薪酬概览
平均月薪
¥9000
中位数 ¥9000 ｜ 区间 ¥7200 - ¥10900
数据来源：谈职全网26份招聘数据；更新时间：2026年7月13日
月薪分布
53.8% 人群薪酬落在 8-15k
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
47
对比上月：岗位新增16
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 | 4.8% |
| 1-3年 | 14 | 33.3% |
| 不限经验 | 26 | 61.9% |
热招职位
1. Provide everyday wind technicques and providing wind resource consultation service for all GWI departments.
为GWI各部门提供日常风电技术和风电资源咨询服务
2. Compile reports on sales and wind resource analysis and model-selection.
编制销售报告和风能资源分析及选型报告。
3. Investigate the the wind power sites and compile investigation reports
对风电站点进行调查，编写调查报告
4. "Conduct the microcosmic and spot location-selecting; Compile reports and participate in the appraisal of plans.
进行微观和现场的选址；编写报告，参与计划评审
5. Organize the Guidline management
组织指导方针的管理
6. Organize wind power research and compile research reports
组织风电研究，编写研究报告
7. Collect the market information and technical demand; Provide feedback to directors of departments and information administrator.
收集市场信息和技术需求；反馈给部门主管和信息管理员
8. Provide PC guarantee work，including PC document compile，biding support，investigate the related items of TSA contract
提供PC保障工作，包括PC文件的编写，投标支持，调查TSA合同的相关项目
9. Provide post evaluaiton of Exiting wind farm，PC test assistant
提供现有风电场的后评估，PC测试助理
10. Complete other tasks assigned by Director or the company
完成交办的其他任务
研发新的摄像头ISP图像处理pipeline和计算机视觉算法，以满足感知模型的图像质量要求。与跨职能团队合作，开发核心摄像头ISP/机器学习技术，设计先进的基于视觉的端到端感知模型架构。在主机系统上开发、测试和分析摄像头系统的性能。职位要求：
计算机科学、电气工程或相关领域的硕士及以上学历。深刻理解汽车成像系统的图像信号处理，包括ISP软件栈，比如HDR技术、自动白平衡、tone mapping等。有图像处理相关的机器学习专业知识和实践项目经验熟练掌握Python、C/C++等编程语言。具有使用Nvidia DriveOS NVstreams（或其他供应商如高通、德州仪器、瑞萨、GeoSemi等的开发工具）处理摄像头数据和画质的经验者优先。了解CMOS图像传感器架构和功能安全解决方案者优先
负责车上软件业务系统逻辑的开发，包括业务状态机相关逻辑开发，soc入口gateway业务逻辑开发
主要职责：
实现复杂状态机代码，确保模块功能的可用性和可扩展性。与系统架构师和产品团队协作，分析自动驾驶功能需求，分解为软件实现方案。分析并解决状态切换中的潜在问题，确保驾驶场景下的安全与稳定。撰写状态机设计规范、测试文档和用户手册。soc入口gateway业务逻辑开发跟踪功能开发过程中的关键问题，确保按时交付高质量的代码。任职要求：
计算机科学、电子工程、车辆工程或相关专业本科及以上学历。熟练使用C/C++，熟悉常用设计模式。优秀的逻辑思维能力和问题分析与解决能力。良好的团队协作和沟通能力。具备创新意识和用户体验思维。优先条件：
