上海人工智能研发工程师
人工智能研发工程师是负责设计、开发和实施人工智能技术的专业。他们使用各种算法、工具和编程语言来构建智能系统，如机器学习、深度学习、自然语言处理和计算机视觉。这些工程师通常需要具备扎实的数学、统计学和计算机科学知识，以便能够理解和应用复杂的人工智能模型。此外，他们需要不断关注行业最新的发展和趋势，以确保团队能够跟上技术革新的步伐。人工智能研发工程师通常在科技企业、研究机构或大型公司中工作，为解决实际问题提供智能化解决方案。他们的工作既有挑战性，又具有深远的社会意义，因为他们的成果将直接影响到人们的日常生活和工作方式。
薪酬概览
平均月薪
¥23900
中位数 ¥22500 ｜ 区间 ¥17800 - ¥30000
数据来源：谈职全网64份招聘数据；更新时间：2026年7月13日
月薪分布
51.6% 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
100
对比上月：岗位新增64
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 | 53 | 53% |
| 1-3年 | 14 | 14% |
| 3-5年 | 14 | 14% |
| >10年 | 2 | 2% |
| 不限经验 | 17 | 17% |
热招职位
1、负责电商图像和视频内容理解，应用于图像搜索、商品属性理解、图像质量评估等电商业务；
2、负责多模态理解模型优化和迭代，包括业务数据搜集清洗打标、算法优化、性能加速等；
3、负责多模态理解方向前沿问题的技术研究，针对业务问题，优化业界SOTA模型并落地
任职要求：
1、有较强的数据认知，能快速搜集难样本；
2、扎实的多模态理解技术基础，了解前沿的AI技术，有顶级学术会议（如CVPR、ICCV、ECCV等）发表论文者优先。
一、算法工程师（自动化装备领域）
岗位职责：
（1）设计、研发工业机器人运动控制算法，包括轨迹规划、碰撞检测及力控策略等，
（2）设计、研发多机协同调度算法，提升机场装卸装备的集群作业效率；
（3）设计自动化装备算法测试验证方案，搭建算法仿真验证的平台或系统应用，完成相关算法的测试验证与优化；
（4）持续学习、研发新的算法技术；
（5）将深度学习应用于复杂工况下的异常检测与决策生成；
（6）协同硬件团队完成嵌入式系统开发，解决“硬件-软件”接口问题；
（7）完成领导交办的其他算法研发相关工作。
岗位要求：
（1）国家认可的硕士及以上学历，需满足3年以上相关工作经验，博士或特别优秀者（拥有与本算法研究方向高度相关实习经历的），可适当放宽工作年限要求；
（2）计算机/控制科学与工程/机器人学等相关专业；
（3）精通C++/Python，具备Linux环境下ROS/OpenCV/PCL开发经验；
（4）熟悉MPC/强化学习等前沿算法，有实际工程项目落地经验；
（5）发表过IEEE T-RO/ICRA/IROS等高水平论文者优先；
（6）熟悉CMMI三级标准文档要求；
（7）做事认真负责，学习能力强，善于沟通，具有良好的职业道德及团队协作精神。
二、算法工程师（多源传感器领域）
岗位职责：
（1）设计、研发视觉、力觉、红外等融合感知算法，实现高精度定位与三维重建；
（2）设计、研发轻量化卷积神经网络，优化目标检测/语义分割模型在边缘设备的部署；
（3）设计、研发传感器误差补偿模型，提升恶劣环境下的数据鲁棒性；
（4）设计、研发多模态数据同步与时空对齐算法，支撑全天候无人作业；
（5）协同硬件团队完成嵌入式系统开发，解决“硬件-软件”接口问题；
（6）设计多源传感器相关算法测试验证方案，搭建算法仿真验证的平台或系统应用，完成相关算法的测试验证与优化；
（7）持续学习新的传感器与算法技术，开展相关算法研究；
（8）完成领导交办的其他算法研发相关工作。
岗位要求：
（1）国家认可的硕士及以上学历，需满足3年以上相关工作经验，博士或特别优秀者（拥有与本算法研究方向高度相关实习经历的），可适当放宽工作年限要求；
（2）测控技术/智能感知/信号处理/光学工程等相关专业；
（3）精通C++/Python，具备Linux环境下ROS/OpenCV/PCL开发经验；
（4）能解读PCB信号完整性报告，提出传感器布局抗干扰建议；
（5）具备多传感器标定实战经验，掌握CARLA/Prescan仿真工具；
（6）发表过IEEE T-ITS/IROS/ICRA论文或拥有2项以上感知算法发明专利者优先；
（7）做事认真负责，学习能力强，善于沟通，具有良好的职业道德及团队协作精神。
1、负责激光雷达点云的前沿感知算法的研究和开发，基于传统算法和深度学习模型实现目标检测、环境建模、噪点分割、语义聚类等任务；
2、负责激光雷达感知算法在实际产品中的落地应用，包括但不限于内外参标定算法实现、深度模型的优化和部署等；
3、负责激光雷达的数据采集和标注方法的开发和维护，维护数据库的正确性和完整性；
4、结合激光雷达系统能力和点云感知算法，优化雷达性能表现并不断拓展激光雷达应用场景。
