上海感知融合算法工程师
感知融合算法工程师是一种专注于开发和改进感知系统的专业人士。他们负责设计、开发和优化用于自动驾驶汽车、智能机器人和其他自主系统的感知技术。这包括使用摄像头、激光雷达、雷达和其他传感器来收集环境数据，并将这些数据整合在一起进行分析和决策。感知融合算法工程师需要具备深厚的计算机视觉、机器学习和信号处理方面的技术知识，并且要能够解决复杂的数据融合和感知问题。他们也需要具备良好的编程能力，以及对新技术和算法的实践经验。此外，他们还需要与团队合作，与其他工程师和科学家合作，共同推进自动驾驶和智能系统领域的创新。
薪酬概览
平均月薪
¥34000
中位数 ¥32500 ｜ 区间 ¥26000 - ¥42000
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
60% 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
10月新增岗位
14
对比上月：岗位减少16
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 | 15.4% |
| 3-5年 | 11 | 84.6% |
热招职位
1、负责面向自动驾驶应用的视觉、毫米波雷达、激光雷达等数据预处理和感知算法开发；
2、负责多传感器数据融合，实现目标检测、多目标跟踪、环境建模、目标识别、预测等复杂感知功能；
3、负责多传感器标定算法研发；
4、参与相关智能驾驶功能和场景测试，针对CornerCase进行算法迭代和优化。
基本条件
2027 年应届毕业生，计算机科学、软件工程、人工智能、自动化、数学等相关专业，硕士及以上学历优先。
扎实的编程与算法功底：精通 Python、C++、Go、Java 中至少一种语言，熟练掌握常用数据结构、算法及设计模式，具备良好的工程编码习惯。
深入理解 Linux 操作系统原理（进程/线程调度、内存管理、I/O 模型）及网络协议（TCP/IP、HTTP、gRPC 等），能够进行问题定位与性能调优。
2. 加分项（仿真/算法相关）
机器学习与深度学习基础：了解常见模型训练流程、损失函数、优化器，具备使用 PyTorch/TensorFlow 进行实验的经验；对生成模型（Diffusion、GAN）、计算机视觉或强化学习有初步了解者优先。
分布式计算与仿真调度：理解分布式系统基本概念（一致性、容错、任务调度），有 Ray、Spark 或类似框架使用经验者优先；熟悉 Kubernetes/Docker 容器化部署者更佳。
仿真/自动驾驶背景：了解 SIL/HIL 仿真基本流程、场景编辑或评价指标（如复现率、通过率、轨迹误差）者优先；有 CarSim/SUMO/ROS/Apollo 等工具经验者可加分。
后端与数据基建：了解 MySQL/PostgreSQL、Redis、Kafka/RabbitMQ 等数据存储与消息中间件基本原理，能配合搭建仿真数据 pipeline。
3. 现代工程素养与软实力
AI 提效能力：具备将 AI 工具（Copilot、ChatGPT 等）融入日常研发的习惯，能够高效完成代码编写、单元测试生成、Bug 排查及技术调研，加速迭代效率。
极强的学习与自驱力：对自动驾驶仿真、算法评测有浓厚兴趣，乐于钻研前沿技术，能快速从论文/文档中提炼可落地方案。
团队协作与沟通能力：责任心强，善于跨团队（算法、平台、测试）协作，清晰表达技术方案与实验结论。
1.有多媒体图像算法落地量产之经验
2.有图像/视频深度网络模型训练经验，并且模型有实际落地量产
3.能复现学术界和业界前沿论文和专利中的算法，并分析算法优劣及可行性
4.有ViT/DETR模型训练经验者优先
5.有模型联合训练经验者优先
6.熟练掌握python，C/C++, pytorch
7.团队合作意识强
1. 参与电商搜索场景CTR/CVR预估、召回、搜索相关性等算法模型的开发与迭代；
2. 参与query理解、用户画像、商品属性等方面的海量数据清洗和特征工程，为搜索各算法场景提供数据支撑；
3. 参与算法团队方向与优先级制定；带领团队持续提升全站转化率与GMV；
任职要求
1. 5年以上工作经验，良好的计算机专业基础(数据结构, 算法, 编程语言, 数据库等) ；
2. 对机器学习，数据挖掘有较为扎实的理论基础及应用；
3. 扎实的编码功底，熟练使用 Python，Java，C++，Scala等编程语言以及TensorFlow, PyTorch等深度学习框架；
4. 有Hadoop/Spark等大数据工具使用经验；
5. 有搜索、推荐、广告等大型系统相关的算法研发经验，参与过诸如搜索排序模型、个性化推荐模型、广告点击率预估等相关项目；
6. 具有较强的产品与业务思维、数据驱动思维、自驱力、以及对于模糊 / 困难问题的攻坚能力；
7. 性格开朗乐观，责任心强，积极主动，善于沟通，具有团队精神 ；
8. 具有较强的的文档编写能力、较强的学习能力
算法工程师（未来领军），招聘方向如下：
无线接入预研（6G/NTN）、芯片、分组数据、射频及天线、光传输、智能运维、无线网络智能化、天地一体化、运筹优化、数字孪生、灵巧手
每个技术方向均配有独立的招聘需求说明，更多岗位详情 请点击查看
算法工程师（未来领军），招聘方向如下：
无线接入预研（6G/NTN）、芯片、分组数据、射频及天线、光传输、智能运维、无线网络智能化、天地一体化、运筹优化、数字孪生、灵巧手
每个技术方向均配有独立的招聘需求说明，更多岗位详情 请点击查看
1. 研发、跟踪、改进前沿多传感器测算法，实现包括但不限于视觉和稀疏深度的目标检测，深度估计，语义感知等任务。
2. 负责算法在实际产品中的落地和优化，不限于优化深度学习模型结构，快速实现模型量化、压缩与部署加速；
3. 负责搭建完整的数据闭环Pipeline和数据处理/数据测评系统，保证训练稳定和交付可靠。
1. 负责淘宝闪购导购主链路，生成式搜索推荐系统的研发工作，包括但不局限于OneRec/OneSearch类的生成式架构的设计与实现，覆盖千万级DAU的个性化搜索推荐场景。
2. 主导生成式推荐全链路算法开发，包括端到端内容生成、Decoder Only架构优化、强化学习奖励系统设计等创新模块，显著提升计算效率与推荐质量。
3. 构建多模态用户行为建模系统，将短期搜索点击行为与长期购买偏好融合，打造具备语义理解能力的用户标识(UID)体系。
4. 探索生成式技术在搜索排序中的应用，开发层次量化编码技术，解决商品信息结构化难题，提升CTR和订单转化率。
1. 负责淘宝闪购AI搜索产品相关算法研发，构建支持自然语言交互的多模态搜索系统，生成融合文字、商品、视频的混合Feeds流。
2. 设计即时零售场景专用的大语言模型微调方案，优化商品搜索的深度思考能力，解决购物攻略、口碑评测等复杂查询需求。
3. 开发闪购场景的实时推荐算法，结合用户画像与限时促销策略，实现个性化商品排序。
4. 搭建多模态商品理解系统，整合图像识别、文本语义分析等技术，提升非标品搜索准确率。
5. 探索AI助手在即时零售导购中的应用，开发需求细化、对比推荐等交互功能，优化用户购物决策路径 。
- 负责根据需求来完成仿真软件集成、开发，维护并拓展仿真平台；
- 负责搭建完整的仿真流程，按照需求快速生成仿真场景，实现算法迭代；
- 通过仿真研究和应用3DGS，SLAM等技术，探索自动驾驶/机器人等多种应用场景。
1. 前沿3D/4D视觉算法研发：负责研发、跟踪并改进以VGGT、DA3、V-DPM、D4RT等为代表的最新3D&4D基础模型，探索其在动态场景理解与建模中的应用。
2. Feed-Forward 3D/4DGS算法研发：主导前馈式3D高斯泼溅（Feed-Forward 3DGS）与4D高斯泼溅（4DGS）算法的研发。致力于实现从单张或多张图像到可渲染3D场景的快速、泛化重建，并探索其在动态场景时空建模与实时渲染中的应用，突破传统逐场景优化的效率瓶颈。
3. 3D/4D重建算法重构：针对具体业务场景，利用前沿基础几何模型优化SLAM与SfM等传统算法流程，解决大规模、高保真的3D/4D重建中的效率与精度问题。
1. 参与世界模型（World Model）核心算法研发，探索基于Diffusion的时空序列建模，优化场景一致性和运动连贯性。
2. 负责视频/图像生成模型的训练优化，包括采样加速、条件控制、长序列生成等；
3. 跟踪前沿论文，复现并改进核心算法；
4. 与工程团队协作，推动模型在业务场景的落地应用。
1、负责智能驾驶相关产品（域控制器、各类传感器、底层软硬件）客户端技术支持，覆盖车身、底盘、车载通讯、底层软件、MCU驱动相关现场应用与问题攻关；
2、负责智能驾驶传感器联合标定、整车功能标定、时序同步调试工作，包含台架标定及实车道路调试，解决标定异常、感知失效、定位漂移等现场问题；
3、负责项目全周期技术支持，包含Demo实车演示、售中整车集成联调、量产阶段产线适配与电检支持，排查软硬件、通讯、标定、适配类故障；
4、负责客户各类问题接收、复现、分析与闭环管理，联动内部研发、测试、项目团队定位问题根因，输出8D分析报告，制定规避及整改方案；
5、负责沉淀现场应用标准、调试SOP、故障案例库、技术FAQ，同时为客户提供技术培训，赋能客户集成、测试、运维相关团队；
6、识别项目阶段技术风险、交付风险，提前输出风险防控措施与应急预案，保障研发测试、送样、量产各阶段项目进度与交付质量。
7、路测 / 集成中及时响应，定位硬件（传感器 / 域控 / 电源）、软件（算法 / 驱动 / 通信）、标定、场景适配问题，输出临时解决方案，保障项目进度。
1、深度参与或主导CPU/GPU/AI处理器中缓存子系统的架构方案制定和评估；
2、负责缓存层次结构、容量、关联度、替换策略、预取算法等关键微架构设计；
3、设计并优化缓存一致性协议（如MESI、MOESI及其变种）在复杂多核/众核系统中的实现；
4、定义缓存与内存控制器（DDR/HBM）、片上网络（NoC）之间的高效接口与协议。分析各类负载（如SPEC CPU, 大数据，AI训练/推理）下的缓存性能瓶颈（命中率、带宽、延迟）。