杭州科技项目申报主管
作为科技项目申报主管，您将负责管理和协调科技项目的申报工作。这项工作涉及到与科技部门和机构合作，确保项目申报符合相关规定和标准。您需要具备深入了解科技项目申报流程和要求的能力，包括编制申报材料、申报表格等。除此之外，您还需要与不同的科技人员和团队合作，确保他们提出的项目符合政府或机构的资助标准，并通过审核。同时，作为主管，您需要管理团队，确保项目申报的工作高效而顺利地进行。这项职位需要有较强的计划组织能力，领导才能和团队合作意识。
薪酬概览
平均月薪
¥15700
中位数 ¥0 ｜ 区间 ¥11400 - ¥20000
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
57.1% 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
8月新增岗位
2
对比上月：岗位减少1
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 |
|---|---|---|
| 3-5年 | 2 | 100% |
热招职位
1、主导公司新产品从研发设计到量产的导入过程，聚焦产品开发过程中的可制造性，确保DFx问题在项目各阶段得到有效分析和解决，并最终在量产自动化产线稳定量产。
2、统筹制造中心各类文档（如工艺流程图、PFMEA、控制计划、SOP、试产报告、线体投资预算）的输出与审核，推动自动化产线验收，移交至量产运营团队。
3、作为制造中心代表，协同研发、质量、商务、供应链等相关方参与新产品导入过程，制定并监控项目节点计划，确保产品在质量、成本、交期（QCD）上达成客户期望。
4、管理产品全生命周期的工程变更，有序导入生产现场，优化产线效能（节拍、良率、OEE），推动制造效能与产品质量的持续提升。
5、以全局视野制定产品制造策略，并根据市场反馈动态调整，对项目在节点达成率、制造成本控制、供货保障及售后市场表现等量化指标负责，驱动产品的商业成功。
6、支持商务团队开展定点前工作（如PSA、体系审核、技术评审、质量评审），协同质量团队按APQP流程完成各阶段交付物的输出。
7、推动公司新产品导入流程的持续优化和改进，建立标准化工作流程和工具链，沉淀项目经验教训，提升组织在先进制造领域的整体能力。
1、编制项目物业管理方案，拟定管理目标和服务标准；
2、根据实际情况，编制客服、工程、保洁、绿化等服务标准和规章制度并监督落实；
3、负责项目租户的日常业务管理，监督团队成员及时处理并进行结果反馈、回访；
4、协调内部工程、客服、保洁、绿化等板块工作，形成联动机制，快速反应并处理各种业务和突发事件；
5、负责有关物业服务费用的核对、发单、催收，接待并处理租户日常投诉，定期组织租户满意度调查，不断提高服务品质；
6、负责对外的联络事宜，做好内部的协调工作；
7、其它临时性工作。
1.统筹新店开业全流程运营管理，包含排期、上下游作业对接等，确保按时交付。优化开店作业SOP。
2.拉通跨部门（设计、工程、运营、物流等）协作。协助制定新店运营计划（人员培训、货品陈列、促销活动等）。
3.开店团队能力建设和培养，带领开店团队主导新店筹备期现场作业落地，并支持开业前1周的运营关键阶段，解决系统调试、供应链衔接等问题，对开业前期运营结果负责。
1、负责项目生命周期内的各事项协调管理，落实项目执行标准，在需求高频变化的环境下保障多线并行的交付节奏和质量，处理项目运行过程中的突发问题；
2、深入了解各项目执行的差异性和痛点卡点，可分析原因、提出改进方案并落实改进，尤其关注AI native研发模式下流程和协作方式的适配问题；
3、对项目生命周期内不同阶段的风险具备清晰的认识及预判，及时风险前置提出有效管控措施；
4、持续总结项目实践经验，优化项目管理体系及过程改进，探索适配高频迭代节奏的项目管理方法和工具体系，提供流程、工具、方法支持，提升团队研发效率和质量；
5、负责横向专项攻坚，为项目里程碑达成，发版稳定性、组织效能、跨团队高效协同及资源集中投入等方向负责。
【履职职责】
1.负责统筹制定和优化整车运输物流标准流程和作业规范
2.负责整车运输业务日常运营管理工作
3.负责统筹调度沟通运力异常时保障事项
4.负责整车运输业务时效、质量等KPI指标分析与改善
5.负责新业务项目承接应对
6.负责业务现场管理监督与巡查
7.责与客户联络，沟通业务相关信息
8.负责组织整车运输成本分析
9.负责统筹推进整车运输业务上下游结算
10.负责整车运输承运商运营绩效改善提升
11.负责组织各品牌供应商周例会
