上海嵌入式Linux应用开发工程师
嵌入式Linux应用开发工程师是指负责开发和维护基于Linux操作系统的嵌入式系统应用程序的专业人员。他们通过深入理解Linux内核和嵌入式系统架构，以及掌握相关的编程语言和开发工具，来设计、开发和优化嵌入式Linux应用程序。工作内容包括对嵌入式系统进行调试和优化，与硬件工程师合作进行嵌入式系统集成，编写测试用例以验证软件功能和性能，对系统进行系统级软件架构设计等。同时，嵌入式Linux应用开发工程师还需要与团队成员合作，保持良好的沟通和协作，以确保项目按时完成并符合客户需求。这一职位需要工程师具备扎实的编程能力、较强的问题解决能力和团队合作精神。
薪酬概览
平均月薪
¥20200
中位数 ¥20000 ｜ 区间 ¥15800 - ¥24600
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
75% 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
9
对比上月：岗位减少1
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 | 18 | 100% |
热招职位
1、负责解决数字座舱应用软件研发中的复杂技术问题，推动技术创新，提升软件性能和用户体验。
2、参与数字座舱软件系统的架构设计和详细设计，负责关键模块和核心功能的开发与实现。
3、严格把控软件质量，对代码进行审查和测试，持续优化软件，确保其稳定性、可靠性和安全性。
4、为初级工程师提供技术指导和培训，与跨部门团队紧密协作，保障项目的顺利进行。
5、跟踪行业技术发展趋势，进行相关技术研究和预研工作，为产品的技术发展提供建议和规划。
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
- 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”。