薪酬概览
平均月薪
¥30600
中位数 ¥27000 ｜ 区间 ¥23500 - ¥37800
数据来源：谈职全网41份招聘数据；更新时间：2026年7月13日
月薪分布
56.1% 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
32
对比上月：岗位减少9
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 | 29 | 85.3% |
| >10年 | 5 | 14.7% |
热招职位
1、核心框架设计与开发:基于阿里开源AgentScope框架，负责智能体开发框架封装、底座集成与架构设计，主导技术选型、迭代优化，保障框架稳定可扩展，适配多业务场景。
2、 技术方案落地：设计框架企业级适配方案，攻克分布式部署、多智能体协同、大模型接入等技术难题，推动框架全流程落地。
3、 团队传帮带：负责团队技术指导，培养开发人员，沉淀技术规范，搭建成长体系，提升团队整体技术能力。
4、技术调研与创新：跟踪 AgentScope 及多智能体前沿技术，结合需求调研验证，引入新技术，推动框架创新升级。
5、跨部门协作：制定编码、接口、部署、测试等规范并推进落地，保障开发标准化规范化，降低开发与维护成本。
1、负责AI平台设计开发工作，对系统架构方案进行研究及改进，支持AI模型的训练、部署和应用。
2、参与AI系统的整体架构设计，包括算法、硬件、软件的协同优化。
3、根据业务需求，设计并优化AI算法，提升系统性能和效率。
4、参与GPU底层技术的开发与优化，提升AI系统的运行效率。
5、根据业务需求，输出技术方案，支持产品开发和落地。
1、负责集团企业级应用架构规划设计、架构治理，确保相关系统符合业务需求并保持架构先进性和稳定性；从架构层面为业务发展提供前瞻性的支持和建议，赋能和支撑企业信息化、数字化转型等战略规划；
2、深入了解业务、理解业务需求、掌握业务发展方向，组织制定和实施重大架构决策和架构方案，调研和制定核心架构方案，基于业务发展状态调整应用架构规划并制定相应解决方案；
3、主导制定应用架构标准规范、流程体系等并推动落地，协助企业架构方法论的编制与维护，对公司各数字化建设相关方开展宣讲和培训，有效推进数字化应用系统架构建设。
任职要求：
1、本科及以上学历，计算机科学、软件工程、信息系统等相关专业优先；
2、大型企业系统架构设计及开发等相关工作经验，8年以上应用架构设计经验，具备企业应用系统的架构设计和规划能力，大型企业或有地产、物业、劳动密集型产业应用系统架构设计和实施经验优先；
3、具备结构化思维和良好的需求分析和流程梳理能力，能将业务需求抽象成IT实现方式并输出应用相关的功能设计；
4、具备架构化思维，较高的抽象与分析、归纳能力、逻辑分析能力、学习能力和创新能力，至少熟悉一种企业架构方法论，如TOGAF，Zachman，DODAF等；
5、优秀的语言表达沟通和协调能力、较强的责任心和团队合作精神；具备行业洞察、自我驱动能力，从战略层思考问题并进行决策。
1. 设计并落地茶饮新零售场景 AI Agent 系统，实现商品、营销、门店管理等业务流程的智能化改造；
2. 构建研发效能类 Agent，实现 代码 QA、漏洞检测、智能巡检、告警归因 等技术提效；
3. 制定中短期技术规划与落地方案，推动 Agent 在各业务线快速落地与迭代；
4. 规划 AI Agent 平台与算力调度体系，负责 MCP、RAG、工具调用及上下文管理等核心模块研发，参与Agent评测与优化，确保大模型在业务场景下的可靠性与效果；
5. 指导研发团队技术落地，提升跨部门协作与平台迭代效率。
1.负责金融风控场景中AI Agent方向的架构升级，提升大模型逻辑推理和任务规划能力，构建具备自主决策、协作与工具调用能力的多智能体系统（Multi-Agent System），推动大模型从“对话式AI”向“任务执行体”演进，解决复杂场景下的自动化问题；
2.深入研究并应用LLM的复杂推理技术（如思维链CoT、思维树ToT），并熟悉应用Prompt Cache，多工具并发调度，上下文隔离，长短期记忆管理，权限与安全收敛等Agent工程化和治理技术，赋予Agent独立探索与解决问题的能力；
3.跟进LLM相关的算法最新技术方向，运用指令微调、强化学习等方法，提升大模型规划、推理与遵循指令的能力，从而提升模型知识边界探索和抗干扰的能力。
美团是中国领先的生活服务科技平台，拥有覆盖数千万商户与数亿用户的真实履约网络。美团无人机是全球率先实现城市低空配送常态化运营的团队。我们正将具身智能技术引入大规模真实物理场景，探索"让机器像人一样理解世界、自主行动"的下一代智能体。在该岗位中您将负责：
1.参与机器人系统工程的研发与落地，面向全球市场即时零售、餐饮等行业场景，推动边缘智能与AI加速计算在机器人系统中的规模化应用，实现客户价值最大化；
2.边端AI加速计算架构设计：针对机器人实时感知、推理与控制场景，主导边缘侧芯片选型、异构计算平台（CPU/GPU/NPU/FPGA等）架构设计与优化，构建高效的端侧AI计算子系统；
