华为
AI模型研究员
AI模型研究员
发布于 大约 14 小时前普通员工/个人贡献者
深圳市 / 上海市
专家级经验
全职员工
仅现场办公
学历未注明
机器学习工程
Pytorch
多模态
大模型
强化学习
搜索推荐
模型压缩
计算机视觉
语音识别
AI 估算 · 50k–90k
华为高级AI研究员岗位，大模型方向人才稀缺，薪资竞争力强，月薪5-9万，年终奖丰厚。
职位详情
关于这个职位
该职位面向AI领域顶尖研究员，专注于大模型核心技术的研发与落地，覆盖端侧模型、多模态、强化学习、搜索推荐等前沿方向
你将参与从模型架构创新到训练优化的全流程，有机会在华为昇腾平台上实现技术突破并发表顶会论文
适合具备扎实科研功底和强烈创新精神的候选人
最低要求
【端侧大模型】
计算机科学、人工智能、软件工程、电子信息、自动化、统计数学等相关专业，在顶会有高质量学术产出
深入理解 Transformer 架构及主流 LLM 训练技术栈，对大模型底层原理有透彻理解
具备在 MoE、稀疏/线性注意力、KV Cache 优化、投机推理、蒸馏等模型小型化相关研究或实践经验
【AI模型评测】
教育背景：计算机科学、人工智能、数据科学、软件工程、统计数学等相关专业
精通Python等编程语言，熟悉深度学习框架，具备软件工程和算法实现能力
具备较强的学习力、自驱力、团队协同和责任意识
【大模型数据技术】
计算机科学、人工智能、数据科学、软件工程、统计数学等相关专业
具备软件工程和算法实现能力，熟悉模型架构、数据工程、深度学习框架和分布式并行软件开发环境
具备较强的学习力、自驱力、团队协同和责任意识
【搜索推荐】
计算机科学与技术、软件工程、人工智能、控制科学与工程、数据科学与大数据技术、自动化（偏AI控制方向）等相关专业
深入理解主流搜索/推荐模型（如FM、DSSM、DIN、Transformer等），具备优秀的建模思维和机器学习基础
系统与工程能力强，精通Python/C++等，掌握至少一种深度学习框架，具备模型训练、上线、性能调优等完整落地经验
具备性能意识，理解关键算子（如embedding、attention、topk等）对延迟/QPS的影响，具备协同优化模型结构与部署效率的能力
具有优秀的产品意识与协作能力，具备业务理解能力，能将算法与业务目标对齐，并与产品、后端、运营等多团队高效配合推动方案落地
【AI算法】
计算机科学、人工智能、数据科学或相关专业
具备优秀的代码、数据结构和算法能力，熟悉Pytorch等深度学习框架
具有音频回声消除、多麦克风处理、语音唤醒、说话人识别、语音识别、语音合成、语音情感识别、语音大模型、多模态语音大模型、智能体等语音方向研究经历，了解计算机视觉、自然语言处理、机器学习、语音处理等基础知识
良好的问题解决能力和团队协作精神，能够在快节奏环境中工作
英语阅读和写作能力良好，能阅读AI相关论文和技术文档
【后训练与强化学习】
计算机科学、人工智能、数据科学、软件工程、统计数学等相关专业
具备软件工程和算法实现能力，熟悉模型架构、深度学习框架、强化学习算法
具备较强的学习力、自驱力、团队协同和责任意识
【多模态大模型】
人工智能、计算机视觉、自然语言处理或相关领域
深入理解多模态学习理论，包括注意力机制、Transformer架构和多模态预训练模型
有独立发表顶级会议/期刊论文的经验，证明在多模态AI领域的创新能力
熟练使用深度学习框架（如PyTorch），并具备大规模模型训练经验（e.g., 使用TPU/GPU集群）
强烈的科研热情和批判性思维，能够独立设计实验并解决复杂问题
优秀的英语沟通能力，能参与国际学术交流和报告撰写
【Agent技术】
计算机科学、软件工程、人工智能、机器学习、自动化等相关专业
