上海应用软件开发工程师
应用软件开发工程师是负责设计、开发和维护各种应用程序的专业人员。他们通常使用各种编程语言和开发工具来实现客户或企业的需求，例如网站、移动应用、桌面应用等。应用软件开发工程师需要与其他团队成员协作，例如产品经理、设计师和测试人员，确保软件开发过程顺利进行。他们需要对软件开发生命周期有全面的了解，包括需求分析、设计、编码、测试、部署和维护。此外，应用软件开发工程师需要不断学习新技术和工具，保持对行业发展的敏感性，以便为客户提供最新、最优质的解决方案。在工作中，沟通能力、解决问题的能力和团队合作能力也是非常重要的技能。
薪酬概览
平均月薪
¥20200
中位数 ¥20500 ｜ 区间 ¥15800 - ¥24600
数据来源：谈职全网28份招聘数据；更新时间：2026年7月13日
月薪分布
67.9% 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
47
对比上月：岗位新增32
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 | 20 | 50% |
| 1-3年 | 11 | 27.5% |
| 3-5年 | 5 | 12.5% |
| 5-10年 | 2 | 5% |
| 不限经验 | 2 | 5% |
热招职位
1. 利用AI技术开发芯片后道工程自动化工具（可靠性预测、缺陷检测、良率预测等）
2. 利用AI开发多源数据分析处理可视化平台，构建数据分析平台和决策支持系统
3. 系统集成与部署，确保AI模型在生产环境稳定运行
About the Role
We are looking for a client-facing AE to support our Global business.
This role partners closely with Sales and CPM to engage customers, drive technical discussions, and support new product adoption. You will act as the bridge between customers, product, and engineering, helping translate advanced lidar and perception technologies into real-world solutions.
Key Responsibilities
Support customer meetings, technical discussions, and solution presentations
Lead product demos, evaluations, and on-site testing
Work with customers across OEMs, Tier 1s, and autonomous driving / advanced technology companies
Support new product introduction (NPI) and customer integration (SDK, ROS, etc.)
Provide hands-on technical support, including troubleshooting and root cause analysis
Collaborate with R&D and global teams to drive technical alignment and feedback
Support RMA analysis and technical documentation as needed
1. AI技术融合与优化：将人工智能技术、大模型融入芯片业务开发测试流程，提升产品研发效率和质量。
- 自动化工具开发：开发AI辅助工具，如代码审查工具、自动测试用例生成工具、性能瓶颈分析工具等，提高研发测试的自动化程度。
- 数据处理与分析：利用大模型和AI工具处理大量研发测试数据，包括代码、测试用例、测试执行日志等，优化数据处理流程。
2. AI知识库系统构建
- 知识库设计：设计和构建高效、准确的AI知识库系统，支持业务部门的专业知识生成和服务。
- RAG系统开发：构建和优化RAG（Retrieval-Augmented Generation）系统，实现从知识库中快速准确地检索相关信息，并生成高质量的业务文档和回答。
3. AI辅助工具平台开发
- 工具平台设计：设计和开发AI辅助工具平台，提供统一的接口和工具集，支持多种AI应用。
- 用户支持：为业务部门提供技术支持，确保AI工具平台的稳定运行和高效使用。
4. 项目管理和团队协作
- 需求分析：与业务部门紧密合作，理解业务需求，提供技术解决方案。
- 项目管理：跟踪项目进度，确保按时交付高质量的AI系统。
- 团队协作：与团队成员协作，分享知识和经验，推动团队整体技术水平的提升。
1、负责 GUI 框架（如 LVGL）的搭建、优化及跨平台移植，实现品牌统一的 UI/UX
2、负责系统稳定性优化，包括内存占用优化、内存泄漏治理、功耗与蓝牙性能调优
3、及时主导解决开发过程中出现的软件技术问题，确保项目进度与软件质量
4、解读手表项目整机软件需求和新功能预研需求，识别软件风险，合理制定开发计划、编写软件设计文档和自测case，协助测试撰写测试用力
1、深度参与高速接口模块（如PCIe/USB/Ethernet/UFS/UCIe等）的集成，验证和问题定位，有相应高速SerDes使用或者设计经验
2、深度参与片间互联方案设计，精通CXL协议，有相关IP开发，集成，问题定位经验
3、深度参与SOC模块级和系统级验证，芯片后端迭代，进行性能分析等
4、深度参与芯片验证、后仿、底层软件开发联调以及芯片回片测试和量产导入等相关工作
