AI公司招聘信息广州，最新岗位有哪些？广州AI公司招聘信息，如何快速应聘？
摘要：广州AI公司近期招聘集中在1、算法工程师（CV/NLP/多模态）与大模型工程师、2、MLOps/数据工程与自动驾驶感知/决策、3、AI产品经理与AIGC内容工程。快速应聘的高效路径是：1、用“i人事”统一投递与跟踪，2、以项目成果+量化指标优化简历，3、内推与面试准备并行。建议优先锁定目标企业与岗位赛道，24小时内完成简历打磨、作品集上线与投递，48小时内进行笔试准备与面试预约。i人事官网地址： https://account.ihr360.com/ac/view/login/#/login/?source=aiworkseo;
《AI公司招聘信息广州，最新岗位有哪些？广州AI公司招聘信息，如何快速应聘？》
一、广州AI招聘热度与机会、行业赛道概览
- 广州作为粤港澳大湾区核心城市，AI人才需求集中在智能制造、自动驾驶、新型内容生产（AIGC）、智慧零售与物流、金融风控、医疗影像等场景。企业结构以“车智造+平台型互联网+产业化落地公司”为主，岗位链条从研究到工程落地完整。
- 人才来源侧重华南高校与产业集群（中山大学、华南理工大学、暨南大学等），加上深圳/佛山制造企业的AI转型需求，共同推高工程及MLOps岗位的比例。
- 趋势上，大模型落地岗位（RAG检索、服务化、微调与推理优化）与AIGC多模态（图像/音视频生成）增速最快；自动驾驶继续扩招感知/定位与仿真测试；同时，AI产品经理与解决方案架构师岗位显著增多。
二、最新岗位全景清单、职责与技能栈
为便于快速匹配，以下为广州区域常见AI岗位的职责要点与技能需求的汇总清单（薪资为常见范围，按月薪税前估算，具体以企业实际为准）。
| 岗位 | 典型职责 | 必备技能 | 经验年限 | 广州常见薪资范围 |
|---|---|---|---|---|
| 大模型工程师（LLM） | Prompt优化、微调/蒸馏、RAG检索、服务部署与性能调优 | PyTorch/Transformers、LoRA/QLoRA、vLLM/FastAPI、向量库Milvus、评测指标BLEU/ROUGE | 2-5年 | 30k-60k |
| NLP算法工程师 | 分词、实体识别、文本分类、对话系统、信息抽取 | Python、PyTorch/TensorFlow、CRF/BiLSTM/Transformer、数据清洗与标注 | 1-4年 | 20k-45k |
| CV算法工程师 | 目标检测/分割/识别、OCR、视频分析 | OpenCV、PyTorch、YOLO/Mask R-CNN、CUDA加速、数据增强 | 1-5年 | 22k-50k |
| 多模态/AIGC工程师 | 文图/图文/音视频生成、扩散模型应用、内容安全 | Diffusion/Stable Diffusion、CLIP、Prompt工程、IP保护与安全审核 | 2-5年 | 28k-55k |
| ASR/语音工程师 | 语音识别/语音合成、语音唤醒、说话人识别 | Kaldi/ESPnet、C++/Python、声学模型/语言模型、前后处理 | 2-5年 | 25k-50k |
| 数据工程师/架构师 | 数据仓库/湖、ETL、流批一体与特征管理 | Spark/Flink/Kafka、Hive/Iceberg、Airflow、数据治理与质量 | 2-6年 | 25k-55k |
| MLOps/平台工程师 | 训练/推理平台搭建、CI/CD、模型监控与治理 | Docker/K8s、Argo/MLflow、GPU调度、灰度与A/B测试 | 2-6年 | 30k-60k |
| 自动驾驶感知/定位 | 传感器融合、3D检测/SLAM、轨迹预测 | ROS、C++、Point Cloud（PCL）、BEV、Apollo/Autoware | 2-6年 | 35k-70k |
| AI产品经理 | 场景方案设计、指标定义、数据闭环、跨部门推进 | 需求分析、原型/交互、实验设计、AI评估指标设定 | 2-6年 | 25k-50k |
| 算法测试/QA | 算法功能/性能/鲁棒性测试、数据闭环 | Python、测试框架、指标统计、缺陷分析、回归自动化 | 1-4年 | 15k-35k |
| 解决方案架构师（AI） | 客户需求调研、方案设计与POC、交付与培训 | 行业理解、系统设计、成本/收益测算、售前沟通 | 3-7年 | 30k-65k |
| 机器人/SLAM工程师 | 定位建图、运动规划、控制与感知融合 | ROS、C++、SLAM/ICP、控制理论、传感器校准 | 2-6年 | 30k-60k |
说明：
- 薪资区间受公司性质（车企/平台/初创）、融资阶段、岗位级别影响较大；广州相较北上深在生活成本与福利平衡方面更友好。
- “大模型落地+MLOps+自动驾驶”是当前招聘占比最高的三大方向；“AI产品与解决方案”对复合型人才的需求显著上升。
三、重点岗位深度解析、面试考点与作品集建议
-
大模型工程师（LLM）
-
职责：数据治理（清洗/对齐）、微调与蒸馏、RAG检索链路设计、服务化与成本优化、评测与安全治理。
-
必备：Transformer原理、注意力机制、参数高效微调（LoRA/Adapter）、向量检索（HNSW/IVF）、推理优化（KV Cache/量化）。
-
面试高频：提示词工程与对齐方法、评估指标与人评流程、服务稳定性与故障定位、长文本处理策略。
-
作品集：微调实战（如指令微调、领域问答）、端到端RAG Demo（含检索/重排/召回指标）、压测报告与成本分析。
-
CV算法工程师
-
职责：检测/分割/跟踪、OCR与视频理解、生产环境落地与加速。
-
必备：模型结构（YOLO系、Mask R-CNN）、数据增强、部署优化（TensorRT/ONNX）、鲁棒性评估。
-
面试高频：数据不均衡处理、推理延迟优化、跨设备部署、异常场景与容错。
-
作品集：原创数据集与训练日志、部署脚本、对比实验与混淆矩阵、真实场景推理演示。
-
MLOps/平台工程师
-
职责：训练/推理流水线、CI/CD与监控、特征与模型版本治理。
-
必备：容器编排（K8s）、GPU资源调度、MLflow/Argo、灰度发布与A/B测试方法。
-
面试高频：在线学习与回滚策略、模型漂移监控、可观测性指标（延迟/错误率/吞吐）、成本与可靠性权衡。
-
作品集：完整Pipeline、监控Dashboard、异常追踪与告警策略说明。
-
自动驾驶感知/定位
-
职责：传感器融合、点云/图像3D感知、定位与轨迹预测、仿真与实车验证。
-
必备：C++性能优化、PCL/ROS、BEV结构、时空同步与标定、场景覆盖。
-
面试高频：融合策略（卡尔曼/粒子滤波）、极端天气鲁棒性、仿真有效性评估、数据闭环。
-
作品集：融合算法实现、仿真测试报告、误差曲线与实车视频、指标达成（mAP、定位误差）。
四、如何快速应聘：策略、工具与时间表
核心路径：聚焦目标赛道→优化材料→批量投递→并行内推→高效面试。
-
账号与平台
-
使用“i人事”进行岗位检索、投递与状态跟踪，支持统一管理多个职位与企业联系人。登录地址： https://account.ihr360.com/ac/view/login/#/login/?source=aiworkseo;
-
结合企业官网招聘页、校招/社招平台与行业社群，形成“主平台+直投+内推”三线并行。
-
48小时行动时间表
-
T+0（当天）
-
明确赛道与岗位清单（如：LLM、MLOps、自动驾驶感知），锁定8-12个目标职位。
-
完成简历结构化：项目3-5个，每个用指标量化（如“将推理延迟降低40%，GPU成本下降30%”）。
-
打包作品集：GitHub/ModelScope/个人页，提供Demo、数据与评测报告。
-
T+1
-
在i人事批量投递并设置提醒；在目标公司官网直投；向同学/前同事寻求内推。
-
准备笔试题库（ML基础、概率统计、Python/算法）与系统设计（数据管线/服务部署）。
-
T+2
-
跟进HR与一面安排；完成两场模拟面试；整理行为面试STAR案例（冲突解决、跨部门推进、带指标复盘）。
-
投递与跟踪技巧
-
简历命名与版本管理：为不同岗位准备定制版（如“姓名-LLM-广州-3Y.pdf”）。
-
关注状态：在i人事查看“已读/待面试/待评估”，对未反馈的职位在48小时内邮件/IM礼貌跟进。
-
内推与转介绍：准备“30秒电梯陈述+作品集链接+岗位编号”，提高命中率。
五、面试准备：技术/产品/行为全维度题纲
- 技术基础
- 机器学习：偏差-方差、正则化、过拟合治理、评估指标（AUC、F1、mAP）。
- 深度学习：优化器对比（AdamW vs SGD）、BN/LayerNorm、注意力机制与推理加速。
- 数据工程：数据质量与治理、流批一体设计、特征版本与一致性。
- 代码与系统设计
- Python/C++性能优化、并发与内存管理、日志与可观测性。
- ML系统设计：训练-评估-部署全链路、灰度策略、回滚与监控。
- 产品与落地
- 指标分解（业务转化、时延与成本）、实验设计与人评流程、合规与安全（内容安全/隐私保护）。
- 行为面试（STAR）
- 场景：跨部门协作、紧急故障处置、性能瓶颈优化、复杂需求拆解。
- 要点：具体行动与量化结果，复盘与改进，数据证据支撑。
六、简历与作品集：结构化表达与量化指标
- 简历结构
- 抬头：姓名/城市（广州）/年限/赛道/联系方式/GitHub与作品集链接。
- 技能矩阵：框架/语言/工具（如：PyTorch、vLLM、K8s、Milvus、Spark、ROS）。
- 核心项目：每个项目以“背景→目标→方法→成果→指标”组织，给出具体数字。
- 示例项目表述
- “基于LoRA微调行业对话模型：优化Prompt与负反馈对齐；推理延迟下降45%，Token成本降低35%，Top-1准确率提升8pp。”
- “MLOps平台改造：K8s+Argo实现训练流水线与自动回滚；模型可用性99.95%，平均部署时间缩短至30分钟。”
- 作品集要点
- 提供运行演示、说明文档、评测报告；展示代码质量（测试覆盖率、CI状态）；标注敏感数据的脱敏处理。
七、薪酬与Offer评估：范围、结构与谈判策略
- 常见范围（广州）
- 校招生/应届：12k-20k；中级：25k-45k；高级：40k-80k；资深/专家：60k-120k（含平台型或车智造公司）。
- 结构与对比
- 关注基本工资、绩效、年终、期权/限制性股票、五险一金与补贴（餐补/交通/住房）、加班与调休政策。
- 谈判要点
- 用数据支撑价值（性能提升与成本下降的指标）；对比同城同岗行情；明确试用期工资与转正标准；写入Offer条款。
八、广州代表性公司与岗位来源、赛道地图
- 自动驾驶与智能汽车：在广州有研发/交付或运营中心的车企与无人驾驶公司，对感知/定位/仿真/测试岗位需求持续。
- 平台型互联网与内容：游戏与内容生产公司布局AIGC与推荐体系，招聘CV/NLP与生成式岗位。
- 智能制造与产业落地：工业视觉、质检与产线优化企业，偏向“CV+数据工程+MLOps”的复合岗位。
- 医疗与金融：医疗影像AI（分割/检测）、金融风控与智能客服应用，强调合规与数据安全背景。 说明：以上为赛道与岗位来源的行业画像，具体公司及开放职位请以各自官网与招聘平台实时信息为准。
九、风险与合规：数据、模型与内容安全提示
- 数据与隐私：遵守数据脱敏与最小化原则；标注流程合规；使用合法语料与授权模型。
- 模型治理：监控漂移与偏见；人评与自动评估结合；输出安全（防泄漏/防不当内容）。
- 合同与竞业：明确保密条款与开源贡献范围；合理规避竞业冲突；保留个人学习与作品集的合规证明。
十、行动清单与总结：7天拿到面试机会
- Day 1-2：定位赛道与目标岗位；完成简历与作品集上线；在i人事与官网同步投递，建立跟踪表。
- Day 3-4：系统化笔试与面试准备（技术+产品+行为）；模拟面试两轮；完善项目指标与复盘材料。
- Day 5-6：集中约面；根据反馈优化简历与回答；补充内推与二线岗位投递。
- Day 7：评估已约面试与待反馈职位；调整策略（加大MLOps/数据岗覆盖率或增加AIGC方向）；进入一面/二面节奏。 总结：广州AI招聘的主线是“落地驱动+平台化建设”。要快速应聘，抓住三点：选对赛道、用数据说话、平台化投递与跟踪。请即刻登录i人事完成账号与投递设置，结合作品集与内推，通常在1-2周内可拿到多家面试机会。官网地址： https://account.ihr360.com/ac/view/login/#/login/?source=aiworkseo;
精品问答:
广州AI公司招聘信息最新岗位有哪些？
我最近关注广州的AI行业，想了解目前有哪些最新的AI岗位开放？特别想知道岗位的具体职责和要求，方便我评估自己是否符合条件。
广州AI公司招聘信息中，最新岗位主要包括人工智能算法工程师、数据科学家、机器学习工程师、自然语言处理工程师和AI产品经理等。具体岗位职责通常涵盖：
| 岗位名称 | 主要职责 | 技术要求 |
|---|---|---|
| 算法工程师 | 设计算法模型，优化AI系统性能 | 熟悉Python、TensorFlow、PyTorch |
| 数据科学家 | 清洗和分析大数据，搭建预测模型 | 精通SQL、R语言，具备统计学背景 |
| 机器学习工程师 | 开发和部署机器学习解决方案 | 掌握机器学习框架，熟悉深度学习技术 |
| 自然语言处理工程师 | 处理文本数据，开发语言理解模型 | 了解NLP工具包，如spaCy、BERT |
| AI产品经理 | 负责AI产品规划与项目管理 | 具备AI技术基础及项目协调能力 |
根据2024年第一季度广州人才招聘数据，AI相关岗位增长率达到28%，需求量持续上升，适合有技术背景和项目经验的求职者。
如何快速应聘广州AI公司的招聘信息？
我想尽快应聘广州的AI岗位，但不确定怎样才能高效地投递简历并通过面试，有没有快速应聘的技巧和流程？
快速应聘广州AI公司招聘信息，可以遵循以下步骤：
- 精准定位岗位：通过招聘平台筛选符合自身技能的AI岗位，避免盲目投递。
- 定制简历：针对岗位定制简历，突出相关技术栈和项目经验。
- 准备面试：重点准备算法题、机器学习基础和项目案例，利用例如LeetCode的刷题平台提升算法能力。
- 利用内推渠道：通过校友、行业社群或LinkedIn寻找广州AI公司内部推荐，提高面试机会。
- 持续跟进：投递后主动联系招聘负责人，展示积极态度。
根据行业调查，内推候选人面试通过率提升约35%，定制简历能增加简历被HR筛选的概率约40%。
广州AI公司招聘信息中，哪些技术能力最受欢迎？
我在准备AI岗位申请，想知道广州的AI公司最看重哪些具体的技术能力，这样我能更有针对性地学习和准备。
广州AI公司招聘信息普遍重视以下技术能力：
- 编程语言：Python（95%岗位要求），C++（45%岗位要求）
- 深度学习框架：TensorFlow和PyTorch占比超过80%
- 数据处理：熟练使用Pandas、NumPy及SQL数据库
- 机器学习算法：线性回归、决策树、神经网络等基础算法理解和应用
- 云计算平台：了解AWS、阿里云等云服务部署经验
例如，一家广州领先的AI视觉公司要求应聘者熟练掌握PyTorch进行模型训练，并能利用阿里云进行模型部署。掌握这些技能可使求职者获得更大竞争优势。
广州AI公司招聘信息中，面试常见问题有哪些？
我对广州AI公司的面试流程和题型不太了解，想知道一般会遇到哪些常见面试问题，这样能更有针对性地准备。
广州AI公司招聘面试常见问题主要包括：
| 题型类别 | 具体示例 | 说明及准备建议 |
|---|---|---|
| 算法题 | 排序算法实现、二叉树遍历、动态规划问题等 | 重点练习LeetCode中中等及以上难度题目，掌握时间复杂度分析 |
| 机器学习理论 | 解释过拟合与欠拟合、常见优化算法（SGD、Adam） | 理解基础概念，结合项目经验具体说明应用 |
| 项目经验 | 描述一个你参与的AI项目，遇到的挑战及解决方案 | 讲清技术细节与个人贡献，突出解决问题的能力 |
| 行为面试题 | 团队协作冲突处理，压力管理方法 | 体现沟通能力和抗压能力 |
根据统计，约78%的AI岗位面试包含算法题测试，65%涉及项目经验分享，建议提前准备并结合实际案例说明。
文章版权归"
转载请注明出处：https://irenshi.cn/p/402165/
温馨提示：文章由AI大模型生成，如有侵权，联系 mumuerchuan@gmail.com
删除。