薪酬概览
平均月薪
¥27900
中位数 ¥29000 ｜ 区间 ¥23600 - ¥32100
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
85.7% 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
1月新增岗位
18
对比上月：岗位新增8
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 | 27 | 100% |
热招职位
1、负责/参与端到端自动驾驶模型的性能迭代与突破，通过数据和模型的优化迭代，推动模型在量产产品中的效果闭环；
2、深度搭建并优化数据挖掘与数据闭环链路，基于量产场景的真实数据分布，设计高效的数据筛选、清洗、标注、回流策略，通过数据驱动的方法持续提升模型在长尾场景、极端工况下的鲁棒性与可靠性，要求具备量产项目中数据驱动性能提升的实战落地经验；
3、构建并迭代端到端模型评测体系，结合仿真测试、实车验证等多维度手段，建立科学的性能评估指标与自动化评测流程，能通过评测结果精准定位模型短板，并主导评测系统的优化升级，为模型迭代提供核心决策依据；
4、紧跟业界前沿技术动态，重点研究自动驾驶领域最先进的数据闭环方案、评测方法与端到端模型应用，推动技术预研与工程化落地，保持团队在数据驱动与评测体系上的核心竞争力。
1、硕士及以上学历，计算机、人工智能、大数据、软件工程等相关专业，有自动驾驶数据挖掘、多模态算法落地相关实习/工作经验优先；
2、熟悉python编程，代码功底扎实，了解基础算法与数据结构，能够独立完成算法策略开发、脚本迭代、数据实验复盘；
3、 性格踏实，抗压能力强，能够适配业务快速迭代节奏；以业务交付为导向，工程落地能力强，愿意直面真实业务痛点，沟通顺畅、执行力强；
4、了解基础SQL语句，能够独立完成数据查询、数据统计、报表复盘，具备基础数据分析能力；
5、了解深度学习基础，熟悉PyTorch使用。
加分项
1、有自动驾驶行业数据挖掘、脏数据治理、难例挖掘一线落地经验，熟悉智驾真实数据痛点；
2、熟悉Dagster/Airflow调度工具，有数据流水线搭建、算法工程化落地经验；
3、有规则挖掘自动化、Agent辅助编程、数据样本闭环迭代相关实战经验；
4、懂自动驾驶感知/预测/规划基础业务知识，能够快速理解车载场景与驾驶行为逻辑。
1. 负责标注平台指标体系的设计与开发，构建完善的指标计算、存储和查询体系，支撑业务数据分析和决策；
2. 负责海量数据的数据治理、资产统计和数据生命周期管理，建立数据资产目录，实现数据的规范化管理和全生命周期跟踪；
3. 负责数据闭环的运营BI看板和统一数仓建设，设计数据模型和ETL流程，构建面向业务的数据分析平台，支撑数据驱动的运营决策；
4. 负责数据漏斗和全链路SLA监控系统的建设，跟踪数据上传延迟、处理吞吐量、标注效率等核心指标，实现异常实时告警和根因定位，保障数据流转链路的高可用性和稳定性。
1、建立人事共享中心各业务条线数据指标监控和经营分析体系，对业务提供策略支持和建议；
2、优化中心数据管理，提高数据线上化管理水平、提升数据使用效率；
3、搭建数据业务看板监控业务数据及指标达成情况，负责中心日报、周报、月报的搭建和撰写，对各项数据指标进行跟踪，提供日常业务支持数据；
4、数据及关键问题总结及反馈，以及报告撰写；
5、领导交代的其他事宜
1、通过对数据的敏锐洞察以及定性和定量分析，迅速定位业务问题、发现潜在机会，独立编写分析报告，并提出可落地方案；
2、对接业务团队，处理业务人员数据需求，梳理业务逻辑，挖掘深度价值，输出业务提升策略，帮助改善业务问题、提升业务效率；
3、业务指标监控，针对异常情况协调资源进行跟踪和深入分析；
4、梳理业务常规分析体系、常用指标体系，根据日常数据监控及项目分析，输出业务意见，为决策做支持；
