迭代测试，编写集测用例集并执行；
2、参与中间件CI/CD流程优化，确保中间件在持续集成和交付过程中得到充分测试；
3、维护和优化现有的测试工具和自动化测试框架，确保其稳定运行。研究并引I入新的测试工具和技术，并通过AlCoding提效集成封装覆盖率；
4、参与建设中间件自动化压测体系；
5、制订中间件的发布规范和质量标准，并与研发同学一起落地质量规范。
• 主导GPU服务器在Linux系统下的兼容性、压力稳定性及异常场景（宕机、GPU掉卡、PCIe/NVLink链路抖动/中断、ECC错误激增、固件升级失败等）专项测试；
• 深度参与GPU驱动、固件、CUDA生态组件的测试方案设计与自动化脚本开发（Python/C++/Shell）；
• 熟悉GPU服务器典型故障注入与诊断工具链（如：基于nvidia-smi/nvml、dcgmi、ipmitool、core dump分析、kdump/kexec等）；
• 联动硬件、驱动、固件、BMC团队，对重大系统级问题（如reboot loop、panic on GPU reset、nvlink topology mismatch）开展跨层级日志采集、时序分析与闭环验证；
• 输出高质量测试报告、故障模式库（FMEA）、调试SOP及可复用的回归用例集。
1、负责中后台 、企业管理类产品的研发技术工作
2、负责对应项目的问题排查和解决
3、总结并沉淀项目中的技术方案和相关经验 ，能赋能到团队 ， 提升研发效率
4、打造团队通用的基础组件&设施
我们是阿里巴巴平台技术TPP AI研发团队，负责搜推广及AI应用研发平台的建设和维护。为淘宝、千问、闪购、高德、闲鱼、飞猪等多个业务部门提供应用研发基础设施，并直接参与头部业务的应用研发。
主要工作内容如下：
1. 搜推广业务研发：负责阿里巴巴核心搜索、推荐、广告业务的系统设计与开发，支撑亿级用户规模的实时流量。深入理解业务场景，参与从需求分析、架构设计到上线运维的全链路研发工作。优化系统性能与稳定性，保障高并发场景下的低延迟、高可用服务。
2. AI Native研发范式升级：推动搜索推荐系统的 AI Native 转型，探索大模型在搜推场景的深度应用。重构传统研发流程，构建以 AI 为核心的新一代研发范式，提升研发效率与系统智能化水平。研究并落地生成式检索、生成式排序、多模态理解等前沿技术在业务中的工程化实践。
3. AI应用研发：设计并开发面向搜推场景的智能 Agent 系统，构建 Agent 编排框架，整合工具链、知识库与业务系统，打造自感知、自决策、自执行的智能体。抽象Agent需求并沉淀Agent Infra。
我们将提供：
参与阿里巴巴核心业务的技术挑战，影响亿级用户体验。
与行业顶尖技术团队合作，接触前沿的 AI 技术与工程实践。
开放的技术氛围与完善的成长体系，支持技术创新与职业发展。
1. 研发具身场景自动标注与数据质量评估算法，覆盖运动、感知、具身规划等多层标注及多模态对齐，构建标注自动校验与质量评分体系。
2. 研究 Data-Centric AI 前沿方法（数据混合优化、主动数据选择、数据影响函数等），通过消融实验、归因分析等手段量化不同数据源对模型性能的边际贡献，探索具身场景下的数据 scaling law。
3. 基于价值量化结果制定并迭代训练数据配方（来源配比、质量阈值、规模规划），为数据飞轮的资源分配提供量化依据。
4. 负责具身数据预处理流程的算法设计，包括多模态对齐、轨迹平滑、异常检测与清洗等环节的规范化与自动化。
1、 研发面向仿真的3D生成与重建算法，覆盖单体资产（关节体、可形变物体等）到场景级环境，产出几何合法、物理参数完备、可直接导入物理引擎的高质量3D模型与可交互仿真场景；打通从真实采集数据到可编辑仿真场景的链路；
2、 研发面向仿真训练的高通量渲染管线，包括但不限于3DGS批量渲染优化、物理引擎与渲染的耦合更新机制、以及多环境并行渲染架构，支撑大规模视觉强化学习的实时视觉观测需求；
3、 探索Agentic场景生成等前沿方向，利用驱动场景的自动化构建与迭代；
4、 优化研究Sim2Real闭环相关技术：域随机化、Real-to-Sim重建、合成演示数据生成等，提升具身策略在真实环境中的泛化能力。
1. 负责公开网络数据采集链路的合规治理体系建设，覆盖数据源准入、采集策略、采集留痕、数据处理、入库、训练集构建和后续排除机制。
2. 建设爬虫数据证据链与数据血缘系统，记录 URL、域名、获取时间、来源类型、访问决策依据、内容哈希、处理流程、风险标签、数据集版本、模型训练版本和审计日志。
3. 建立网络采集合规控制机制，包括机器可读访问限制、站点访问策略、频率控制、来源留痕、异常监控、争议处理和数据下架流程。
4. 与法务团队协作，将版权、TDM opt-out、站点条款、授权边界、权利人投诉、数据删除请求等要求转化为系统规则、审批流程和可追溯记录。
5. 与安全、隐私和合规团队协作，建立爬虫数据风险管理机制，包括敏感数据识别、PII 过滤、来源风险分级、黑白名单、人工复核、访问控制和异常告警。
6. 牵引公开网络数据的准入和分级管理，对不同类型站点、内容类别、数据用途、地域风险和权利状态建立统一评估标准。
7. 建设面向欧盟监管检查和客户尽调的技术支撑能力，包括训练数据来源摘要、版权政策执行记录、采集留痕、风险处置记录和审计报表。
8. 推动爬虫平台、数据平台、模型训练平台、法务、安全团队之间的系统打通，确保数据从采集到训练使用全链路可解释、可追溯、可处置。
