中国通号
人工智能研发工程师(J10411)
人工智能研发工程师(J10411)
发布于 大约 2 小时前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
PyTorch
GO
TensorFlow
大语言模型(Llm)
计算机视觉(Cv)
AI 估算 · 20k–40k
北京AI研发岗，央企稳定，薪酬具备竞争力，薪资中上水平。
职位详情
关于这个职位
该职位负责AI算法与软件开发，涵盖大语言模型、计算机视觉等前沿技术，应用于智能运维、智能调度等工业场景
你将参与算法选型、模型构建、系统开发或产品设计，推动AI在真实业务中的落地
适合对人工智能有浓厚兴趣、具备扎实技术基础或产品思维的人才
最低要求
一、人工智能算法方向
硕士研究生及以上学历，计算机、人工智能、数学、自动化等相关专业
具备扎实的机器学习与深度学习理论基础，精通自然语言处理（NLP）、计算机视觉（CV）或传统机器学习某一领域的算法模型
熟练掌握Python及PyTorch等主流框架，具备大模型或视觉相关实战经验者优先
具备较强的逻辑思维、科研能力和实际问题解决能力，跟踪领域最新进展
具有良好的团队协作精神和沟通能力，对工业场景下的算法应用有浓厚兴趣
能够熟练使用AI Coding工具
具备良好的专业英语能力
二、软件开发方向（产品/需求/后端/前端/数据/测试/运维方向）
硕士研究生及以上学历，计算机、软件工程及相关专业背景
具备以下至少一个方向的专业能力：
产品/需求方向：
①熟练使用产品设计与流程梳理工具
②具备优秀的需求分析与文档编写能力，能清晰拆解业务逻辑
③理解大模型或AI技术的基本原理与边界，有 AI 平台、B端管理系统或数据产品设计经验者优先
后端方向：
①精通Java/Go/Python 其中一种语言，熟悉 Spring Boot/Gin/Django等主流框架
②熟悉主流数据库，具备微服务架构、高并发系统设计及Docker/K8s开发经验
前端方向：
①精通 HTML/CSS/JS 和 Vue/React 框架
②具备数据可视化开发经验，或熟悉 WebSocket 进行实时交互开发
数据工程：
①熟练使用Python/Scala/SQL，熟悉主流大数据生态组件
②具备构建大规模数据采集、清洗管道及数仓建模的实战经验
测试方向：
①掌握软件测试理论，熟悉自动化测试框架
②具备 Python 脚本编写能力，有 AI 模型效果评估、性能压测经验者优先
运维方向：
①精通 Linux 系统与 Shell/Python 脚本编程
②熟悉Docker/Kubernetes 容器化技术，有 GPU 集群管理、Prometheus/Grafana 监控配置或 MLOps 平台搭建经验者优先
了解机器学习基本流程及常见AI应用架构，具备良好的系统设计和编码规范
具备较强的学习能力、沟通能力和团队协作意识，能快速适应多任务开发环境
有 AI 行业项目经验或相关开源技术贡献者优先
能够熟练使用AI Coding工具
具备良好的专业英语能力
工作职责
一、人工智能算法方向
跟踪大语言模型（LLM）、计算机视觉（CV）及传统机器学习算法等领域的前沿技术，开展可行性研究与应用评估
结合智能运维、智能调度等业务需求，完成算法选型、模型构建、训练调优及部署方案设计
负责模型在真实工业场景中的开发与验证，持续优化算法的有效性、可靠性与安全性
撰写高质量技术文档与专利材料，为团队技术决策提供专业支持
积极参与技术交流，推动前沿算法在实际业务中的落地转化
二、软件开发方向（产品/需求/后端/前端/数据/测试/运维方向）
负责AI中台、服务平台及行业应用产品的全生命周期建设，根据个人专长承担需求分析、系统开发、数据处理、质量保障或基础设施运维工作
协同完成系统集成、接口联调与技术文档编写，参与全链路性能监控与故障排查
产品方向：负责AI产品的规划与设计，结合人工智能技术特点定义产品路线图
进行竞品分析与创新场景挖掘，产出产品原型与交互设计方案，推动产品从0到1的落地
需求方向：负责业务需求调研与深入分析，充当算法、开发与业务部门之间的桥梁
将模糊的业务场景转化为清晰的功能需求文档，明确系统边界与验收标准
后端方向：实现业务逻辑、数据存储、模型服务封装与部署，保障系统高并发高可用
前端方向：负责AI产品及平台（如大模型交互界面、算法模型可视化系统）的前端架构设计、开发与优化，优化复杂交互体验与海量数据渲染性能
