薪酬概览
平均月薪
¥22400
中位数 ¥22500 ｜ 区间 ¥16700 - ¥28200
数据来源：谈职全网30份招聘数据；更新时间：2026年7月13日
月薪分布
76.7% 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
11
对比上月：岗位减少15
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 | 71.4% |
| 1-3年 | 2 | 28.6% |
热招职位
1、电声器件标准化： 梳理并建立传音音频的发声单元矩阵库，锁定核心喇叭规格，推动跨项目复用与电声器件的成本优化。
2、品牌听感定义与调优： 负责传音三大品牌的目标频响曲线定义。结合SoC平台的DSP能力输出标准EQ配置模板，指导并验收ODM的调音工作。
3、本地化声学场景攻坚： 针对海外复杂的通勤及户外场景，制定通话降噪（ENC）的客观测试基准与麦克风防风网等声学结构规范，提升极端环境下的语音清晰度。
4、高阶算法与主观验收： 主导高端项目的主动降噪（ANC）深度优化与空间音频参数调教；负责所有量产项目最终阶段的主观音质盲测与验收签批。
Technology Platform-游戏机器学习研究工程师
1.负责机器学习/AI在游戏研发过程的应用落地；
2.结合计算机图形学知识，参与建模、渲染、动画、特效、UI、物理、AIGC等相关工作；
3.与策划、美术、运营、程序等同学做需求沟通；
4.跟进行业AI新技术、图形学前沿应用，落地到游戏项目实际业务中。
1.负责太极机器学习平台产品规划：聚焦平台内机器学习场景下数据处理、模型训练、服务部署等核心环节，了解传统机器学习、大模型等训练框架、推理框架，能主导产品方案设计，了解行业情况；
2.联动多技术团队推进平台落地：协同算法团队、工程团队（框架,算力，调度）、数据团队等，对齐跨团队需求与目标，解决研发过程中的协作问题，保障平台功能及基模训练任务按时高质量交付；
3.驱动平台迭代与体验优化：收集平台内算法、研发团队的使用反馈，结合机器学习技术趋势，制定平台迭代 roadmap，持续优化产品功能，强化太极平台的核心竞争力。
1、计算机科学、软件工程、机器学习或相关领域的本科及以上学历，硕士或博士优先；
2、掌握pytorch的使用，对训练流程中主要模块的细节有研究；
3、对常见模型训练优化有了解, 例如训练加速和显存优化技术。对推理框架vllm & sglang的技术细节有了解；
4、具有扎实的编程能力且具有一定的算法理论基础，精通Python；
5、乐于探索前沿新技术并在实际场景中落地。
【加分项】
1、对常见机器学习平台的使用有了解；
2、理解深度学习原理和分布式训练框架（如deepseed & megatron & fsdp）；；
3、有参与过LLM & VLM的预训练或者微调, 了解模型的训练评估细节以及模型结构设计
4、有参与过端侧模型部署或者服务端模型部署, 有推理框架开发经验或者算子优化经验。
1. 本科及以上学历，计算机、电子、自动化、机器人工程等相关专业。
2. 良好的沟通协作与自我驱动力，对机器人行业充满热情。
3. 2年以上智能硬件 / 机器人测试经验；具备软硬件结合产品测试经历。
4. 熟悉 Linux 或 RTOS 的基本操作及调试；能使用示波器、逻辑分析仪等硬件调试工具。
5. 至少掌握一门脚本 / 编程语言（Python、C++、MATLAB 等）用于测试自动化或数据分析。
6. 了解机器人系统架构（运动控制、感知、多传感器融合等），有服务机器人或人形机器人测试经历者优先。
7. 了解常用机器人测试工具 / 平台（Gazebo、Webots、ROS Test、Robot Framework、Jenkins 等）或 CI/CD 流程优先。
微信-机器学习基础设施开发工程师（存储/向量检索/参数服务器）-系统架构方向
技术架构团队缔造了微信后台的第一行代码，目前已成为集应用开发和基础研究于一身的重要部门。该团队创立了 WXG 内部开发者每日使用的 ABC（AI、BigData、Cloud）平台，其中包括 AI 应用平台、BigData 平台和 Cloud 平台。AI 应用平台承担了各项 AI 技术在具体业务中的落地功能，支持每分钟数千万次的调用。BigData 平台负责大数据分析和挖掘功能，每天支持上百万次的任务运行。Cloud 平台则负责计算和存储资源的调度功能，为庞大的在线服务系统以及 AI 和 BigData 的训练和推理任务提供支持。此外，该团队还负责微信消息系统、音视频通话、朋友圈、视频号和直播等基础功能支撑，为超过 10 亿用户的日常使用提供强有力的支持。