工作职责以时点【职位说明书】为准
1、 清晰的分析逻辑以及良好的业务洞察能力，能快速发现问题、拆解问题并定位到影响业务的关键点；
2、 数据处理能力强，可使用多种方式提取数据并进行分析，熟练掌握hive、SQL、excel等相关数据提取工具；
3、 良好的沟通能力和团队协作能力，能够有效地和业务方，数据技术团队沟通交流，具有跨团队的推进项目的能力，并且能够以分析师的视角给业务提供建议；
4、 具备数据运营与产品运营能力，针对业务问题，可以透过实验设计，并制定有效解决方案及衡量方法；
5、 良好的数据敏感度,能从海量数据提炼核心结果，有丰富的数据分析、挖掘、清洗和建模经验，能独立编写商业数据分析报告；
6、 有AI产品分析相关经验，了解C端AI产品、AIGC内容生成、大模型评估相关的优先。
1. 计算机或相关专业本科及以上学历，2 年以上大型分布式系统开发经验；
2. 精通 Java 或 Python，深入理解 JVM、并发编程、网络通信机制，具备高并发、高可用系统实战经验；
3. 扎实的计算机基础：熟悉常用数据结构与算法，掌握数据库、缓存、消息队列等中间件原理与最佳实践；
4. 对 AI 工程化有浓厚兴趣，具备以下一项或多项经验者优先：
○ 参与过 AI Agent 系统的设计与开发（如 LangChain、AutoGPT、Transformers Agents 等框架）；
○ 使用 LLM 实现代码生成、需求解析、测试用例生成等研发提效场景；
○ 具备 Prompt Engineering、RAG、Agent Planning 与 Tool Calling 等实践经验；
○ 关注 AIGC、Code Generation、Intelligent IDE 等方向的发展趋势并有实际尝试；
5. 对技术有热情，代码质量意识强，逻辑清晰，具备优秀的沟通能力和跨团队协作推动力；
6. 其他加分项：
○ 有营销、交易、玩法、招商、运营后台系统开发经验；
○ 具备全栈开发能力，熟悉前端技术栈（React / Vue、TypeScript、Webpack 等）,能够独立完成复杂页面开发与性能优化；
○ 有数据挖掘、AB 实验分析、用户行为建模等相关经验；
○ 在开源社区贡献过 AI 相关项目或发表过技术博客；
○ 具备全链路视角，能从产品需求出发反推技术方案与 AI 落地路径。
1. 学历背景
• 计算机科学、人工智能、数学、电子工程等相关专业硕士及以上学历
2. 技术能力
• 精通深度学习和机器学习基础理论，熟悉Transformer架构及LLM原理
• 熟练掌握PyTorch/TensorFlow等深度学习框架
• 精通Python编程，熟悉Java/C++中至少一门语言
• 具备分布式训练、大规模数据处理等工程能力
3. 经验要求
• 2 年以上大模型相关算法研发经验
• 有SFT、强化学习等后训练技术实践经验
• 具备将AI技术在实际业务场景落地的工程经验
加分项
1、在NLP、CV、多模态等领域国际顶会（ICLR、NeurIPS、ICML、ACL等）发表论文
2、主导过知名开源项目或有重要贡献，参加过ACM/ICPC等算法竞赛获奖
3、有智能客服、对话系统、代码生成、企业智能助手 等相关业务经验
4、熟悉RAG、Agent、多模态理解等应用技术
5、优秀的问题分析和解决能力、良好的沟通协作能力和团队合作精神
6、强烈的技术热情和自驱力、对AI技术发展趋势有深入洞察
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. 负责闪购场景下生成式商品推荐系统的设计与实现，推动 OneRec/OneSearch 等端到端架构在千万级 DAU 业务中落地。
2. 主导基于 Decoder-Only 架构的商品生成与排序算法，利用强化学习（RL）优化奖励系统，提升推荐的准确性和转化率。
3. 构建多模态用户表征体系，深度融合长短期行为，利用语义建模技术打造下一代用户标签体系。
4. 应用层级量化编码（RQ-VAE）等技术解决商品结构化难题，持续优化 CTR 和订单转化指标。
1、 清晰的分析逻辑以及良好的业务洞察能力，能快速发现问题、拆解问题并定位到影响业务的关键点；
2、 数据处理能力强，可使用多种方式提取数据并进行分析，熟练掌握hive、SQL、excel等相关数据提取工具；
3、 良好的沟通能力和团队协作能力，能够有效地和业务方，数据技术团队沟通交流，并且能够以分析师的视角给业务提供建议；
4、 结构化思维，能定位、解构问题，并有初步解题能力；
5、 良好的数据敏感度,能从海量数据提炼核心结果，能独立编写商业数据分析报告；