薪酬概览
平均月薪
¥19000
中位数 ¥18000 ｜ 区间 ¥14700 - ¥23200
数据来源：谈职全网14份招聘数据；更新时间：2026年7月13日
月薪分布
71.4% 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
5
对比上月：岗位减少5
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 | 5 | 100% |
热招职位
负责 AI应用与AI硬件（耳机/手机/IoT）端云一体化架构设计与落地，构建低延迟、高可用的智能服务体系
设计并实现基于 LLM 的智能体系统（Agent / Skills / Memory / Workflow），推动复杂任务自动化与多Agent协同
构建多模态AI能力链路（ASR / TTS / MT / LLM / Vision），支撑语音双工、实时翻译、AI助理等核心场景
构建 AI能力平台（Agent平台 / API / SDK / Plugin生态），支持开发者接入与生态扩展
设计端侧 + 云侧协同推理体系（Edge AI），优化延迟、功耗与离线体验
推动系统工程化与平台化（可观测性 / SLA / 自动化运维 / 成本监控），提升系统稳定性与研效
1.高效完成游戏的社交、活动、商业化等各种系统的设计开发；
2.负责高可用、高并发的微服务设计开发及重构优化；
3.负责全球多平台多地区的系统开发、测试及版本部署相关工作；
4.建立完善的监控和分析系统，保证业务高质量运行，并及时响应各种突发事件。
1、负责喜茶核心业务系统开发，支撑喜茶业务快速增长；
2、理解业务，针对业务进行模型建模和设计，负责商品选购/用户营销/用户交易/门店订单履约/海外电商/支付交易/供应链等模块的设计与研发，保证高质量交付；
1.负责腾讯云MaaS核心平台研发，涵盖模型托管、在线推理、微调训练、数据预处理、Prompt工程、安全审核等全链路系统设计与实现；
2.负责MaaS产品API网关、SDK、控制台、任务调度系统、监控告警、计费计量等模块开发，保障系统高可用、高稳定、可扩展；
3.协同算法、产品、算力、安全团队，完成模型适配、性能优化、工程化封装、合规加固，推动混元及第三方模型快速上线与稳定服务；
4.跟踪业界大模型工程化、云原生、分布式系统技术趋势，持续优化架构，提升研发效率与产品竞争力。
1.研发混元官网，混元AI Studio等产品，支持基础模型和模型应用的上线，提供更友好的用户体验；
2.建设基础模型API和垂类模型API服务，支持司内外业务接入；
3.探索AI原生的创新产品，实践并落地最新的模型能力；
4.研发内部工具，提升团队工作效率和团队协同效率。
1. 负责安全相关系统的研发；
2. 准确理解需求，参与技术方案和系统设计评审，负责业务功能研发;
3. 负责研发过程中的文档工作、测试联调工作；
4. 跟踪线上运营情况，及时修复线上问题；
5. 对现有系统的不足进行分析，找到目前系统的瓶颈，改进系统算
1.负责智能体平台知识库模块建设，包括知识运维全生命周期管理、RAG各环节，调研并引入前沿RAG相关技术。
2.基于知识库孵化上层应用，持续优化应用效果。
1.负责产品前后端功能编码设计和需求开发工作。
2.独立完成功能模块开发，参与技术方案讨论，制定编写接口文档，项目架构设计文档等。
3.能够与产品经理及测试人员互相协作高质量完成版本迭代任务。
4.完成上级交代的其他工作任务。
1. Java后端系统开发：对接产品经理，理解新零售业务需求，负责新零售场景下后端服务开发，涵盖门店管理、商品库存、订单履约、会员营销、交易支付等核心业务模块，支撑新零售全场景业务落地
2. AI工具提效应用：日常开发中灵活使用AI辅助工具，完成代码编写、接口调试、SQL优化、bug排查等工作，通过AI方法简化重复研发任务，提升开发效率与交付质量
3. 系统性能与稳定性优化：负责微服务架构优化、数据库设计与SQL调优、缓存与消息队列应用，提升系统并发能力、响应速度与运行稳定性
4. 协同与复盘：配合前端、测试团队完成接口联调、功能测试，参与后端研发复盘，沉淀AI辅助开发与业务系统研发经验，优化研发流程
5. 技术积累与应用：关注Java后端与AI提效工具的前沿技术，主动学习并应用到实际开发中，提升后端系统稳定性与研发效能
1.负责腾讯视频介质安全保护体系的建设和运营,保障视频在播放全链路中的安全性，防止盗播、盗链；
2.负责流媒体播放链路的安全防护，包括视频播放全链路的安全传输、安全播放、防注入、防录屏等；
3.设计和优化CDN分发链路中的介质保护方案，包括权限校验、防篡改、安全回源、可溯源等；
4.负责追踪黑灰产最新的破解手段，破解加密内容、非法获取视频地址、录屏等攻击方式，制定对应的防盗策略。
1. 教育背景：计算机、人工智能、数学、物理等相关专业硕士及以上学位，有顶级会议（如NeurIPS, ICML, ICLR, AAAI等）论文发表经验者优先。
2. 核心算法理解：深入理解Transformer、GPT、DeepSeek、Qwen等主流模型架构的底层数学原理与训练细节，对Linear attention、RMSNorm、DynamicTanh (DyT)、Mixture of Experts (MoE)等LLM底层模块有独到见解。
3. 分布式训练实战经验：具备主导或深度参与LLM预训练的实际经验，熟悉PyTorch、DeepSpeed、Megatron-LM等分布式训练框架。
4. 专业素养：具备严谨的实验设计和结果分析能力，能够主动发现并解决训练过程中的复杂算法问题。
5. 沟通协作：具备优秀的沟通能力和团队合作精神，能够与数据、系统、硬件等不同背景的团队高效协作。
6. 加分项：有使用过大于128张GPU进行LLM预训练、大规模预训练数据合成、硬件友好模型结构设计等相关经验。
1. 负责ODM TWS/OWS等音频产品的硬件方案评审、风险识别及设计把关；
2. 负责音频产品关键物料标准制定、性能优化及可靠性提升，降低硬件相关售后不良和客诉；
3. 负责ODM硬件方案成本审核与优化，在满足性能和质量要求前提下推动降本；
4. 协同ODM、供应商及内部团队，推动项目高质量交付；
5. 视项目需要，参与手表硬件相关工作；