技术架构团队不仅负责应用开发，还致力于基础研究。该团队在 CV、ASR 和 NLP 等领域的 AI 算法预研方面表现突出，并成功将这些技术应用于实际业务。团队的研究成果被广泛运用于微信产品，提升了用户体验和产品竞争力。此外，该团队还积极参与学术交流和开源社区，持续推动着人工智能领域的发展。
1.负责腾讯混元机器学习平台的设计与开发，包括：性能优化，持续提升训练性能，包括多机多卡大规模训练优化，数据交换优化等；
2.深入理解跟踪业界AIGC动态，优化平台技术方案，提升平台易用性，降低大模型研发门槛，不断推进平台的LLMOps能力升级；
3.积极追踪业内AI动态，优化内部技术方案，改进产品性能，不断推进AI架构升级。
• 深度参与具身智能（Embodied AI）系统全流程研发工作，聚焦感知、决策、控制三大核心模块，助力技术方案的落地与迭代。• 负责机器人系统相关算法的设计、开发与工程实现，重点覆盖视觉感知、运动生成、运动规划与控制、VLA/Diffusion Model、仿真、避障算法、灵巧手控制等相关方向。• 配合团队完成实验方案设计、实验数据采集、结果分析与优化，解决算法落地过程中的工程问题，推动技术从实验室走向真实应用场景。• 持续关注具身智能与机器人领域的前沿技术动态、学术研究成果，参与技术调研、方案论证，为团队技术创新提供支撑。
前端架构与全栈开发 (核心 - 约 70%) 核心研发：负责公司核心产品的前端功能开发，编写高质量、可复用、易维护的 React 组件，全面应用 TypeScript 确保类型安全。 全栈打通：参与 Java 后端微服务（基于 Spring Boot/Dubbo）的业务逻辑开发，独立负责从“数据库设计 - API 定义 - 页面高交互 UI 渲染”的完整闭环功能。 工程优化：负责前端性能优化、构建工具（Vite/Webpack）配置以及 CI/CD 流程的持续改进。 AI 效能与工作流构建 (特色 - 约 30%) AI 工具实践：在日常开发中深度应用 AI Coding Agent（如 Cursor, Copilot Workspace, Windsurf, Cline 等），利用 AI 加速代码生成、单元测试编写、Bug 排查及重构。 工作流交付与提效： 主导或参与将 AI 工具转化为标准化研发工作流的建设（如：结合 Model Context Protocol (MCP) 接入内部工具链、设计高效的提示词/上下文编排等）。
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；
产品研发与风味创新
独立研发经典 / 创意 Gelato 口味（水果、坚果、巧克力、芝士、特调等），把控低脂肪、高密度、绵密顺滑的意式核心口感；
结合季节、节日、市场趋势，开发新品、限定款、健康化款（低糖、无添加、素食、无乳等），形成产品矩阵。
配方优化与成本管控
制定标准化配方、原料配比、制作工艺，确保口感、质地、出品稳定；
在保证品质前提下，优化原料结构、提升出品率、控制研发与生产成本。
原料选型与品质把控
负责基底原料（奶、糖、基底粉、淡奶油等）、风味原料（鲜果、坚果、可可、果酱、酒等）选型、测试与供应商评估；
建立原料验收标准，确保产品安全、合规、口感统一。
工艺与 SOP 制定
制定 Gelato 制作全流程 SOP：巴氏杀菌、均质、老化、凝冻、硬化、储存、解冻复融等关键控制点；
解决出品问题：冰渣、粗糙、分层、化快、风味不足、膨胀率异常等技术问题。
产品落地与培训支持
完成小试 — 中试 — 门店量产落地，输出配方卡、操作手册、成本卡；
对生产 / 门店人员进行技术培训、操作指导，保证全国 / 全渠道口味一致。
市场与竞品调研
跟踪国内外 Gelato / 冰淇淋行业趋势、竞品口味、原料技术、消费偏好；
输出研发建议，支撑产品上新与品牌差异化。
合规与品控
确保产品符合食品安全法规、标签规范、过敏原管理；
建立产品留样、测试、稳定性评估机制。