具备扎实的代码工程能力和系统开发经验，熟练掌握Python/Pytorch算法实现和实验能力，了解VeRL/LLaMA-Factory/Swift等训练框架以及Claude code和OpenClaw等智能体框架
具备较强的问题拆解能力、工程交付意识和团队协作精神，能够快速响应业务需求，推动技术方案从设计到落地的全周期高效执行
【语言大模型】
人工智能、机器学习、自然语言处理、计算机科学、应用数学、应用物理等相关专业
具备扎实的算法和代码实现能力，深入理解以Transformer为代表的大语言模型架构，熟悉主流AI框架及分布式训练/推理技术
具备出色的学习能力、自驱意识、团队协作精神，能够独立开展创新性研究，并带领团队突破关键技术难题
具有大模型架构设计、长序列处理、高效训练与推理等方面的深入研究经验
或具有代码大模型、软件工程全生命周期智能化方向的研究经验
【空间智能】
计算机、人工智能、数学、控制科学与工程、机器人学、自动化等相关专业
具备出色的代码编写和算法实现能力，熟悉Pytorch、Megatron等开源训练框架
具备出色的学习能力、自驱意识、团队意识和责任意识，能够积极参与团队协作，快速适应技术迭代
工作职责
【端侧大模型】
负责语言及多模态基础模型的全生命周期开发，优化从预训练到微调的训练流程，在长文本处理、复杂逻辑推理等端侧痛点领域提出原创性算法并推动落地
研发下一代高效率模型架构（如轻量化 MoE、高效 Attention 变体），通过架构创新、蒸馏与量化方面的创新应用，实现大模型认知能力向入端模型的高效无损迁移，提升计算能效比
深入探究轻量化模型在数据规模、参数配比与训练时长之间的最优平衡点，寻找提升小模型“智能上限”的理论边界，为入端模型的规模化演进提供科学指导
针对端侧资源限制，确保模型在受限硬件环境下的推理效率与性能表现，保持技术领先性
【AI模型评测】
系统性地研究大模型评测理论和技术，建立系统性评估方法和指标
构建面向AGI的高难度和应用场景相关的Agent评测Benchmark
研究评测集评估，泄漏检测，评测集泛化，评测结果自动化分析算法，支持科学，全面，高效地评测
【大模型数据技术】
围绕语言、多模态和空间智能数据技术，持续提升预训练/后训练数据的构建、质检、分析和验证能力，支撑基础模型训练和行业模型调优所需的高质量数据生产
研究数据合成/仿真技术，构造长上下文理解、长轨迹交互等高阶数据，强化内容质量、知识密度和任务复杂度，拓展模型能力上限
研究数据课程方法，面向应用需求增强领域数据，优化多领域、多模态、多任务数据的采样/配比方法，通过先导验证提升基础模型的数据效能
构建大模型数据工程和数据飞轮的关键工具与平台能力，提升数据技术的创新验证效率，支撑规模化数据生产、验证和版本管理
主导业界前沿技术分析和规划，与领军专家和科研团队合作创新，探索大模型数据技术前沿，提升技术竞争力与影响力
【搜索推荐】
负责核心算法设计与迭代，负责搜索/推荐系统中召回、排序等模块的算法设计、训练与优化，持续提升点击率、转化率等业务核心指标
探索个性化生成式模型方案，包括搜索/推荐领域下生成式模型结构优化、训练范式设计、多目标对齐、推理能力激活等方向，设计有scaling能力的模型方案
设计性能优化与系统部署方案，深度参与数据工程、训练推理优化、模型部署、和算子性能分析，进行硬件亲和的算法方案设计和链路优化，确保模型在大规模场景下的延迟、吞吐和资源成本可控
设计效果评估与闭环迭代方案，建立算法评估机制，设计并执行A/B实验，推动算法效果稳定迭代与线上持续优化
【AI算法】
决策推理：深耕强化学习与图算法理论，设计创新决策推理框架，解决高维复杂环境下的建模难题
