薪酬概览
平均月薪
¥7800
中位数 ¥8000 ｜ 区间 ¥6400 - ¥9300
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
60% 人群薪酬落在 0-8k
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18
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 | 2 | 9.1% |
| 不限经验 | 20 | 90.9% |
热招职位
1. 参与工业视觉 / 多模态感知系统建设，负责现场视频数据分析、数据标注、模型训练、方案复现验证和现场效果评估。
2. 负责视觉感知算法、诊断模型、数据闭环和现场应用效果迭代。
3. 将外部方案中的识别模型、参数估计和诊断规则沉淀为内部团队能力。
1. 参与基于 VGGT / Dust3R 等视觉重建 backbone 的 3D 点云场景流与动态 4D 重建算法研发，探索多帧几何一致性、动态物体运动建模与时空特征融合。
2. 跟踪并复现 3D/4D 视觉前沿方法，如 TraceAnything、V-DPM、4RC、D4RT、3DGS、Neural Rendering、Feed-forward Reconstruction 等，参与方案设计与技术选型。
3. 搭建自动驾驶场景下的数据处理、模型训练、评测分析与可视化流程，推动算法在真实数据和闭环仿真场景中的快速落地。
关于我们人工智能模型的表现很大程度上依赖于高质量的训练数据。文远知行的数据团队拥有专业的数据标注团队和系统，我们的算法团队致力于通过先进的模型和算法通过自动和半自动标注提高标注效率和质量。
职位描述：构建自动驾驶4d labeling系统和算法，开发多传感器或纯视觉的动静态对象自动标注算法；
职位要求：
熟练掌握Python，熟悉Pytorch、transformers等常用工具，具备常用数据结构及算法的扎实基础；扎实的Python/C++开发能力，具备良好的编程习惯；满足以下条件之一：精通多视几何、计算机视觉、机器人等基础知识，具有VIO/SLAM/SFM/3D视觉等算法开发和系统实现经验；熟练使用OpenCV、Eigen、G2O、Ceres、Colmap等库；熟悉深度学习在位姿、重建、地图等方面的算法和应用，熟悉Nerf、Gaussian Splatting等算法和应用；了解前沿4d labeling方法。加分项：具有自动驾驶研发经验；在顶级会议上发表过文章。
1、27届-28届毕业同学，计算机/自动化/机器人等相关专业，硕博优先；
2、对物理AI有强烈兴趣，愿意深入解决RL落地的真实难题；
3、扎实的强化学习基础，熟悉PPO、GRPO、SAC等算法，有MuJoCo、Isaac Gym、CARLA等仿真平台经验；
4、有基于Autoregression、diffusion、flow matching 生成式模型算法经验者优先；
5、熟悉大模型微调（LoRA, DPO, SFT），有VLA/VLM模型训练实际经验者优先；
6、熟练掌握Python/C++，具备算法工程化与调试能力；
7、有自动驾驶公司、机器人公司等RL算法实习或全职经验优先。
1. 计算机科学、人工智能、机器人、电子工程、自动化等相关专业；
2. 具备扎实的机器学习理论基础，熟悉监督学习、模仿学习、强化学习等常见算法，以及Transformer、视觉语言模型和VLA模型等相关技术；
3. 熟悉PyTorch、TensorFlow等至少一种深度学习框架，具备良好的工程和编程能力，熟练掌握Python，了解C++；
4. 具备良好的数学基础，包括线性代数、概率论、统计学及最优化方法等；
5. 对机器人学习、具身智能和多模态大模型具有浓厚兴趣，具备较强的学习能力、创新意识及问题分析能力；
6. 在机器学习、计算机视觉、自然语言处理、机器人或具身智能相关领域的顶级期刊或会议发表过论文者优先；
7. 具备良好的团队协作和沟通能力，能够积极推动研究成果的工程验证与应用落地。
关于我们人工智能模型的表现很大程度上依赖于高质量的训练数据。文远知行的数据团队拥有专业的数据标注团队和系统，我们的算法团队致力于通过先进的模型和算法通过自动和半自动标注提高标注效率和质量。
职位描述：
构建新一代大规模和高质量的视觉任务数据集；
研究视觉大模型关键技术，包括但不限于数据筛选、数据合成、模型训练、评测方法等。
职位要求：
扎实的Python/C++开发能力，具备良好的编程习惯；熟练掌握Python，熟悉Pytorch、transformers等常用工具，具备常用数据结构及算法的扎实基础；熟悉视觉感知或大语言模型（LLM）技术，了解前沿视觉大语言模型技术；加分项：具有自动驾驶感知算法研发经验；在顶级会议上发表过文章。
1、27届-28届毕业同学，计算机/人工智能/机器人等相关专业，硕博优先；
2、扎实的深度学习基础，熟悉Transformer、ViT、LLaMA等主流架构，具备多模态模型训练经验；
3、熟练掌握PyTorch，有大规模模型训练与调优的实战经验；
4、有RT-2、OpenVLA、PaLM-E等VLA模型研究或复现经验，或参与过端到端自动驾驶项目（如UniAD、VAD、FusionAD）优先；
5、熟悉GPT-4V、LLaVA、Qwen-VL等视觉语言模型，有指令微调、RLHF经验者优先；
6、有自驾Planning经验，熟悉基于学习或优化的规划方法（模仿学习、模型预测控制、图搜索），有实车或仿真验证经验者优先。
工作方向包括但不限于：智能驾驶、新能源、雷达、大数据、整车控制、机器视觉、图像、FPGA、SLAM、感知融合、决策规划：
1.协助算法工程师进行算法调试、标定、文档编写、测试环境搭建等工作；
2.负责人工智能方案在智能车领域的落地应用；
3.负责AI算法/神经网络等在嵌入式系统上的优化和部署；
4.参与运动控制或过程控制方向、原型设备开发与调试、信号处理、运筹与优化相关的算法设计、开发及验证工作。
负责测试策略与方案设计、数据集构建与管理
评估算法在各种条件下的表现，对算法指标进行定量评估和分析；设计并执行算法性能基准测试（如时延、内存占用、功耗等）
开发和维护自动化测试脚本、框架和工具链，提升测试效率和覆盖率
问题追踪、badcase分析与报告撰写，向团队和管理层汇报算法质量状态、风险和建议
1. 负责搭建算法测试体系，建立规范化、制度化的测试流程及规范;
2. 负责AI算法、Al应用等研发过程中的测试工作，包括测算法指标制定、测试用例设计、测试数据管理、测试工具开发、测试流程回归等；
3. 参与大模型应用整体架构设计与技术评审、测试方案的制定和测试执行；
4. 负责大模型应用相关的测试服务建设，包括自动化测试、各类质量专项、性能测试、高可用测试等；