盘锦System Engineer
System Engineer是一种关键的职位，主要负责系统工程师的日常运作和维护。系统工程师是企业中的重要角色之一，他们负责确保计算机系统和软件的正常运行。他们的主要职责是安装、配置和维护计算机硬件和软件，并解决任何与系统相关的技术问题。 System Engineer还负责进行系统升级，确保系统在技术环境的演进中保持最新。他们需要与其他团队合作，分析和评估系统需求，提供解决方案，并确保系统的高可用性和性能。此外，他们还负责系统备份和恢复，以确保数据的完整性和安全性。总而言之，System Engineer在维护和保障系统运行方面发挥重要作用，为企业的高效运作提供了支持。
薪酬概览
平均月薪
¥27900
中位数 ¥0 ｜ 区间 ¥23400 - ¥32300
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
71.4% 人群薪酬落在 >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
9月新增岗位
1
对比上月：岗位减少6
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 |
|---|---|---|
| 1-3年 | 1 | 100% |
热招职位
1、转接公司与客户的桥梁和纽带，要认真做好公司的窗口服务工作，接待主动、态度热情、服务周到、文明用语、礼貌待客，做好客户的休息、饮水、娱乐等服务工作；
2、负责客户休息区的环境卫生及绿化布置、每日清洁；
3、发布与销售店里车型；
4、负责客户休息区相关设备的维护。
1.负责制定新能源车热管理系统方案；
2.负责热管理相关前沿技术研究及量产转化
3.负责热管理系统QCT目标的分解定义和达成；
4.负责指导热管理系统台架试验，完善评价指标
5.负责制定热管理系统的开发流程、标准及规范等技术文件。
系统工程师面议
（1）全日制大专或以上学历，计算机、网络、信息管理等相关专业；（2）熟悉局域网及广域网相关技术，能够处理常见的网络故障；了解Cisco、H3C等主流网络设备的基本配置与管理；（3）了解系统运维管理的基本知识，对主流厂商服务器及存储设备等有基本了解；熟悉Windows Server、Linux等主流服务器操作系统的基本管理，能够搭建DNS、FTP、IIS等常用应用服务器；（4）熟悉基本SQL语句的操作，对Oracle、SQL Server等主流数据库的管理与备份有基本了解；（5）能够不断学习，能适应IT日新月异的技术发展，掌握最新的IT技术；（6）有责任心，沟通能力好，团队协作能力强，能吃苦耐劳，能服从领导安排；（7）熟悉VMware虚拟化技术者优先，了解医院信息系统者优先。
2、职责描述（1）管理维护所有网络设备，确保网络安全正常运行；（2）管理维护所有服务器及存储设备，确保业务系统的正常运行及数据的安全存储；（3）跟踪医院信息化建设相关应用系统实施上线；（4）按照集团要求积极推动各项信息系统建设工作；（5）对自身工作不断总结，定期调研分析、及时反馈相关系统的运行情况和使用状况，能对部门及集团相关工作提出自己的意见与建议；（6）及时完成领导交予的其他相关工作3、工作地点：上饶、抚州、鄱阳各1人
1. 项目售前支持，包括技术方案展示需求沟通、定义及管理；
2. 项目整体方案设计 ，对外技术沟通 ；
3. 负责对子系统的工作产品进行审核；
4. 组织及主持项目内部 /外部 技术例会；
5. 负责台架测试、整车调试；
6. 处理产品试验、售后相关问题 以及工程经验积累；
7. 主要方向包括：
✓ 电机驱动方向
✓ 开关电源方向
1.参与或主导电控系统的整体架构设计，制定电控系统的技术规格书和设计方案。
2.制定详细的测试计划和测试用例，编写测试报告，分析测试结果，确保系统满足功能、性能和安全要求。
