一汽-大众汽车
AI 座舱大模型应用算法工程师2
AI 座舱大模型应用算法工程师2
发布于 6 个月前普通员工/个人贡献者
成都市
中级经验
全职员工
仅现场办公
本科
软件工程
多智能体
强化学习
智能座舱
模型部署
PyTorch
RAG
TensorFlow
Transformer-Xl
AI 估算 · 20k–35k
智能座舱记忆系统研发，涉及向量数据库与检索机制，技术新颖，薪资有竞争力。
职位详情
关于这个职位
该职位是AI座舱大模型应用算法工程师，主要负责为智能座舱设计并实现记忆系统、优化上下文理解与工程方案，并驱动智能体场景落地
你将运用大模型技术，结合车规级硬件约束，将前沿AI能力转化为车内实际的个性化服务与连贯体验
最低要求
国内大学统招本科及以上学历，或已取得教育部留学服务中心认证的“学历学位认证书”的本科及以上学历留学生，计算机、人工智能、数学等相关专业
具备精通记忆与上下文技术：深入理解Transformer-XL、Memorizing Transformers、RAG、长上下文处理等前沿方案
掌握大模型全流程：熟悉大语言模型的预训练、精调（SFT）、对齐（RLHF/DPO）及强化学习（PPO等）框架
具备扎实工程能力：熟练掌握Python和PyTorch/TensorFlow框架
具备优秀的实验设计、数据分析与问题解决能力
了解车载与部署约束：对车规级硬件、端侧模型部署（模型压缩、推理加速）有基本认知或经验者优先
在记忆增强LLM、长期依赖建模、智能体（Agent）系统等领域有实际项目经验或研究成果
有智能座舱、对话系统、多模态交互项目经验者优先
软技能：具备强烈的产品思维，能将技术转化为用户体验
拥有出色的沟通协作能力，能与产品、车端软件、硬件团队紧密合作
对技术有热情，具备优秀的学习能力和创新思维
国内高校毕业生大学英语四级(CET-4 425分)及以上或托福成绩80分及以上、雅思成绩6.0分及以上，海外高校毕业生须达到同等水平，较好的英语或德语读写能力，能够进行日常对话
年龄40周岁及以下
工作职责
设计并实现座舱记忆系统：架构设计：为智能座舱设计多层级的记忆架构，整合短期（当前会话上下文）、长期（用户习惯、跨会话信息）与语境记忆（车辆状态、环境信息）
建立车规级的外部记忆存储（如向量数据库）与检索机制
机制开发：开发记忆的高效检索、智能压缩、动态更新与冲突解决机制（例如，当用户喜好改变时，能更新旧记忆）
数据管理：构建座舱场景下的记忆数据采集、清洗、评估流程，持续提升记忆数据的质量
深度上下文理解与工程优化：核心优化：基于对座舱交互场景的深度理解，优化核心提示语（Prompt）与上下文编排策略，使模型在有限的上下文窗口内做出最准确、个性化的响应
知识增强：结合检索增强生成（RAG）、知识图谱等技术，为模型动态注入行车手册、服务目录等外部知识，确保回答的准确性
驱动座舱智能体场景落地：场景挖掘：深入座舱具体场景（如连续多轮导航对话、根据用户日程主动提醒、跨应用的任务执行等），将记忆与上下文能力转化为实际的个性化服务与场景连贯体验
智能体开发：基于记忆系统，设计并开发座舱内的多智能体（Multi-Agent），实现复杂任务（如规划行程并预订服务）的协同处理
负责模型优化与车端部署：模型优化：应用监督微调（SFT）、强化学习（如RLHF）等对齐技术，优化模型的记忆与决策行为
效率部署：精通模型蒸馏、量化等优化技术，将大模型能力适配至车机芯片的有限算力与功耗约束下，并负责或协同完成车规级模型的部署与性能调优
优先资格
有智能座舱、对话系统、多模态交互项目经验者优先
对车规级硬件、端侧模型部署（模型压缩、推理加速）有基本认知或经验者优先
AI 洞察
优缺点分析
优点
- 技术前沿：直接接触并应用记忆增强LLM、多智能体等AI前沿技术，在快速发展的智能汽车赛道积累稀缺技能
- 平台优势：一汽-大众作为头部合资车企，能提供真实的量产车场景、丰富的业务数据以及跨团队协作的大型项目经验
- 行业前景：智能座舱是汽车行业的核心竞争领域之一，在此岗位积累的经验对未来职业发展有很强的支撑和溢价能力
- 综合锻炼：不仅涉及算法研发，还涵盖从场景挖掘到车端部署的全流程，能全面提升技术落地和工程化能力
- 跨团队协作紧密：需与产品、车端软件、硬件等多个团队频繁沟通协作，对沟通效率和协同能力要求很高
- 适合对AI大模型技术有浓厚兴趣、具备扎实工程能力，并希望将前沿算法应用于智能汽车这一实体产业，追求技术落地的工程师
缺点 / 挑战
- 技术复杂度高：需要同时精通大模型算法、记忆系统设计以及车端部署优化，技术栈宽且深，学习与实践压力较大
- 约束条件严格：车规级部署对模型的性能、功耗、可靠性有极高要求，算法优化和工程适配的挑战性大于互联网场景
角色解读
- 技术路径：可以从专注于算法开发的工程师，成长为负责复杂系统架构的技术专家或架构师，深耕汽车AI与智能座舱领域
- 业务路径：随着对座舱场景和用户需求的深入理解，可向技术产品经理或项目负责人方向发展，主导创新功能的规划与落地
- 行业路径：在智能汽车行业积累的经验极具价值，未来可在整车厂、头部Tier1供应商或AI解决方案公司担任核心角色
- 设计并实现智能座舱的记忆系统架构，整合短期、长期和语境记忆，并开发相关的检索、压缩与更新机制
- 优化大模型在座舱场景下的上下文理解与提示工程，结合RAG等技术动态注入外部知识，提升响应准确性与个性化
- 基于记忆系统开发座舱内的多智能体（Multi-Agent），驱动如连续导航、主动提醒等具体场景的落地与体验连贯
- 负责大模型的优化（如SFT、RLHF）与车端部署，运用模型蒸馏、量化等技术适配车规级芯片的算力与功耗约束
- 精通记忆与上下文相关的前沿技术，如Transformer-XL、RAG、长上下文处理方案，并熟悉大模型的全流程开发（预训练、精调、对齐）
- 具备扎实的AI工程能力，熟练掌握Python和PyTorch/TensorFlow框架，拥有优秀的实验设计、数据分析与问题解决能力
- 了解车规级硬件与端侧模型部署的约束，对模型压缩、推理加速等技术有基本认知或实践经验
- 拥有出色的沟通协作与产品思维，能将技术方案转化为实际的用户体验，并与跨职能团队紧密合作
申请策略
- 在申请和面试中，有意识地展现你的“产品思维”，即如何将复杂的技术方案转化为可感知的用户价值和服务体验
- 提前了解一汽-大众的企业文化和技术团队风格，在沟通中体现你优秀的团队协作能力和对跨领域合作的积极态度
- 重点突出与记忆增强LLM、长期依赖建模、智能体系统相关的项目经验或研究成果，详细描述你的技术贡献和项目成果
- 清晰展示你在大模型全流程（预训练、SFT、RLHF）中的实践经验，以及使用Python、PyTorch/TensorFlow解决实际问题的能力
- 若有智能座舱、对话系统或多模态项目经验，务必作为核心亮点呈现，并说明你对车载场景和用户需求的理解
- 在技能部分明确列出Transformer-XL、RAG、模型蒸馏/量化等关键技术点，并准备用具体案例说明你的掌握程度
- 若对车规级部署了解不深，可提前学习模型压缩（如知识蒸馏、剪枝）、推理加速（如TensorRT）以及车规芯片的基础知识
- 加强对智能座舱典型交互场景（如导航、娱乐、车控）的理解，思考AI技术如何在这些场景中创造差异化体验
面试指南
- 对于技术问题，建议采用STAR原则（情境、任务、行动、结果）来结构化回答，重点突出你的技术决策、实验分析和最终效果
- 对于系统设计或方案选择类问题，可以先阐述核心目标和约束条件（如用户体验、性能、资源），再分层给出你的设计思路和权衡考量
- 对于协作或软技能问题，应体现你的沟通主动性、换位思考能力以及以解决问题为导向的合作精神，并辅以具体事例说明
- 请详细介绍一个你参与的、与记忆系统或长上下文处理相关的项目，你在其中承担的角色、遇到的技术挑战以及如何解决的？
- 如何为智能座舱设计一个兼顾短期会话记忆和长期用户习惯的记忆架构？你会考虑哪些关键因素？
- 在车机芯片算力有限的情况下，你会采用哪些模型优化和部署策略来保证大模型功能的实时性与流畅性？
- 请举例说明你如何运用RAG或知识图谱技术来提升模型在特定领域（如行车手册查询）的回答准确性？
- 当你设计的AI功能与产品经理需求或硬件团队提供的资源存在冲突时，你会如何沟通和协调以推进项目？
职位点评
Watch Jobs