薪酬概览
平均月薪
¥20000
中位数 ¥20000 ｜ 区间 ¥15000 - ¥24900
数据来源：谈职全网10份招聘数据；更新时间：2026年7月13日
月薪分布
90% 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
23
对比上月：岗位新增17
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 | 11 | 50% |
| 3-5年 | 11 | 50% |
热招职位
- 芯片定义与需求分析：参与芯片产品的需求拆解分析与规格制定。与客户以及市场沟通，提炼出应用场景对芯片的需求。
- 芯片应用方案设计：负责芯片的参考设计开发，负责搭建典型的应用系统并完成系统级的仿真与性能预估。
- 芯片验证：参与芯片的硅前硅后的验证，以及测试方案的制定与测试问题的定位分析。
- 负责支持客户设计的导入，协助解决客户的应用问题。
- 负责输出参考设计，数据手册，芯片PRD以及应用指南等关键文档。
梳理芯片功能点与规格要求，参与验证计划制定，确保验证范围覆盖设计意图与实际应用场景
根据芯片架构与接口特性，分解测试点并开发测试用例
完成模块级与系统级芯片的功能与场景验证
定位 RTL 逻辑、接口协议及软硬协同问题，输出验证报告，推动 Bug 修复与回归确认
1. 负责相关平台的软件架构设计与核心模块开发，包括 SDK、Runtime、Framework、驱动、内核模块及相关底层组件。
2. 负责应用层、用户态组件、驱动层、内核层、固件层、硬件层之间的跨层问题分析、定位与优化。
3. 参与平台抽象层、接口模型、模块边界与系统分层设计，构建具备复用性、扩展性和可维护性的底层软件体系。
4. 参与系统性能分析与优化，从计算、访存、带宽、缓存、调度、并发、IO 路径、硬件利用率等维度识别瓶颈并推动落地优化。
5. 参与软硬件联调、设备 bring-up、功能验证、异常定位与问题收敛，推动复杂问题闭环。
6. 参与 SDK / API 设计、Runtime 封装、示例系统开发及文档建设，提升平台可用性与集成效率。
7. 参与系统稳定性与工程质量建设，包括资源管理、异常恢复、边界场景处理、兼容性治理及长期维护支持。
8. 异构计算：包括但不限于框架、SDK、异构处理器算子的开发、调优、维护等。
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. 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、负责数字座舱应用软件的详细设计与代码开发工作，确保软件功能符合产品需求和设计规范
2、运用专业知识和经验，解决开发过程中遇到的技术难题，提升软件性能和稳定性
3、对自己及团队成员的代码进行审查，遵循代码规范和质量标准，保证软件代码的质量和可维护性
4、关注行业技术动态，引入新的技术和方法，对现有软件进行优化和改进，提升用户体验。
5、与团队成员紧密合作，参与项目的各个环节，为初级工程师提供技术指导和支持
6、在软件测试和上线后，快速定位并解决出现的问题，保障软件的正常运