3.跟踪电控系统领域的最新技术动态，评估新技术、新工具、新平台的可行性，并应用于实际项目中。
【愿景】美团龙猫基座大模型，不只聪明，更懂生活。从语言理解到全模态感知，从架构创新到极致推理，从海量预训练到亿级真实订单 —— 我们造的不仅是实验室里的“优等生”，更是活在大街小巷、三餐四季里的AI。 而我们想做的远不止于此 —— 让模型自己提出假设、训练自己、不断进化； 让一群智能体像团队一样分工协作、攻克复杂问题； 让 AI 走出屏幕，理解物理世界、走进真实场景。 这是我们正在冲刺的方向，也是你可以参与定义的未来。 加入我们，一起把智能带进真实物理世界，亲手打造下一代 AGI！【团队介绍】基座大模型AI Infra团队，以支撑前沿基础模型持续演进为目标，面向大模型研发与生产全链路，构建高性能、高稳定性、可持续扩展的AI基础设施体系。围绕高效率实验平台、大规模训练生产能力，以及模型结构与芯片架构协同优化， 沉淀软硬一体、训推贯通的关键基础能力，提升模型迭代效率、训练资源利用率与系统上限。【你将负责】模型推理是大模型应用的核心能力，是影响大模型应用成本和效率的关键因素。本课题专注于大模型推理加速与分布式系统优化的前沿技术探索，通过软硬件协同设计和算法工程联合优化，降低大模型推理的应用成本，提高推理性能。研究内容包括但不限于：
1.投机推理（Speculative Decoding），研究基于预测性执行的动态推理优化方法，参与设计低延迟推理框架，通过概率模型预生成候选序列以降低解码计算开销。
2.分布式系统优化，探索多节点协同推理中的通信-计算负载均衡策略，提出基于异构硬件的混合并行调度方案，实现吞吐量提升。
3.稀疏Transformer优化与模型压缩，通过稀疏Transformer优化以及模型压缩技术提升模型的计算效率。
4.算子优化，熟悉最新硬件架构的算子优化方法，通过更高效的算子优化模型的吞吐和延时。
负责自动驾驶车辆激光雷达子系统的系统集成、性能验证与持续优化工作。具体包括：参与激光雷达传感器的选型评估与技术对标，从光学性能、点云质量、环境适应性、可靠性等维度建立评价体系，输出选型建议与技术对比报告。主导激光雷达与车载计算平台的集成调试，包括通信链路打通（UDP点云数据、TCP控制协议）、PTP时间同步对齐、多雷达坐标系标定与外参管理等工作，确保数据链路端到端稳定可靠。设计并执行激光雷达性能测试方案，覆盖探测距离、角分辨率、测距精度、反射率响应、高反滤波效果等关键指标，建立量化的性能基线与回归验证机制。推动激光雷达在整车环境下的可靠性验证，包括振动、温湿度、电磁兼容等环境适应性测试，以及长时运行的功能稳定性监测。与激光雷达供应商保持紧密协作，跟踪固件版本迭代、SDK升级与问题修复，管理各开发阶段的供应商交付物清单，推动技术问题闭环。参与传感器数据质量自动化质检体系的建设，开发或优化数据解析、异常检测、质量报告生成等工具链，支撑批量车辆的传感器健康度监控。协同感知算法团队，从传感器端理解算法对点云数据的需求，推动传感器参数调优与性能迭代，支持算法性能提升。
1、3年以上相关工作经验，试验验证相关经验者优先，本科以上学历；
2、有丰富的重型底盘整车测试经验，较深刻理解整车道路试验的验证开发策略；
3、熟悉整车试验流程和方法，熟悉整车试验设备使用和维护，具备基本问题分析梳理及表达能力；
4、具备较强的汽车、机械、电子专业知识，有较好的组织、协调沟通能力和团队合作精神。
1、建立市场运营数据监测体系，收集、分析产品在实际使用中的性能数据；
2、基于大数据平台历史数据预测系统故障，关联性分析：识别氢耗与环境因素、驾驶习惯的关联，聚类分析：客户使用模式分类；异常检测：识别异常运行状态；
3、跟踪客户使用习惯、氢耗表现、故障率等关键指标；
4、行业基准数据、竞品数据获取；
5、通过大数据分析识别产品改进机会和技术迭代方向；