1，负责金融产品的风险数据分析，通过大数据管理，建立零售信贷业务风控评分模型，用于金融服务和信贷业务的发展。 2，从个人征信数据，行为数据，互联网数据等出发，构建大数据金融模型用于贷款自动化授信 3，负责数据驱动模型立项，数据清洗及衍生，开发，督促布置上线等工作，监控场景及业务变化，及时发现问题推进模型修复迭代；
1. 负责MCU的功能软件集成，集成调试, 问题分析， 软件维护及版本管理。
2. 负责MCU相关ASPICE文档的编写（如需求分解，软件架构设计，单元模块详细设计等)。
3. 负责AUTOSAR软件开发, 包括但不限于进行MCAL(CAN, SPI, I2C, PWM, IRQ等), BSW(OS, COM, DIAG, NVM, XCP, NM等), RTE的配置开发。
4. 负责CICD 测试用例开发及维护。
职位要求
1.本科及以上学历，车辆工程、软件、 计算机或者电子类相关专业。
2. 具有2年以上工作经验。
3.熟练使用C/C++语言，python语言（必须），具备良好的编程风格。
4.基本硬件原理图理解能力。
5. 基本设备，示波器, 分析仪, 调试器等使用经验。
1. 负责MCU的功能软件集成，集成调试, 问题分析， 软件维护及版本管理。
2. 负责MCU相关ASPICE文档的编写（如需求分解，软件架构设计，单元模块详细设计等)。
3. 负责AUTOSAR软件开发, 包括但不限于进行MCAL(CAN, SPI, I2C, PWM, IRQ等), BSW(OS, COM, DIAG, NVM, XCP, NM等), RTE的配置开发。
4. 负责CICD 测试用例开发及维护。
岗位职责：
1、参与产品线规划，承接产品概述产品PD，负责产品立项与产品开发过程中的目标制定，组建项目开发团队并监督执行；
2、负责产品的全生命周期管理，基于项目管理工具和方法，从产品需求、规划、开发、测试、试产、量产、变更及优化（包括VQCT的各个方面）等环节进行全过程管理，有效组织内外部资源，确保项目VQCT达成预期；
3、依据产品上市后的市场表现，优化产品改善，快速将相关措施落实导入，参与制定退市计划，对量产交付和试产反馈的问题有效管理和闭环；
4、过程中运用各种工具，立项前完成费用预算（研发人力/非人力），项目过程中对研发相关费用进行有效管控，出现异常时制定相应改进措施并监督执行，最终达成预算可控，推进项目费用核算到具体项目中；
5、在项目过程和结束时及时总结，形成项目和组织资产，落实系统性改进并持续优化项目管理制度；
6、培养和建设产品开发团队，完善人才梯队。
【北斗实习】广告大模型应用算法工程师-【生成式广告混排系统】
【课题说明】本研究旨在探索广告系统在生成式架构下的新一代混排系统，在服务零售场景下研究“出价-拍卖-计费”等业务模块深度融合。本研究将重点攻关如何将传统链路中的精排与机制决策整合为统一的端到端奖励模型，以消除漏斗折损，并为最终实现LLM驱动的智能混排奠定关键的模型与策略基础。【建议研究方向】1.一体化建模：研究如何将广告多目标、出价信号及拍卖机制统一建模至一个混排模型。
2.训练与优化：设计融合博弈与机制设计理论的训练范式，优化长期商业生态目标。
3.系统协同：探索该模型与生成式召回模块的高效协同架构，并构建仿真环境进行机制验证。
1、构建适配业务场景的支付反欺诈策略体系，主要覆盖电诈、盗用等核心风险，建立策略效果评估体系与日常监控流程，探索并落地大模型能力在特征工程、欺诈防控和自动化判断中的应用，以及搭建事后用户服务的运营机制与自动化审理能力。
2、识别支付产品流程中的潜在欺诈风险点，针对流程、系统及策略层面薄弱环节提供优化建议，推动 AI 技术在风险感知和实时决策中的规模化落地。
3、推动「人 + AI」协同工作模式的建设，设计并优化 AI Copilot 辅助策略分析、报告生成、欺诈风险排查等流程，持续提升团队整体效率。配合完成系统需求梳理，参与反欺诈决策引擎和人工调查、申诉系统的建设，推动决策链路的 AI 化改造。
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