9. 支持风险事件复盘和外部问询，能够快速回答“数据从哪里来、为什么可以采、是否进入训练集、如何排除或删除”等问题。
1. 计算机、数学、统计学或人工智能相关专业硕士及以上学历；
2. 具备 1 年以上机器学习/深度学习研发经验，有搜索、推荐、广告或运筹优化背景者优先；有 LLM 相关实践经验（如微调、推理优化、检索增强）者尤为欢迎；
3. 扎实的编程功底，精通 Python/C++/Java 至少一种，熟悉 TensorFlow、PyTorch 或 HuggingFace 生态；
4. 对数据高度敏感，具备优秀的逻辑思维能力，能独立定义问题并设计解决方案；
5. 具备良好的沟通协作能力，快速学习、严谨务实、抗压能力强，保持对技术的热情与好奇心；
6. 在 KDD、SIGIR、WWW、CIKM、ICML、NeurIPS、ACL 等顶级会议或期刊发表过论文者优先。
智能算法产品事业部-算法工程师-AIGC多模态方向-AI原生-视觉智能
【必备项】
1. 深入理解AIGC核心技术原理，涵盖扩散模型（Stable Diffusion、Flux、Qwen等）、自回归生成及多模态理解等方向，具备图像/视频生成、编辑或多模态相关项目的完整落地经验；
2. 工程实现能力扎实，熟练掌握Python/C++至少一门语言，熟悉PyTorch等主流深度学习框架，具备从算法原型到生产部署的全流程开发能力；
3. 对生成式AI保持高度热情与敏锐的技术洞察力，具备独立复现前沿论文并将研究成果快速转化为业务落地的能力；
4. 具备良好的沟通协作与知识分享意识，能与产品、工程等跨职能团队高效对齐目标、协同推进项目。
【加分项】
1.在CVPR、ICCV、ECCV、NeurIPS等学术会议发表论文，或在相关竞赛中取得优异成绩；
2. 具备计算机图形学、物理仿真、3D生成或大模型/Agent开发经验者优先考虑。
1688-3D AIGC 算法工程师 / 专家 (3D 纹理与色彩生成方向)-杭州
1、希望背景： 计算机视觉、图形学、人工智能或相关专业硕士及以上学历。
2、专业基础： 精通深度学习框架（PyTorch/TensorFlow），对 Diffusion Model、GAN、NeRF、3D Gaussian Splatting 等生成式 AI 模型有深入理解；具备扎实的计算机图形学基础，熟悉纹理映射、UV 展开、光照渲染原理及 3D 打印工艺流程。
3、项目经验： 有 3D AIGC、纹理合成、图像修复（Inpainting）或多视角几何重建相关项目经验；熟悉体素化数据处理或隐式神经表示（Implicit Neural Representations）者优先；有光照估计、高光/阴影去除或反渲染（Inverse Rendering）相关研究经历者优先。
4、编程能力： 熟练掌握 Python/C++，以及 libigl/CGAL/meshlib 至少一种 C++ 几何算法库；具备良好的代码规范和工程落地能力，能处理大规模 3D 数据（如百万级面片模型）。
加分项： 在 CVPR, ICCV, ECCV, SIGGRAPH, NeurIPS 等顶级会议发表过 3D 生成或纹理相关论文者；有开源 3D 生成项目贡献或 GitHub 高星项目作者；熟悉 3D 打印切片软件底层逻辑或有相关行业落地经验。
1、面向跨国酒店集团、基于飞猪平台运营的业务以及酒店行业现有产品链路的理解，进行AI、数字化营销等围绕酒店行业的相关产品设计，包括调研商家及运营需求、产品设计、负责项目实施落地、帮助项目及公司业务目标完成；
2、掌握酒店集团商家的经营模式、发展趋势，负责基于飞猪及阿里平台的商品搜索、店铺体系、库存体系、会员体系、数字营销、数据交互、财务结算等任一或多模块组合的产品业务域；
3、具备独立设计某业务域产品架构并主导实现的能力，定性、定量评估产品效率、价值，且能探索行业数字化新技术，运用到业务及用户场景，沉淀对应产品或工具能力。
【基础要求】
1、扎实的 Java 功底，深入理解 JVM 原理、多线程模型及常用设计模式。
2、熟悉 Spring Boot 架构，有处理高并发请求、分布式事务及系统稳定性经验，能够熟练使用工具（如 Arthas）进行性能调优。
3、精通分布式数据库原理，有 Lindorm（宽表/时序）、Hologres（HSAP）、ADB（AnalyticDB） 或同类产品（如 StarRocks, ClickHouse）的实际生产环境优化经验，理解其底层原理（如存储计算分离、索引机制）。
4、熟悉并理解数据指标建模，有星型/雪花模型设计经验，能够合理规划数据分层。
5、具备卓越的 SQL 能力，能够处理复杂的关联分析并在海量数据场景下完成调优。
【AI 实践经验】
1、熟悉大模型（LLM）生态，有 Multi-Agent（多智能体）、Skill实践经验者优先。
2、了解如何定义和封装 Skill、AI frendly工具供AI调用，并能解决 LLM 在复杂数据分析中的幻觉问题。
【软性素质】
1、具备优秀的逻辑抽象能力，能将繁杂的业务指标转化为标准化的技术方案。
2、对数据敏感，能够通过数据发现业务问题并驱动技术改进。
【加分项】
1、有 AI Agent 框架（如 LangChain, ADK, 或自定义Agent框架）的实际项目落地经验。
2、在大规模离线/实时数据集成领域有深度见解。