语音语义：负责音频处理、语音处理、语音唤醒、说话人识别、语音识别、语音合成、语音大模型、音频大模型、多模态语音大模型、全双工语音交互、端到端语音交互、语音智能体、语音翻译、声学数据仿真等语音关键技术方向的研发，以及在手机、座舱、手表、PC、耳机、眼镜、全屋、智慧屏、音箱等1+8产品语音助手场景的落地，面向语音助手体验构建关键竞争力
计算机视觉：探索AIGC、3D视觉等尖端方向，研发创新视觉模型，持续刷新相关领域的学术基准（SOTA）
主导业界前沿技术分析和规划，与领军专家和科研团队合作创新，探索大模型数据技术前沿，提升技术竞争力与影响力
【后训练与强化学习】
围绕语言、多模态、Agent能力，探索后训练SFT数据配比、SFT策略、SFT&RL协同策略、RL训练算法
研究面向Agentic（Planning、Tool-use、Skills-use等），Reasoning（STEM、Logic、TIR等）、Coding（Bug-fix、Feature-implementation等）、General（Instruction Following、Hallucination Control、Context Learning、Content Understand and Generation等）等高优场景的针对性Reward System构建、环境模拟、强化学习训练策略
研究强化学习算法、提升强化学习训练稳定性，包括但不限于探索重要性采样策略、细粒度reward设计、Credit Assignment策略、Off-policy Masking等提升RL训推一致性策略
探索Model Merge（模型融合）、On-policy KD（在线蒸馏）、Multi-task RL（多任务强化学习）等专项能力融合策略
【多模态大模型】
领导多模态大模型的创新研究，包括新型架构设计、跨模态融合算法开发和前沿问题探索（如多模态对齐、零样本学习）
设计和执行大规模实验，分析多模态数据的表示学习和生成机制，推动模型在性能上的突破
发表高水平学术论文（如CVPR、NeurIPS、ICLR等会议），并申请相关专利
指导工程师团队，将研究成果转化为可落地应用，提供技术咨询和方案优化
与外部学术机构或企业合作，参与联合研究项目，扩展多模态AI的应用边界
评估新兴技术趋势，进行可行性分析，并制定长期研究路线图
参与内部学术分享和人才培养，提升团队整体研究水平
【Agent技术】
负责记忆管理、自主决策、代码生成相关模块的开发、优化与落地，持续迭代Agent上下文管理、规划推理和工具调用等核心功能，支撑信息获取、应用生成、代码生成、办公文档处理、GUI操控等各类智能体的开发与上线
针对预训练/后训练Agent的开发需求，设计、开发并落地复杂任务规划、Repo级长程轨迹交互、多步工具编排等高价值数据生产管线，优化管线性能与稳定性，强化Agent推理深度、决策鲁棒性及复杂场景适应能力，保障智能体核心能力的落地与拓展
负责Agentic强化学习相关功能开发，包括单Agent和多Agent端到端RL训练模块的编码、调试与优化，构建并落地环境反馈驱动的策略优化机制，提升Agent在复杂决策场景下的泛化能力与决策准确性
【语言大模型】
突破大语言模型架构与基于昇腾芯片的训练技术，深入分析以Transformer为代表的主流模型架构面临的挑战，研究下一代基础模型架构，在长序列处理、高效训练与推理等业务方向上构建核心竞争力
构建代码大模型技术体系，重点突破软件工程全生命周期（包括需求分析、架构设计、代码生成、缺陷检测、自动化测试等）的智能化解决方案
围绕终端智慧助手、软件开发助手等高价值业务场景，针对当前大模型计算复杂度高、长序列存储开销大等挑战，精准识别项目中的高价值需求，与系统、算子团队紧密协同，设计并落地具备行业竞争力的解决方案，为业务创造实际价值
【空间智能】