数据方向：构建和维护数据采集、清洗、处理与建模流程，设计并实现离线与实时数据管道，满足模型训练、评估与推理的多样化数据需求
测试方向：建立针对AI系统的自动化测试体系，覆盖功能测试、性能压测及算法效果评估
维护测试数据集，保障版本发布的质量与稳定性
运维方向：负责AI基础设施（如GPU集群、Docker/K8s环境）的部署与维护
搭建MLOps流程与CI/CD流水线，实现模型的一键部署、资源调度与全链路监控
优先资格
有 AI 行业项目经验或相关开源技术贡献者优先
AI 洞察
优缺点分析
优点
- 央企平台，稳定性高，福利待遇好
- 涉及前沿AI技术（大模型、CV等），技术积累丰富
- 业务场景真实，算法落地机会多
- 发展方向多元，可选择算法或工程方向
- 工业场景对算法可靠性和安全性要求高，调试复杂
- 多方向并行，需要快速学习不同技术栈
- 可能需要处理传统系统与AI系统的集成问题
- 适合对AI技术有热情、具备较强学习能力、希望将算法落地于真实工业场景的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术专家路线：深耕算法或工程，成为AI领域权威
- 技术管理路线：从技术骨干成长为技术Leader，带领团队
- 跨领域发展：在算法与工程之间切换，或向产品、架构师方向发展
- 跟踪大语言模型、计算机视觉等前沿技术，进行可行性研究和应用评估
- 结合智能运维、智能调度等业务需求，完成算法选型、模型构建、训练调优及部署
- 根据个人专长，参与AI中台或行业应用产品的全生命周期开发，包括后端、前端、数据、测试或运维
- 撰写技术文档与专利材料，推动前沿算法在工业场景中的落地
- 扎实的机器学习与深度学习理论基础，精通NLP、CV或传统机器学习之一
- 熟练掌握Python及PyTorch等框架，或精通Java/Go/Python及对应框架
- 具备较强的逻辑思维、科研能力和问题解决能力，能跟踪最新进展
- 良好的团队协作和沟通能力，对工业场景AI应用有浓厚兴趣
申请策略
- 关注中国通号在智能运维、智能调度方面的业务，面试时展示结合意向
- 准备一个完整的AI项目案例，从问题定义到部署落地的过程
- 突出相关AI项目经验，尤其是大模型、CV或传统机器学习的实战成果
- 强调编程能力，尤其是Python/PyTorch或Java/Go等语言
- 如有开源贡献或专利，务必列出
- 展示问题解决能力和团队协作经验
- 补充AI Coding工具的使用经验
- 深入学习MLOps或DevOps，提升工程能力
面试指南
- STAR法则：描述情境、任务、行动和结果
- 技术加业务思维：不仅讲技术实现，还要考虑业务价值
- 结构化表达：先给出结论，再分点阐述
- 请介绍一个你参与过的AI项目，从算法选型到部署的流程
- 如何评估大语言模型在工业场景中的可靠性？
- 你在使用PyTorch时遇到过哪些常见问题？如何解决？
- 如何设计一个高可用的AI服务？
- 你对MLOps的理解是什么？如何实现模型持续交付？
职位点评
71
综合评分
央企AI研发岗，前沿技术栈，成长空间大，但工作地点固定且WLB不确定。
更适合这类人
最适合追求技术成长和职业发展的求职者，愿意在稳定平台深耕AI技术。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展85
工作生活50
使命价值70
薪资福利
80较高
该职位为央企社招，薪资福利稳定，五险一金齐全，但未明确具体薪资范围，补偿性动机满足度较高。
薪资信号未披露（AI估算：20K-40K/月）
成长发展
85较高
职位涉及前沿AI技术，有多个发展方向，技术栈丰富，成长空间大，但未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈大语言模型(LLM)、计算机视觉(CV)、PyTorch、MLOps、Kubernetes
成长机会跟踪领域最新进展
业务类型ambiguous
工作生活
50较低
工作地点为北京丰台，现场办公，未提及弹性工作或远程，生活化动机满足度一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
轨道交通智能化具有社会价值，行业增长稳定，但职位描述未强调使命感和创新性。
行业发展稳定成熟行业
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs