阿丘科技
岗位信息
招聘岗位
机器视觉工程师实习
工作城市
苏州
学历要求
本科
是否笔试
未明确
招聘批次
实习
截止日期
2027-09-30
发布日期
2026-09-22
📋 岗位职责 / 任职要求
岗位职责:"岗位职责:
1、算法与模型研发: 参与机器视觉算法开发、模型训练及调优;
2、AI 协同软件开发: 快速熟悉公司现有软件框架,并根据客户需求完成定制化模块的开发;深度应用 AI 编程助手(如 Codex / Claude Code 等)进行高效开发;
3、项目跟进与交付: 负责具体项目的技术跟进、现场调试,参与项目最终交付,确保方案在客户端稳定落地;
4、硬件选型评估: 参与项目硬件选型,包括工业相机、镜头、光源、工控机等视觉组件的性能评估与匹配;
任职要求:1、专业背景: 985本科及以上学历,电子、通信、自动化、计算机等相关专业;
2、行业经验: 具备 上工业自动化或机器视觉/图像处理方面的工作经验;
3、AI工具使用能力(核心): 掌握 C++ 或 C# 或 Python 任一种语言,具有 2 年以上实战经验;必须具备 Codex、Claude Code 等 AI 编程助手的使用经验,应用范围包括但不限于算法研发、工程开发、技术方案撰写等,面试时需展示或详细演示利用 AI 辅助开发/决策的具体过程及最终成果;
4、逻辑与沟通: 拥有良好的逻辑思维能力和跨团队沟通能力;
5、视觉项目背景: 具备视觉项目交付经验,如:熟悉 OpenCV、Halcon 等视觉库的开发应用;或曾使用 YOLO 等深度学习网络完成过项目落地;
6、出差与抗压: 能够接受华东范围内的项目出差,具备较强的抗压能力和独立解决现场问题的能力。"
🏢 企业简介
成立2017 年性质专精特新小巨人总部北京
北京阿丘科技有限公司(简称阿丘科技)成立于2017年,总部位于北京海淀,是一家以工业AI视觉检测为主业的国家高新技术企业,入选北京市专精特新“小巨人”企业。公司核心产品AIDI工业视觉平台面向制造业提供缺陷检测、定位、分类等算法能力,应用于3C电子、新能源、半导体、汽车零部件等产线的自动化质检。阿丘科技核心团队具有清华大学人工智能背景,研发人员占比较高,团队近500人。公司通过软硬一体的视觉解决方案,帮助工厂提升质检效率与良率,是国内工业AI视觉赛道的主要参与者之一。
投递方式
投递入口需登录后查看,登录 / 注册 即可使用🏢 该企业正在招聘的其他岗位
校招宝当前收录 阿丘科技 在招校招岗位 27 条,工作地点覆盖 苏州、北京、武汉、海外、深圳、北京|苏州|武汉|深圳|海外,学历要求含 本科起。以下为最近发布的部分岗位,可一并比较投递。
查看 阿丘科技 全部在招岗位与笔面经 ›
🎯 AI校招画像 (来源:校招宝数据聚合)
🏢 公司文化与工作氛围
JD中文化关键词很少(「团队」「学习」「创新」各3次),但岗位正文写得很有主张,如“大模型不仅是聊天工具,更是重塑工业检测范式的关键变量”“你不是刷榜,而是让大模型理解工业场景的独特语言”,反映技术理想主义+落地导向并存的团队气质。
⏰ 加班情况与工作强度
JD中作息类关键词零命中,作息信息缺失。可核实的客观情况是:工业视觉项目需到客户产线现场调试,出差与驻厂常见;「边缘AI推理优化」岗要求交付生产级C++服务,工程节奏紧。具体作息需面试确认。
💰 薪资待遇与年终奖
库内35条薪资全部为空,是本批30家中唯一薪资完全无数据的雇主之一。按岗位结构(大模型算法、VLM推理优化、计算成像)属高门槛技术岗,但库内无据,一律以官方公告为准,不得推定区间。
🎁 福利体系
福利信息偏薄:体检13次、年终奖13次、带薪年假13次、节日福利13次,其余(五险一金、餐补、住宿、期权)均未命中。四项福利条目在13条岗位中同频出现,属模板化写法,真实性较高但覆盖不全,以官方公告为准。
📋 校招流程经验
JD中流程类关键词零命中(无网申、笔试、面试、offer等表述),无法还原链路。按工业AI公司校招惯例为投递—技术面(含项目深挖与coding)—交叉面—HR面—offer。具体以企业通知为准,库内不足以支撑推断。
🚀 投递建议与避坑指南
投递渠道集中:34条为链接(14条在app135149.dingtalkoxm.com钉钉招聘、13条在cn.aqrose.com企业官网、7条在www.nowcoder.com牛客),1条为公众号通知页。算法岗建议走官网+牛客双通道,牛客岗位页适合附论文或竞赛经历;注意多条岗位在11月24日截止。
👥 员工口碑与离职率评价
库内未收录员工评价原文。可核实信号:2017年成立、近500人、清华AI背景、研发占比高、北京市专精特新小巨人、AIDI平台已在3C与新能源产线批量落地;中型AI公司个人能见度高,但项目交付压力与客户现场出差是常态。
📈 热门岗位方向与招聘趋势
岗位结构清晰显示技术转向:从传统计算机视觉(检测、定位、分类)扩展到多模态大模型、VLM/LLM推理优化、边缘AI推理部署,且明确写TensorRT、vLLM、量化剪枝、KV Cache等工程细节,说明其正把大模型塞进产线边缘设备;同时保留光学与售前方案岗,反映软硬一体交付模式未变。
ℹ️ 信息来源
本条招聘信息由校招宝转载自 公开校招信息平台,版权归原发布方所有,校招宝仅作信息聚合与导航。
该来源未提供原文链接
招聘信息以官方原文为准,投递前请核实截止日期与要求。如涉侵权或信息有误,请邮件联系 kknee@qq.com,我们将在 24 小时内处理。