薪酬概览
平均月薪
¥6900
中位数 ¥7000 ｜ 区间 ¥5500 - ¥8300
数据来源：样本数量过少，仅供参考；更新时间：2026年7月13日
月薪分布
87.5% 人群薪酬落在 0-8k
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
10月新增岗位
11
对比上月：岗位减少2
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 |
|---|---|---|
| 不限经验 | 11 | 100% |
热招职位
施工员（暖通）6-8K/月
技能要求：
施工管理
技能要求：
施工，地源热泵
技能要求：
项目管理，暖通，地源热泵
1.全面主持项目部工作作（成本、质量、安全、进度、劳务、回款以及成本控制），根据授权范围对自开工准备至竣工验收，实施全过程管理，将施工任务具体工作落实到责任人。
2.负责牵头落实对项目部以及劳务队伍的施工组织设计、施工方案以及安全进行交底。
3. 加强与业主监理沟通，全面落实施工组织设计及施工方案，及时完成业主、监理和公司提出的各项整改措施、及时办理各类签证、及时收回各类工程款项（进度款、结算款、质保金）。
4.负责工程项目全过程的施工成本控制，接受成控部、总师办的监督和指导。
5. 负责落实施工过程资料的编制、收集和上报存档，编制工程竣工结算并上报公司成控部审核。
6. 按照公司制度要求，加强施工现场材料的管理。
岗位要求：
1.暖通相关专业，本科及以上学历；
2.有3年及以上项目现场施工及管理经验；
3.适应全国出差；
4.有建造师证书可优先考虑；
5. 负责落实质保期内的工程售后服务；
6.有地源热泵项目和中深层项目的管理者优先。
1、主导燃料电池系统整体架构设计，包括电堆、空气供应、热管理、水管理等子系统的集成。
2、制定技术方案，完成关键零部件的选型与验证，推动产品开发与性能优化。
3、负责燃料电池系统的结构设计与出图，确保设计的可制造性与可靠性。
4、设计并执行系统性能测试，进行指标评估与数据分析，持续优化系统性能。
5、与跨部门团队（如电气、控制、测试）紧密合作，确保系统设计的整体协调与高效运行。
1.负责底盘总布置工作，负责关键硬点分析校核工作，负责各系统干涉校核工作。提供整车参数、外形图、改制方案等。精通汽车行业GB 1589等强制法规。
2、负责底盘车架系统及附件的设计与优化工作，负责车架及附件系统的3D数据、2D图纸、BOM管理、技术文件编写等；负责对车架系统的各项关键性能指标制定和达成。
3.负责车架系统的采购、试制、试验和验证工作，负责电气、热管理、制动等系统在车间上安装的零部件支架的设计，负责技术文档的维护更新；
4.参与汽车底盘开发项目，参与样车试制；负责整车、车架系统及附件的试制、装配，设计问题的分析、整改；
4.有独立设计舱门的设计经验，能独立选型适配各类舱门锁具。熟悉钣金件、机加件类零件的设计，了解加工工艺及整机装配工艺
5.能承接其他新产品的结构件设计工作。负责领导安排的其他工作。
职位要求
本科及以上学历，以车辆工程、计算机科学、软件工程、自动化、通信工程及相关专业为主；
熟悉自动驾驶系统（感知/决策/控制/模型）及仿真工具链；
掌握Python或C++，具备Linux操作能力；
有L2/L4测试经验者优先(数据驱动仿真、端到端模型闭环评测)；
有自驱力与责任心，逻辑严谨，对工作成果负责，能够在快节奏的项目周期中主动承担任务；
具备跨团队沟通能力，能与各个不同部门高效协同。
一. 网络运维与稳定性保障
1.负责公司内部网络日常运维管理，保障网络架构的高可用性与稳定性；
2.参与企业级网络架构设计与实施及技术方案落地；
3.快速响应并处理网络故障，主导故障排查、根因分析及应急处置，提升系统恢复效率；
4.跟踪主流网络技术发展趋势，持续提升技术能力。
二. 网络项目实施与交付
1.制定并输出标准化的技术实施文档、网络规范及运维手册，规范项目流程；
2.协助团队技术能力提升，通过项目实战进行技术分享与经验沉淀；
3.编写技术文档、操作手册及应急预案，参与网络设备过保替换、无线网络优化等网络项目的实施与交付。
三. 运维监控及自动化
1.负责公司内部网络基础设施的日常监控、维护与优化，保障网络高可用性与稳定性，整合监控、告警、指标采集及自动化运维工具能力；
2.建立统一的网络可观测性指标体系，实现对网络运行状态的实时监控、数据化管理及可视化展示；
3.推动网络运维自动化与智能化，参与编写脚本或使用运维工具提升运维效率。
1.负责集团信息安全体系的规划、建设、实施和优化；
2.建立信息安全标准及规范，并定期进行梳理，监督检查信息安全保障工作；
3.对接上级监管机构，组织开展集团内部的信息安全检查及评估工作，并负责监督和实施整改过程；
4.推进公司内部数据安全、应用安全、终端安全及安全运营相关能力的体系化建设，参与评估信息化建设项目中的安全方案，组织实施信息安全项目建设和维护，管理信息安全专用设施（包括EDR、态势感知、漏扫、WAF、零信任、ASM等）；
5.制订网络安全应急措施，完善应急机制，定期开展应急演练，提升集团安全应急管理能力；
6.组织信息安全培训，推行员工信息安全意识宣贯。
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
LongCat 是美团基础研发自主研发的大模型，覆盖语言、视觉、语音、具身全栈。LongCat 相继推出 LongCat-Flash、LongCat-Flash-Thinking、LongCat-Flash-Omni 等系列模型，正在构建具备世界模型能力的通用智能系统加入团队你将参与如下工作1. VLA 基座模型演进，探索下一代视觉-语言-动作（VLA）底座，攻克跨本体与跨任务泛化的瓶颈。
2. 世界动作模型（World Action Model, WAM）构建，探索全新的 WAM 核心架构设计，利用视频生成，扩散底座进行时空推演与物理规律自学习，转化为低阶动作序列的最优闭环决策。
3. 具身强化学习， 研发面向复杂长程任务的大规模强化学习框架，提升模型在物理世界中的动态容错与自主策略修正能力。
【为什么是我们】1.全栈顶配算力支持，依托美团大规模算力集群，提供千卡至万卡级算力支持，具备成熟的分布式训练与低延迟推理优化栈，保障 世界动作模型与 VLA 大规模训练。
2.与优秀人才同行，你将与行业顶尖的大模型研究员及机器人领域专家并肩作战，共同攻克具身智能的技术难点。