主分类：AI训练数据标注与评测运营
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "晓天衡宇-AI数据标注专家-芯片设计（EDA）",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "晓天衡宇",
"location": "杭州",
"work_mode": "未披露",AI生成
"job_category": "硬件研发"AI生成
},
"company": {
"company_name": "阿里巴巴控股集团",
"company_industry": "电子商务 / 云计算 / 人工智能",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "阿里巴巴集团面向消费者和企业提供电子商务、云计算及人工智能服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 3,
"degree": "本科及以上",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 负责芯片设计（EDA）方向 AI 训练数据的标注管理与质检，把资深芯片工程师的设计与调试经验，转化为大模型可学习的高质量轨迹数据，直接参与“让大模型学会做芯片”这件从 0 到 1 的事。\n2. 面向 RTL 设计与功能验证、逻辑综合 / STA / PnR（QoR 优化）、调试修复（fail→pass 闭环）等环节，设计标注与质检流程，制定 rubric 与验收标准，对题目与轨迹质量把关。\n3. 与平头哥、达摩院等芯片与算法团队深度协作，共同定义 agentic EDA 的能力边界与评测基准，推动模型在真实 EDA 工具链上跑通。\n4. 构建本方向数据质量体系，对题目难度分层、轨迹根因归因负责；把稀缺的芯片工程经验沉淀为可复用的团队方法论。\n5. 管理领域专家团队，统筹任务与产能；成长路径面向 AI + 芯片交叉方向的技术骨干与负责人。",
"requirements_text": "1. 本科及以上，微电子 / 集成电路 / 电子工程等相关专业；3 年以上芯片设计或验证一线经验（RTL 设计、功能验证、DFT、综合 / STA / PnR、模拟 / 混合信号其一）。\n2. 熟悉主流 EDA 工具链与硬件描述语言（Verilog / SystemVerilog / VHDL），能独立判断 RTL 代码、验证平台与 QoR 结果的正确性与优劣。\n3. 认同 AI 正在重塑芯片设计，愿意站到大模型 + EDA 的最前沿；不满足于重复流程，希望把自己的工程判断力放大成模型能力，与顶尖芯片与算法团队一起做别人还没做成的事。\n4. 对数据质量敏感，具备 Python / 脚本能力，能做抽检与一致性分析；了解 rubric / reward modeling 更佳。\n5. 具备跨团队协作与团队管理潜力，思维严谨，判断都能指向具体证据。",
"skills": [AI生成
"Python",
"Verilog",
"SystemVerilog",
"芯片设计",
"团队管理",
"团队协作",
"大语言模型"
],
"preferred_qualifications": "未披露",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100025800003"
}
]
},
"posting": {
"posting_id": "100025800003",
"post_date": "2026-09-04",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent-holding.alibaba.com/off-campus/position-detail?positionId=100025800003"
},
"fulltext": "晓天衡宇-AI数据标注专家-芯片设计（EDA）\n晓天衡宇-AI数据标注专家-芯片设计（EDA）\n\n基础信息\n工作地点：杭州\n\n职位描述\n1. 负责芯片设计（EDA）方向 AI 训练数据的标注管理与质检，把资深芯片工程师的设计与调试经验，转化为大模型可学习的高质量轨迹数据，直接参与“让大模型学会做芯片”这件从 0 到 1 的事。\n2. 面向 RTL 设计与功能验证、逻辑综合 / STA / PnR（QoR 优化）、调试修复（fail→pass 闭环）等环节，设计标注与质检流程，制定 rubric 与验收标准，对题目与轨迹质量把关。\n3. 与平头哥、达摩院等芯片与算法团队深度协作，共同定义 agentic EDA 的能力边界与评测基准，推动模型在真实 EDA 工具链上跑通。\n4. 构建本方向数据质量体系，对题目难度分层、轨迹根因归因负责；把稀缺的芯片工程经验沉淀为可复用的团队方法论。\n5. 管理领域专家团队，统筹任务与产能；成长路径面向 AI + 芯片交叉方向的技术骨干与负责人。\n\n职位要求\n1. 本科及以上，微电子 / 集成电路 / 电子工程等相关专业；3 年以上芯片设计或验证一线经验（RTL 设计、功能验证、DFT、综合 / STA / PnR、模拟 / 混合信号其一）。\n2. 熟悉主流 EDA 工具链与硬件描述语言（Verilog / SystemVerilog / VHDL），能独立判断 RTL 代码、验证平台与 QoR 结果的正确性与优劣。\n3. 认同 AI 正在重塑芯片设计，愿意站到大模型 + EDA 的最前沿；不满足于重复流程，希望把自己的工程判断力放大成模型能力，与顶尖芯片与算法团队一起做别人还没做成的事。\n4. 对数据质量敏感，具备 Python / 脚本能力，能做抽检与一致性分析；了解 rubric / reward modeling 更佳。\n5. 具备跨团队协作与团队管理潜力，思维严谨，判断都能指向具体证据。\n1. 负责芯片设计（EDA）方向 AI 训练数据的标注管理与质检，把资深芯片工程师的设计与调试经验，转化为大模型可学习的高质量轨迹数据，直接参与“让大模型学会做芯片”这件从 0 到 1 的事。\n2. 面向 RTL 设计与功能验证、逻辑综合 / STA / PnR（QoR 优化）、调试修复（fail→pass 闭环）等环节，设计标注与质检流程，制定 rubric 与验收标准，对题目与轨迹质量把关。\n3. 与平头哥、达摩院等芯片与算法团队深度协作，共同定义 agentic EDA 的能力边界与评测基准，推动模型在真实 EDA 工具链上跑通。\n4. 构建本方向数据质量体系，对题目难度分层、轨迹根因归因负责；把稀缺的芯片工程经验沉淀为可复用的团队方法论。\n5. 管理领域专家团队，统筹任务与产能；成长路径面向 AI + 芯片交叉方向的技术骨干与负责人。\n1. 本科及以上，微电子 / 集成电路 / 电子工程等相关专业；3 年以上芯片设计或验证一线经验（RTL 设计、功能验证、DFT、综合 / STA / PnR、模拟 / 混合信号其一）。\n2. 熟悉主流 EDA 工具链与硬件描述语言（Verilog / SystemVerilog / VHDL），能独立判断 RTL 代码、验证平台与 QoR 结果的正确性与优劣。\n3. 认同 AI 正在重塑芯片设计，愿意站到大模型 + EDA 的最前沿；不满足于重复流程，希望把自己的工程判断力放大成模型能力，与顶尖芯片与算法团队一起做别人还没做成的事。\n4. 对数据质量敏感，具备 Python / 脚本能力，能做抽检与一致性分析；了解 rubric / reward modeling 更佳。\n5. 具备跨团队协作与团队管理潜力，思维严谨，判断都能指向具体证据。",
"standard_classification": {
"std_category_code": "B010",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}