1、负责金融业务 Agent 系统（催收/电销/客服）的工程架构设计与落地，涵盖多 Agent 编排框架、工具层、记忆层和评测体系的全栈设计2、实施 Harness Engineering 最佳实践，解决长运行 Agent 的上下文管理、Token Budget 优化和多会话状态一致性等问题3、构建 Agent 生产可观测性体系，设计容错机制和降级策略，负责线上 Agent 系统的稳定性保障与故障快速定位4、与算法、产品、运营团队协作，将业务需求转化为工程实现，持续优化 Agent 在金融场景的落地效果
1.核心 AI 能力建设（Agent & RAG）
基于 LangChain 等主流框架，深度结合硬件研发场景，开发高可用的 AI Skills 与 Agents，实现精准的意图识别、任务规划与工具调用。
主导构建硬件工程垂直领域知识库（涵盖设计规范、测试标准、BOM 数据等），持续优化数据清洗、分块与检索链路，利用 Milvus/Chroma 等向量数据库提升 RAG 系统的检索精度与生成质量。
2. 模型工程与业务融合
负责开源大模型的本地化部署、推理加速及版本管理；基于业务数据进行 Prompt 调优与 SFT，建立模型选型与效果评估体系。
将 AI Skills/Agents 封装为高可用的 API 或插件，无缝嵌入现有的研发工作流，与内部业务系统进行深度打通。
3. 产品体验与团队赋能
具备产品 Owner 意识，主动调研业务线各环节的痛点，规划 Skill 开发优先级与产品路线图，建立数据监控与用户反馈闭环，持续迭代体验。
作为 AI 技术的布道者，将成熟的外部 AI Skill 引入内部并沉淀为组织经验；组织培训与推广，赋能业务骨干，与硬件工程师共同打造高效的“AI 超级个体”。
1、基于加特兰芯片的雷达软件架构设计；
2、加特兰芯片的底层软件开发；
3、加特兰雷达的产线生产测试功能及EOL功能开发；
4、加特兰方案雷达的算法集成和联调；
5、加特兰方案雷达的实车数据采集功能设计和开发。
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. 硕士及以上学历，计算机、电子、软件、通信、自动化、数学等相关专业。
2. 精通 C/C++ 与 Python，熟悉Linux开发环境，掌握gprof/perf等性能剖析工具，具备扎实的数据结构与算法基础和良好的软件工程习惯。
3. 具备极强的学习能力、良好的沟通协调能力和团队合作精神。
4. 核心技术要求 (满足以下至少一项):
* 高性能计算：理解GPU架构（如SM/Tensor Core/Memory Hierarchy）及CUDA编程模型（Kernel/Thread Hierarchy/Stream），了解并行计算、缓存优化、向量化指令集（AVX/NEON）等知识。
* 深度学习工程化：熟悉深度学习模型从训练到部署的全流程，对CUDA、PyTorch/TensorFlow、ONNX Runtime以及Transformer、VLM等流行模型架构有一定了解。 * 底层系统软件：对CPU体系结构、操作系统原理、Linux驱动和应用有较深入的理解。
加分项 (有以下经验者优先):
1. 有CUDA/OpenCL/ROCm等异构计算平台的算子开发与性能优化经验（课程设计、实验室项目、相关竞赛或开源贡献。
2. 熟悉深度学习框架底层，如PyTorch CUDA Extension, TensorFlow XLA等。
3. 有嵌入式软件开发、芯片验证或机器人操作系统（ROS）相关项目经验。
4. 在RoboMaster、大学生电子设计大赛、大学生智能汽车竞赛等科创比赛中获得优异成绩者。
1、教育背景：计算机、软件工程、人工智能、数据科学等相关专业，本科及以上学历，硕博优先；
2、理论基础扎实： 精通分布式系统原理、并行计算、存储系统、数据库原理、数据湖/数据仓库理论、大规模机器学习等学科知识，有相关顶会/顶刊论文经历者优先；
3、技术能力突出：
（1）熟练掌握至少一种主流分布式计算框架（如Spark、Flink、Ray等）和一种深度学习框架（如PyTorch、TensorFlow等）；
（2）具备大数据存储与处理系统（如OSS、CPFS、Iceberg、Delta Lake、Hudi、StarRocks、ClickHouse、ElasticSearch、Milvus等）实操经验；
（3）具备高性能数据检索、索引优化、海量数据管理等工程经验；
4、编程与工程能力强
（1）熟练掌握Python/Java/Scala/C++/Rust等主流开发语言中的至少一种，具备良好的工程实践和代码规范；
（2）有高并发、大规模分布式系统、流式/批式混合计算平台相关项目经验者优先；
5、创新与解决问题能力：具备独立分析复杂系统、定位瓶颈、提出创新性解决方案的能力，对技术钻研有热情，善于跨界学习；
6、沟通协作与主动学习：良好的团队协作能力、沟通表达能力及自驱力，乐于分享、敢于挑战难题；
7、加分项：
（1） 在数据库、分布式系统、云原生计算、向量数据库、机器学习系统等领域有顶会（SIGMOD、VLDB、ICDE、NeurIPS、ICML等）论文、竞赛获奖或开源项目贡献；
（2）有阿里云、腾讯云、AWS、GCP等云平台大数据相关实习、项目或竞赛经历；
（3） 具备自动驾驶、机器人、智能感知领域大规模数据处理或AI应用落地经验；
（4）英语或技术写作能力优秀，有技术博客、专利、文档经验。
- 计算机体系架构,微电子,电子,通信或其他弱电相关专业背景, 3年及以上SoC/IP设计, 理解时序路径,电路分析能力强;
- 有完整的SoC设计开发流程及成功流片经验,尤其是有先进工艺下大型高算力芯片成功量产的经验;
- 具备极强的脚本能力，熟练使用 python/shell/tcl 等脚本工具，完成日常交付效率的提升；
- 熟悉AI, NOC, ARM, GPU, ISP, DSP, Computer Vision, Muilti-Media等IP接 要求;
- 熟悉 magillem 集成工具使用者优先；
- 熟练掌握Lint,CDC,Synthesis 等流程及其工具的使确，有过大规模芯片的 CDC Hierarchy flow 经验优先；
- 对时序、功耗、面积优化有很强的理解,有过ARM based的低功耗SoC设计和验证 的经验;