薪酬概览
平均月薪
¥18500
中位数 ¥20000 ｜ 区间 ¥13900 - ¥23100
数据来源：谈职全网39份招聘数据；更新时间：2026年7月13日
月薪分布
51.3% 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
44
对比上月：岗位减少8
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 | 8 | 18.6% |
| 1-3年 | 11 | 25.6% |
| 3-5年 | 11 | 25.6% |
| 5-10年 | 2 | 4.7% |
| 不限经验 | 11 | 25.6% |
热招职位
1. 参与设计和实现AI芯片上的推理引擎SDK，包括代码生成、图优化、算子实现/优化以及系统运行时的方面。
2. 参与设计和实现AI芯片上的大语言模型推理框架。进行功能实现和性能优化。
智能驾驶系统产品线大规控部门负责城区、高速、停车场等全场景高阶辅助驾驶系统的规控和预测算法开发，同时搭建完善的仿真评测体系提升研发质量和效率。
开发理念：
打破惯性思维，根据问题本质寻找答案和设计解决方案；
不技术自嗨，守住性能底线后再做技术创新，用实车效果说话；
用数据驱动的思维做开发，做好数据闭环，注重评测迭代；
不做简单的规则堆叠，传统方法要提炼简洁优雅的“解析解”；
重视工具开发，提升研发效率，打开算法黑盒，尽量做解释性强的方案。
精益求精，打磨产品细节，做出亮点，提升产品体验。
1. 负责轨迹预测、行为决策、路径规划和运动控制等算法开发，并完成嵌入式量产平台部署；
2. 基于海量数据进行道路参与者行为预测算法研发，设计高性能、高准召、高稳定的预测模块；
3. 开发交互式决策和预测模型，改善自动驾驶车辆在复杂环境中的应对能力；
4. 负责自动驾驶系统产品级仿真引擎的架构设计，仿真平台自动化测试及可视化工具链的构建；
5. 构建可扩展的云端仿真框架，以在集群环境中运行批量仿真模拟，减少云端部署和运行成本；
6. 构建完善仿真场景库替代大部分路测，同时生成挑战性的场景增广路测能力；
7. 建立数据自动标注、难例批量挖掘和分析机制工具链，通过数据闭环持续提升算法能力。
1、计算机、自动化、人工智能等相关专业，扎实机器学习、深度学习理论基础, 熟悉常见的机器学习算法（如监督学习、无监督学习、强化学习等）和深度学习框架（如 TensorFlow、PyTorch 等）；
2、熟悉 VLA/VLM 多模态大模型，熟悉DPO, GRPO等主流强化学习算法, 参与过自动驾驶规划、决策、轨迹预测相关算法迭代开发经验优先；
3、具备扎实的编程能力，熟练掌握 Python、C++ 等编程语言；
4、熟悉线性代数、概率统计等数学基础，有数据集处理、模型训练调优实战经验；
5、有园区、地库等内部道路智能驾驶项目落地经验优先；
6、学习能力强, 具备良好沟通协作能力，能推进项目落地解决业务问题。
1、负责智能驾驶产品实车路测，根据需求对系统进行测试；
2、负责根据系统或产品的功能需求完成测试计划的制定，测试方案的编写，测试用例的设计；
3、负责对系统或产品进行相关车辆测试，执行测试用例，撰写测试报告；
4、根据需求优化系统逻辑，以用户的角度对使用体验进行评测和优化；
5、负责测试车辆的维护和管理；
1.智能驾驶云平台测试（功能测试和接口测试）
2.在需求文档的基础上编写测试用例。
3.执行测试，跟踪bug状态，评估测试结果，提交测试报告
1. 全流程项目交付与现场管理：负责具身智能机器人在复杂工业场景的端到端部署、调试与交付，确保项目高质量、按时完成。
2. 复杂系统集成与联调：负责机器人本体、感知模块与工厂级系统（如AGV、MES）的现场安装、标定及深度接口联调。
3. 高级参数配置与性能优化：基于现场工况，完成机器人运动控制、导航算法及网络通信的高级配置与系统性性能调优。
4. 技术问题闭环与知识沉淀：作为现场技术接口，推动复杂问题的根因分析、解决与闭环，并编写标准化技术文档。
5. 仿真验证与实景实训支持：运用仿真平台进行部署前验证，并支持真实场景的“实景实训”以采集数据、优化模型。
6. 客户培训与持续运维支持：为现场人员提供技术培训，并负责系统的日常监控、维护、升级及应急技术支持。
1.与车厂或供应商沟通并协调，分析客户需求，进行技术可行性评估，并形成需求文档；
2.与客户沟通讨论并确定产品的需求和性能的技术规格，依据标准产品的功能，以及客户定制化的需求，制定相应的技术方案，形成方案文档；
3.理解客户需求，并据此创建相应的结构、电子、功能和性能指标、软硬件等需求，依据客户的招投标要求，准备相关的技术资料，参与应标与相关的答辩
4.定期总结市场技术需求分析文档，参与产品Roadmap分析与制定
5.掌握公司芯片应用原理，理解芯片参考设计方案，协助客户设计产品硬件方案
6.掌握公司ADAS/AD域控制器硬件设计框架及原理，协助客户设计相关产品方案
7.了解公司各产品线产品及RoadMap，制定相关产品推广方案，主导产品推广方案文档及相关资料的制作
大模型Code/Agent后训练算法研究员-(深圳)or(北京)or
1.负责Code和Agent相关数据构建与治理，构建高质量、多样化的Code/Agent训练数据集，搭建数据迭代闭环，通过数据飞轮持续优化数据质量；
2.负责Agent运行环境与训练环境的构建与优化，构建高可用、可扩展的Agent仿真环境，保障Agent训练、测试及落地的稳定性与高效性；
3.负责Agentic RL在Code/Agent场景的训练，参与Agentic RL Infra建设及优化、Agentic RL 算法优化，持续提升Agentic RL训练的效率和稳定性。
1、承担核心功能的设计和代码编写，确保系统安全性及稳定性；
2、遵守项目和技术的流程与规范，确保研发的设计与研发质量；
3、充分理解项目需求，完成系统设计、系统架构、编码实现、测试、部署、修改完善等工作，按项目要求保质保量交付产品；
4、负责指导、培训普通开发工程师，审核开发工程师的设计与研发质量。
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、根据项目目标与整体规划，制定各业务模块的阶段性计划与排期；
2、负责跟进团队日常的执行工作，确保工作进度、质量可控；
3、根据团队的不同阶段和特性，不断优化工作流程与沟通机制，提高团队效能