负责空间智能(含具身、智驾)大模型前沿算法研究，涵盖4D通用表征、空间理解与推理、动作生成等模块的数据生成、算法开发、模型训练优化及评测迭代等工作，持续提升大模型空间智能竞争力
主导细粒度4D空间对齐与推理技术研究，引入4D空间特征编码网络并对齐到LLM语义空间，同时通过DiT/世界模型等技术提升模型的空间推理能力，实现对4D场景的精细化理解
主导构建大模型的时空间理解与推理能力，实现快慢思考自适应切换，基于CoT压缩与推理加速、高质量CoT生成、强化微调等技术，在保持因果推理能力的同时降低时延，应用于自动驾驶与具身智能
探索VLA, VLN, World Model, Agent, 强化学习, 迁移学习等应用于自动驾驶、具身智能的关键技术点，实现安全高效的动作生成，提升自动驾驶在复杂场景下的推理、规划和决策能力，以及机器人各类应用的通用技能
协同团队推动算法落地应用与技术竞争力构建：包括大规模数据采集与生成、Sim-to-Real迁移、真机部署等工作，搭建空间智能/具身智能技术平台，确保技术方案领先性与差异化
把握并引领业界和学术界最新研究进展，参与业界顶会，将前沿成果融入研发
优先资格
【端侧大模型】
熟悉语言大模型、多模态大模型、深度神经网络、和机器学习算法等的至少一种，能够针对芯片硬件特点提出算法特点设计者优先
【AI模型评测】
具备语言/语音/多模态/空间智能相关模型训推、部署经验，掌握数据处理、分析或模型验证的相关方法和工具者优先
在领域顶级会议（如NeurlPS, ICML, AAAI, VLDB等）发表论文，或有相关实习经验/高水平竞赛（如ACM, ICPC等）获奖经历者优先
【大模型数据技术】
具备语言/语音/多模态/空间智能相关模型训推、部署经验，掌握数据处理、合成、质检、分析或模型验证的相关方法和工具者优先
在领域顶级会议（如NeurlPS, ICML, AAAI, VLDB等）发表论文，或有相关实习经验/高水平竞赛（如ACM, ICPC等）获奖经历者优先
【AI算法】
有较强的研究能力，在语音和AI顶级会议期刊InterSpeech/ICASSP/IEEE TASLP、ICML/ICLR/NeurIPS/ACL等发表过具有影响力论文者优先
加分项：有开源项目贡献或相关实习经验
【后训练与强化学习】
具备语言/语音/多模态/空间智能相关模型后训练SFT或RL验证的相关方法者优先
在领域顶级会议（如NeurlPS, ICML, AAAI, VLDB等）发表论文，或有相关实习经验/高水平竞赛（如ACM, ICPC等）获奖经历者优先
【多模态大模型】
加分项：有工业界研究经验、领导过项目，或在知名实验室实习
【Agent技术】
具有Agent应用开发经验者优先，包括但不限于智能体工作流搭建、工具链集成、多轮对话管理、RAG系统、多Agent协作平台等
具备LLM推理优化、高性能服务部署或强化学习工程化经验者优先
具有知名互联网企业或AI公司实习经历者优先
参与过开源项目贡献、技术社区建设或具备实际业务场景落地经验者更佳
【语言大模型】
有昇腾芯片或其他AI加速芯片上的开发和优化经验者优先
在领域顶级会议（如NeurIPS、ICML、ICLR、ACL、EMNLP、NAACL等）以第一作者或主要贡献者发表过多篇高质量论文，或有高水平竞赛获奖经验者优先
【空间智能】
具有大模型预训练/后训练、视频理解模型、3D/4D大模型、多模态对齐、大模型记忆、VLA、具身强化学习等实践经验者优先
在相关方向发表过顶级会议（如NeurIPS、CVPR、ICCV、ICLR、ECCV、ICML、AAAI等）优先
AI 洞察
优缺点分析
优点
- 华为作为科技巨头，提供世界级的研发平台和资源，能够接触前沿大模型技术
- 研究方向多样，可选择端侧、多模态、搜索推荐等热门领域，技术积累价值高