有ADAS功能开发经验者优先。具备嵌入式系统开发经验。
负责自动驾驶环卫车在ARM平台的适配与性能优化（包括算法latency、cpu及内存使用率）， 解决运营测试过程中遇到的各类 semap 引起的算法adv fault 、node crash等问题。
岗位要求：
1、本科以上学历，计算机相关专业；
2、有丰富的C++ 和 python 开发经验，精通常用的数据结构和算法
3、有系统底层开发经验，较强的工程能力
4、熟悉ROS，Linux 开发环境
5、了解C++的新标准，C++11/C++14
6、熟悉面向对象编程（OOP）
加分项：
1、Top Coder. ACM竞赛获奖者；
2、自动驾驶项目经验；
高精地图和定位团队介绍
如果将无人车和人脑类比，高精地图和定位系统大致对应于后者中掌管空间记忆、感知和定位的部分。它的使命是为无人车提供翔实准确的道路3D几何和语义信息，让无人车对行驶环境了如指掌，从而在其中行动自如，我们同时还负责提供高速、精准的3D定位，让车辆每时每刻都知晓当前的精确位置。高精地图和定位在无人车技术栈中占据着非常重要的位置，感知、规划、控制、仿真等各大模块都要依赖它提供的道路环境以及车辆位置的信息对周围世界进行理解，做出正确的决策。文远知行的高精地图和定位团队和公司一起成长，完全自主构建了大规模高精地图，覆盖中美多个城市超过3000公里道路，提供精确达厘米级的3D结构数据以及车道线、交通信号等大量语义信息。自行研发的定位技术，基于激光雷达、相机、卫星及惯性导航等多传感器融合，能提供实时的厘米级定位，成功实现了在暴雨中自动驾驶穿越1.5公里长隧道。
在人工智能的应用中，高精地图和定位是比较独特的。我们知道，计算机视觉作为人工智能的重要分支，其核心问题分为语义理解和几何理解两大类，前者以解析图像中物体或场景的语义信息为目的，后者的目标则是重构3D场景以及对物体进行3D定位。在高精地图和定位系统中，恰恰这两大类技术都有着非常关键的应用。除此之外，我们还是高精度卫星、惯性导航等硬件的重度用户，多模态信号处理和融合更是我们的核心技术之一。因此，这是一个多学科高度综合的应用，无论你精通深度学习等机器学习技术，还是专攻3D重建、SLAM，又或是信号处理、多传感器融合高手，这里都有你一展身手的广阔空间。同时，我们致力搭建大规模、高可用的高精度地图系统，大数据和全栈开发的编程精英同样能找到用武之地。
岗位职责：
自动驾驶高精地图系统研发，实现大规模分布式建图和快速更新。工作内容包括但不限于：
分布式数据处理系统的构建、性能优化与维护云端建图微服务的构建、部署与维护车载地图相关系统的构建，性能及可靠性优化地图质量评测系统搭建与维护
岗位要求：
熟练使用C++（C++11及以上版本）和 Python，精通常用的数据结构和算法熟悉Linux 开发环境熟悉面向对象编程有较强的工程能力及大型系统开发经验热爱技术、积极主动、思维活跃、学习能力强
加分项：
分布式或大型数据处理系统架构经验熟悉大数据主流技术栈和开源框架数据处理的相关经验，ML/DL、推荐、广告、数据挖掘相关知识和经验深度学习系统的搭建与使用经验
岗位概述
负责公司千卡级 GPU 训练集群的 RDMA/RoCE 网络架构与性能优化。面向大规模分布式训练（PyTorch/NCCL）的高带宽、低延迟、零丢包需求，设计并落地网络流控、拥塞避免与全链路可观测体系，保障 RDMA 网络在极端负载下的稳定性与吞吐效率。
核心职责
1、RoCE 网络流控与拥塞控制
设计并实施 RoCEv2 网络拥塞控制方案，基于 ECN、PFC、DCQCN / TIMELY / Swift 等算法进行场景化选型与参数调优构建网卡与交换机的 QoS 策略体系，包括流量优先级映射、缓冲区管理与流量整形，抑制 Incast 与拥塞扩散针对 AllReduce / AllToAll 等通信模式特征，优化网络侧流控参数，实现训练通信与网络容量的匹配2、网络缓冲区与链路调优
系统调优网卡与交换机的端口缓存、PFC 阈值及 Headroom 配置，适配不同链路距离与 MTU 场景建立训练规模（节点数、并发流数）与网络 buffer 配置的映射模型，推进调优过程的参数化与自动化监控链路级硬件指标（buffer 溢出、Pause 帧、物理层丢包），建立异常阈值告警与自愈机制3、RDMA 全链路可观测与故障定位
构建覆盖网卡、交换机、训练任务的三层可观测体系，实现拥塞事件、通信降速、断流的分钟级定位开发 Pause 帧异常与拥塞根因分析工具，区分 RDMA 训练流量与存储/管理面流量建立 RDMA 网络故障知识库，覆盖 CRC 错误、FEC 纠错、链路降速等典型场景，提升排查效率4、网络与训练协同优化
