上海AI工程师
AI工程师是指负责设计、开发和部署人工智能（AI）系统的专业人员。他们利用机器学习、深度学习、自然语言处理和其他AI技术来开发智能系统，用于解决复杂的现实世界问题。AI工程师需要具备编程技能和数学知识，能够利用算法和数据结构来构建机器学习模型。他们还需了解大数据处理、云计算和分布式系统，以确保AI系统的高性能和可扩展性。除此之外，AI工程师还需要与跨学科团队合作，包括数据科学家、软件工程师和业务专家，以确定业务需求并将AI技术应用于实际场景。总而言之，AI工程师在推动人工智能技术的创新和应用方面起着关键作用。
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.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。
- 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. 自动化、计算机、人工智能、机器人等相关专业硕士及以上学历。
2. 熟悉机器人动力学、运动学、最优控制，有扎实的数学基础。
3. 精通Linux和Docker开发环境，熟悉C++和Python，掌握git工作流，具有良好的编程习惯。
4. 谦逊开放、思维活跃，具有团队合作意识。
5. 学习能力强，可以独立探索与学习先进的算法。
【加分项】
1. 熟悉主流强化学习、模仿学习等算法。
2. 熟悉Isaac Gym/Isaac Lab仿真，能够搭建复杂的仿真环境。
3. 有灵巧手触觉传感器应用经验。
4. 有sim2real实战经验。
5. 有多关节机器人控制经验。
6. 在顶级会议（如CVRP/ICCV/ICRA/IROS/NeurlPS等）或刊物（如IJRR/TRO/TPAMI等）发表过论文优先。
1、优化信息流的召回、排序、重排等算法，提升ctr/uv等核心业务指标；
2、分析用户行为数据，参与用户画像相关工作建设，进行用户长短兴趣建模及特征设计；
3、探索各种前沿算法，针对不同的业务场景，制定合适的算法与策略，并不断优化效果；
4、对推荐效果做深入分析，定位影响效果的因素，并提出改进方案；
5、完成公司交办的其他工作。
任职要求：
1、计算机相关专业硕士及以上学历；
2、两年及以上推荐算法相关经验，熟悉常见推荐系统技术，包括召回模型、排序模型、特征构建等；
3、熟悉Java/Python/C++中的一种或多种编程语言，熟悉Tensorflow/Pytorch等深度学习框架；
4、具有较强的数据意识，精通常用的数据挖掘算法和机器学习算法，在用户画像构建、特征工程方面有经验者优先；
5、具备大规模推荐、搜索、广告实际场景经验者优先；
6、对解决挑战性问题充满激情，有较强的责任心和主动性，具备良好的沟通协作能力。
岗位职责：
1、优化信息流的召回、排序、重排等算法，提升ctr/uv等核心业务指标；
2、分析用户行为数据，参与用户画像相关工作建设，进行用户长短兴趣建模及特征设计；
3、探索各种前沿算法，针对不同的业务场景，制定合适的算法与策略，并不断优化效果；
4、对推荐效果做深入分析，定位影响效果的因素，并提出改进方案；
5、完成公司交办的其他工作。
任职要求：
1、计算机相关专业硕士及以上学历；
2、两年及以上推荐算法相关经验，熟悉常见推荐系统技术，包括召回模型、排序模型、特征构建等；
3、熟悉Java/Python/C++中的一种或多种编程语言，熟悉Tensorflow/Pytorch等深度学习框架；
4、具有较强的数据意识，精通常用的数据挖掘算法和机器学习算法，在用户画像构建、特征工程方面有经验者优先；
5、具备大规模推荐、搜索、广告实际场景经验者优先；
6、对解决挑战性问题充满激情，有较强的责任心和主动性，具备良好的沟通协作能力。
基于用户决策快照的广告预估基座模型 【课题说明】打造以用户决策过程为核心的下一代广告预估基座模型。课题目标是在美团全域业务（外卖 / 到店 / 酒旅 / 团购等）中，构建一个用于预估任务的「用户决策大模型」，通过拟合用户历史决策时刻的全部上下文信息，学习用户偏好，预测用户下一个时刻的曝光 → 点击 → 浏览 → 加购 → 下单 → 到店 → 评论的全链路多状态、多路径概率。【建议研究方向】
1.多模态决策场景重建：构建「全域行为快照生成器」，将用户的行为序列，转换为用户每一次决策时刻的多模态、高信息密度的「决策快照」。
2.用户决策基座模型：依托「全域行为快照」，预训练一个统一的用户决策基座模型，在给定任意「场景 prompt + 候选 item/店铺」时，能输出用户下一步行为的多任务、多状态概率。
3.决策策略对齐：探索该模型在各个场景上进行轻量微调与部署的方案，实现场景级定制。
1、三维导航系统开发：基于激光/视觉SLAM实现动态场景重建，开发多目标路径规划算法，设计运动学控制接口适配UR/Unitree等机器人平台；
2、多模态模型工程化：优化视觉语言模型在导航任务中的推理效率，实现多传感器标定工具链，构建仿真-真机数据闭环系统；
3、导航智能体开发：开发面向导航的任务规划与决策等模块开发，设计知识图谱增强的检索系统，探索多智能体协作策略；
4、技术文档编写：编写软件设计文档、调试报告及相关技术资料。
负责研发和优化视频生成相关算法，包括基于深度学习的图像到视频、文本到视频等模型。
探索最新的生成模型技术（如Diffusion Models、GAN、Transformer等）并结合业务需求进行创新。
设计视频生成的整体技术架构，保证模型训练、推理和部署的高效性与稳定性。
协同前端、后端工程团队完成视频生成系统的产品化落地。
分析视频生成效果，持续优化模型质量、生成速度和用户体验。
1. 27届硕士及其以上学历。
2. 了解大模型基本知识和体系。
3. 具备较强的代码实现能力。
4. 有大模型训练经验者优先。
5. 工作态度认真负责。
加分：有多模态推理、工具调用、RLHF/RLAIF
关注前沿模型和 Agent 框架，动手能力强