- 薪资待遇优厚，激励机制完善，绩效优秀者有机会获得高额奖金和股票
- 与顶尖科研团队合作，学术氛围浓厚，支持发表顶级论文和专利申请
- 岗位要求极高，需要深厚的学术背景和丰富的实践经验，竞争激烈
- 技术迭代快，需要持续学习，保持对最新研究的敏感度
- 适合拥有顶尖科研背景、热爱大模型技术、具备较强抗压能力和自我驱动力的研究者
缺点 / 挑战
- 华为工作强度较大，尤其在大模型研发中可能面临高压力和高强度时间投入
角色解读
- 从研究员成长为技术专家或项目负责人，带领团队攻克关键技术难题
- 可转向更深层的大模型前沿研究，如AGI、多模态融合等方向
- 在华为平台，有机会参与业界顶尖项目，积累丰富工程落地经验，进而晋升为技术管理或首席科学家
- 负责大模型核心算法的研究与开发，包括模型架构设计、训练优化、推理加速等
- 可专注于端侧模型、多模态、强化学习、搜索推荐等方向，推动AI技术在华为产品中落地
- 参与构建数据生产管线、评测体系，并与团队合作将研究成果转化为实际应用
- 扎实的机器学习/深度学习理论基础，深入理解Transformer等主流模型架构
- 强大的编程能力，熟练掌握Python/PyTorch，具备大规模分布式训练经验
- 科研能力突出，有在顶级会议发表论文或参与高水平竞赛的经验
- 根据方向不同，需要掌握语音、视觉、强化学习、搜索推荐等特定领域的知识
申请策略
- 关注华为招聘流程，了解具体团队方向，可针对性投递
- 在面试中展示对华为业务场景的理解，强调将研究转化为产品的潜力
- 突出在顶会发表的论文、开源项目参与经历，以及大模型相关的研究项目
- 重点展示掌握的框架（PyTorch等）、模型架构和训练技术，以及实际落地案例
- 如有竞赛获奖、专利或业界影响，务必突出，以证明技术深度和创新能力
- 补充强化学习、模型压缩、多模态等细分领域知识，根据目标方向快速充电
- 熟悉华为昇腾平台或CUDA等底层优化，提升模型部署和硬件亲和的实践经验
面试指南
- 回答项目经历时，采用STAR法则，突出技术挑战、个人贡献和成果量化
- 对于技术问题，先阐述原理，再结合具体场景给出策略，展现系统性思维
- 展现学术深度与工程实践的结合，强调可落地性和性能优化意识
- 请介绍你在最近的大模型项目中负责的具体工作、技术难点和解决方案
- 如何设计一个高效的端侧大模型？谈谈模型压缩和量化方法
- Transformer架构有什么局限性？未来可能的发展方向是什么？
- 如何评估一个多模态大模型的性能？你会设计什么Benchmark？
- 在强化学习后训练中，如何解决reward hacking问题？
职位点评
73
综合评分
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
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90
工作生活50
使命价值50
薪资福利
80较高
华为薪资水平在行业内具有竞争力，且稳定性高，福利体系完善，虽JD未披露具体薪酬，但作为巨头企业补偿性回报优厚。
薪资信号未披露（AI估算：50K-90K/月）
成长发展
90较高
该岗位处于大模型技术前沿，涉及多方面创新，能获得顶尖团队指导和快速成长，内部还有技术分享和人才培养机制。
技术前沿前沿/新兴技术
技术栈大模型、Transformer、强化学习、多模态、PyTorch、模型压缩、搜索推荐
业务类型ambiguous
工作生活
50较低
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
50较低
行业发展新兴领域（暂难判断）
社会影响中性/一般
创新程度稳健跟随主流
华为 的其他在招职位
相似职位推荐
Watch Jobs