我们诚邀深耕计算机视觉前沿算法领域、基础功底扎实、具备独立科研创新能力的算法工程师加入以世界模型三维重建为核心技术方向的算法团队。你将深度参与底层算法设计、基础视觉模型研发与技术创新工作，主导 / 全程参与需求定义、模型架构设计、算法工程实现、落地验证与迭代优化全链路研究工作。立足前沿技术解决高保真、快速重建的技术瓶颈与业务核心痛点，持续驱动产品技术体验与业务效能升级，与团队共同攻坚前沿技术难题，打造业内领先、具备学术竞争力与工程落地能力的技术解决方案。
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 。
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.负责复杂系统的数学建模与智能优化算法研发，通过 Python/Matlab 完成参数化模型代码开发，研究系统机理与量化实现方法；
2. 基于代码集成敏感性分析、多目标优化等算法，代码化落地仿真驱动的自动化设计优化闭环；
3. 参与模型库体系建设，制定模型描述规范、代码接口标准，实现模型代码可复用、可扩展；
4. 对接求解器开发团队，通过程序批量校验模型精度与算法性能，推动算法在业务场景中的落地应用。
1、作为技术接口人，主导与客户对接 L2/L2 + 级辅助驾驶功能规范的沟通确认，并统筹解决合作过程中的各类技术问题；
2、负责 L2/L2 + 级辅助驾驶的需求挖掘与开发工作，同时牵头开展应用层控制、人机交互及故障诊断等关键算法的研发落地；
3、统筹下层执行器（如 ESC、EPS 等）的性能验收工作，主导实车集成标定及欧盟 GSR 法规认证全流程，熟悉NCAP相关基本需求和测试方法；
4、承担 ADAS 领域 ISO26262 功能安全算法的开发任务，并负责相关单元测试的设计与执行；
5、负责解读国内外 ADAS 相关法规政策，开展需求开发及竞品对标分析；
6、确保在项目执行过程中，严格遵循技术开发计划及既定流程，交付符合要求的工作成果。
【北斗实习】广告大模型应用算法工程师-【生成式召回链路升级】
【课题说明】本课题目标打破传统推荐系统的召回范式，在LBS服务零售场景下，借助LLM的世界知识与推理能力，构建融合业务特点的生成式召回架构，实现效果突破。主要挑战在于服务零售行业需求差异大、服务非标准化，在召回过程中同时把控个性化和相关性。课题将重点设计基于LLM的生成式召回架构，通过领域知识增强与业务目标微调，结合传统稀疏模型的记忆能力与LLM的泛化推理能力，优化端到端目标一致性、长尾query/item的冷启动等问题。【建议研究方向】1.推理生成：基于生成式架构引入think过程，结合服务零售行业特点，推理用户真实需求，进而生成更匹配用户诉求的候选。
2.LBS码本优化：基于多模态表征优化语义ID的构建，同时融合时空位置信息与商户服务特征，提升本地生活场景下的地理相关性建模与长尾商户曝光。
3.链路融合：基于生成式架构统一建模传统“召回-粗排-创意-精排”漏斗，端到端建模优化目标一致性。
1.深入了解风控业务的需求，根据需求开发风控模型，包括：反欺诈模型、行为模型等。
2.参与模型工程化平台设计与建设，推动模型开发与应用。
3.持续跟踪和研究行业最佳实践，不断提升模型的效果和性能，探索机器学习/复杂网络/NLP/知识图谱/大模型等技术在信用评级、欺诈侦测等领域的应用。
4.能在公司风控、销售、贷后、审批等各流程中应用不同的AI技术赋能业务，并挖掘不同业务场景下海量文本数据并结合系统中视频、音频、埋点等数据打造智能化的AI助手。
我们诚邀深耕计算机视觉前沿算法领域、基础功底扎实、具备独立科研创新能力的算法工程师加入以世界模型三维重建为核心技术方向的算法团队。你将深度参与底层算法设计、基础视觉模型研发与技术创新工作，主导 / 全程参与需求定义、模型架构设计、算法工程实现、落地验证与迭代优化全链路研究工作。立足前沿技术解决高保真、快速重建的技术瓶颈与业务核心痛点，持续驱动产品技术体验与业务效能升级，与团队共同攻坚前沿技术难题，打造业内领先、具备学术竞争力与工程落地能力的技术解决方案。
我们能够提供：
- 完善的成长体系：常态化技术培训、内部技术研讨交流；支持参与国内外行业学术会议及技术交流活动，具备清晰、规范化的职级晋升通道。
- 优质的工作环境：团队协作氛围融洽，推行扁平化管理模式，精简审批与业务流程；重视技术沉淀与创新实践，核心成员均具备深厚行业技术积累，兼具浓厚学术研究与工程落地氛围。
- 充足的资源支持：配备高性能算力集群、完备的开发及测试环境；支持前沿技术调研与创新探索，项目实施过程中赋予研发人员充分自主决策权。
1. 负责数据挖掘（含文本、音频等模态的数据）的技术落地，涵盖监督/无监督/半监督学习、强化学习等算法体系。
2. 负责车载语音、多模态交互系统的机器学习算法相关模块（含垂域大模型）的研发与优化，提升用户体验。
3. 理解车载业务及业务要素，完成业务逻辑流程抽象与算法模型构建。
4. 参与车载语音知识图谱构建和问答、自然语言处理、推荐算法等前沿技术研发，完成基于图计算的关系推理与数据挖掘驱动的智能决策系统设计。
5. 跟踪业界前沿技术，持续优化车载语音交互系统的性能和准确率。