与调度团队协作，将网络拓扑与实时拥塞状态反馈至调度器，支撑拓扑感知的节点分配与流量避让与训练框架团队协作，优化 NCCL 通信集合与网络拓扑发现策略，降低跨交换机流量解决 VXLAN + RDMA 硬件卸载、容器化网络（SR-IOV / MACVLAN）等复杂场景下的数据面异常与性能回退5、网络工程化与自动化
开发网络配置的统一下发、一致性校验与灰度回滚工具，保障千节点规模下的策略可靠性建立网络性能基准测试与混沌测试体系，验证极端负载下的流控有效性
任职要求
学历：计算机科学、通信工程或相关专业本科及以上学历经验：2 年以上高性能网络 / 数据中心网络 / RDMA 相关开发或运维经验；有大规模 GPU 集群（500+ 节点）网络建设经验者优先技术基础：深入理解 RDMA/RoCEv2 协议栈，熟悉 PFC、ECN、DCQCN 等拥塞控制机制的原理与部署熟悉 Mellanox 网卡驱动生态及相关网络调优工具链，具备 Linux 内核网络子系统实战经验了解 eBPF、DPDK 或具备网络流量分析经验，能够开发自定义监控与诊断工具领域知识：理解分布式训练通信模式（Ring / Tree AllReduce、AllToAll），能将网络行为与训练性能关联分析熟悉数据中心交换机（Mellanox Spectrum / Cisco / Arista 等）的 QoS、ACL、ECN 标记配置了解 GPU 服务器硬件架构（PCIe 拓扑、NIC 部署、NUMA 亲和性）对网络性能的影响
加分项
有 Mellanox CX6 / CX7 系列网卡深度调优经验，熟悉高级 QoS 参数与固件特性具备基于 eBPF 的 RDMA 流量监控或拥塞事件捕获经验有 VXLAN/EVPN + RDMA 硬件卸载、容器化 RDMA（Kubernetes RDMA Device Plugin）部署经验熟悉 NCCL 调试方法或具备 Nsight Systems 网络性能分析经验有网络自动化（Ansible / Python / SONiC）或网络数字孪生（仿真测试）经验
我们提供
核心战场：直接参与千卡级训练集群 RDMA 网络建设，解决拥塞控制、流控风暴、断流定位等业界硬骨头问题全链路视角：与调度器、训练框架、GPU 驱动团队深度协同，从网卡到交换机到应用层端到端优化技术深度：鼓励深入硬件规格、固件参数与协议细节，积累可复用的网络调优方法论与工具链影响力：你的网络策略将直接决定大模型训练的效率与稳定性，工作成果高度可量化
1.落实总行网络规划和制度的实施；
2.承担分行网络和安全设备的日常管理、应急处理、巡检；
3.负责分行网络和安全监控分析、优化网络运行状况；
4.负责分行分支机构网络环境建设；
5.采用各类数字化技术，为分行各业务条线的业务拓展提供技术支持。
1、负责终端产品整机系统架构设计，根据该领域产品所属目标用户以及商业诉求，为产品提供有竞争力的系统架构方案，支撑产品商业成功；
2、围绕消费者体验需求、深入了解产业链技术动态，通过原型机及关键技术预研，提前构建技术解决方案，以及探索技术和工程边界；
3、参与试制验证及上市后的质量与体验改进，同时在下一代产品上从架构和系统方案层面做好持续改进。
1、主导手机NFC模块的全生命周期测试，包括硬件、协议栈、应用场景（支付/数据传输/门禁等）的测试方案设计和测试建设落地；
2、建设自动化测试方案，梳理需求交由自动化团队实现并落地，优化NFC测试环境，提升测试效率；
3、深入分析测试数据，定位NFC功能、稳定性、兼容性、功耗、温升等问题的根本原因，推动研发团队解决；
4、负责NFC相关国际标准认证（如NFC Forum、EMVCo、Felica等）的测试与合规性验证；
5、针对目标市场输出并落地调研，总结调研数据分析各市场差异，建设差异场景体验优化；
6、跟踪行业技术动态，输出技术预研报告并推动落地。
1、本科及以上学历，计算机相关专业；
2、具备编程思维，至少使用过一门开发语言（C/Java/Go/Python），有过开发部署经历，熟练使用AI Coding；
3、了解安全攻防原理与流程，理解渗透、防御策略、日志分析、应急响应的核心逻辑，善于利用 AI 高效完成安全工作；
4、具有逆向思维和安全敏感度，善于利用 AI 工具举一反三解决未知安全问题；
5、熟悉 Prompt Engineering，能设计高效提示词驱动 AI 完成专业安全分析任务。
三. 加分项
1、有超过20 star的AI生态项目。
2、在公开场合做过信息安全分享演讲(100人以上)。