3.芯片与硬件平台研究：持续跟踪和评估主流边端AI芯片（如NVIDIA、高通、地平线、黑芝麻等），制定芯片选型策略，支撑机器人产品迭代路线规划；
4.机器人通信总线架构设计：负责高实时控制链路、高带宽感知数据链路及末梢设备互联，构建通用可扩展的确定性实时通信网络拓扑。
5.系统级算力与功耗优化：在算力受限的机器人端侧场景下，进行全链路算力调度、功耗预算与热设计协同优化，保障AI负载在实时性、稳定性、能效与成本之间的最优平衡；
6.软硬件协同设计：与嵌入式软件、算法、硬件团队协作，完成AI加速模块的驱动适配、BSP支持和系统集成，确保机器人整机AI能力的稳定交付；深入理解ROS/ROS2、Isaac ROS、CUDA等软件栈，能够从硬件层面量化算力、功耗与延迟约束，为算法团队提供系统级设计基准；
7.行业追踪与标准参与：持续追踪AI芯片与边缘计算行业动态，参与行业标准制定、产品取证与流程设计，推进技术合规。
1. 负责跟进大模型、具身智能等前沿科技发展，探索 AI 算力在机器人、工业自动化及智能生活场景中的应用方案；
2. 对接核心客户并挖掘其核心需求，协助其完成技术选型，并解决其从 ARM/其他架构迁移至 RISC-V 过程中的软件栈适配、性能优化等痛点；
3. 深挖机器人、边缘侧 AI 等垂直行业需求，以场景为核心，围绕 RISC-V IP 扩展指令寻找差异化竞争优势；
4. 主导内部项目立项，围绕处理器 IP、算法规划长期目标，并建立完整的 benchmark 体系；
5. 主导原型系统的开发，包括芯片规划、硬件选型、算法移植、驱动调优及 Demo 演示工作；
1.负责AI知识库产品商业化策略的制定；
2.负责所属行业的项目售前工作及其收入目标结果；
3.挖掘AI知识库产品目标客户的使用场景、需求等，并反哺产研团队。
1、 计算机、自动化、电子、机器人、车辆工程等相关专业本科及以上学历；
2、具备扎实的 C++/Python/Linux 系统开发能力，熟悉多线程、异步 IO、网络通信、文件系统、性能调优和稳定性建设；
3、熟悉机器人、自动驾驶或嵌入式系统中的数据采集链路，有传感器数据接入、端侧落盘、数据回传或车端/机器人端日志系统经验；
4、熟悉 Camera、LiDAR、IMU、GPS/RTK、CAN、串口、以太网等一种或多种传感器或通信数据的采集与处理；
5、理解多源数据时间同步、时间戳对齐、数据切片、数据完整性校验、异常检测等关键问题，并具备实际工程经验；
6、熟悉 Linux 环境下的问题定位和性能分析工具，具备较强的线上问题排查、系统调优和长期稳定运行保障能力；
7、具备良好的架构设计能力和跨团队协作能力，能从采集任务、数据质量、云端消费和算法训练需求出发设计端侧数采方案。
加分项
1、有自动驾驶量产数采、机器人真机数采、车端数据闭环或大规模设备数据回传经验；
2、熟悉 ROS/ROS2、DDS、Cyber RT、Apollo、AUTOSAR Adaptive 或机器人/智驾中间件；
3、有视频流、图像、点云、时序状态流等多模态数据采集、编码、压缩、封装和回放经验；
4、熟悉对象存储、消息队列、边缘计算、OTA、设备管理、远程诊断等端云协同体系；
5、有端侧数据质量平台、采集任务管理、众包采集、数据回灌或仿真回放相关经验。
一、安全体系架构规划与设计 负责公司整体信息安全、网络安全、数据安全架构的顶层设计、迭代优化与落地规划，结合业务系统研发、IT 基础设施建设、数字化项目落地全流程，输出适配企业发展的安全架构整体方案、技术规范与落地标准，保障安全架构的前瞻性、稳定性与可扩展性。 二、网络安全体系融入系统设计 深度参与企业网络架构、业务系统、生产网络的规划与设计评审，针对网络边界、传输链路、服务器集群、终端接入、访问权限等场景，制定网络安全防护架构，包含防火墙策略、零信任架构、内网隔离、流量监控、入侵防御、抗攻击等安全设计，从架构层面规避网络渗透、越权访问、网络攻击、链路泄露等风险。 三、数据安全与数据保护架构落地 统筹企业全生命周期数据安全架构设计，覆盖数据采集、传输、存储、使用、共享、销毁全流程。结合国家及行业合规要求，设计数据分类分级、数据脱敏、数据加密、权限管控、数据防泄露、数据备份恢复、审计追溯等安全架构方案，将数据保护能力内嵌至业务系统、数据库、数据中台、数据接口的设计与开发环节，保障核心业务数据、用户数据、敏感数据合规安全。
1. agentic ai工程架构：主导agentic ai的工程架构设计、选型及实施工作。持续追踪行业领先的agentic ai架构，设计支持复杂决策、工具调用与协同工作的底层系统框架，为智能体应用提供稳定可靠的运行环境。
2. 研发质量及性能优化：构建和完善agentic ai实践流程与工具链，实现执行式智能体的开发、部署、监控与治理的全生命周期自动化管理，提升 agentic ai 研发与运维的质量、效率及研发合规工作。结合业务场景对性能(TTFT/TPOT/吞吐）的需求，不断系统性能，包括但不限于推理性能、执行链路优化、工具优化等。
3. 知识工程平台设计与实现：知识工程平台设计开发，包括数据采集、解析、抽取、向量化、存储到服务化的全链路技术方案。确保系统具备高可用、高并发、可扩展及易维护的特性。