一汽-大众汽车
AI 座舱大模型应用算法工程师
AI 座舱大模型应用算法工程师
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
Pytorch/Tensorflow
大语言模型
智能座舱
模型部署
Agent系统
RAG
AI 估算 · 25k–45k
岗位涉及前沿AI大模型与汽车智能化交叉领域，技术门槛高，市场人才稀缺，且位于新一线城市成都，薪资具备竞争力。
职位详情
关于这个职位
该职位主要负责智能座舱大模型应用算法的研发与落地
你将设计并实现座舱记忆系统，优化上下文理解与提示工程，并驱动智能体场景在车端部署
这是一个结合前沿AI技术与汽车智能化场景的核心技术岗位
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
具备2年以上相关工作经验，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
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
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
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
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
AI 洞察
优缺点分析
优点
- 处于AI与汽车产业融合的前沿赛道，技术积累具有高壁垒和长期价值
- 平台优势明显，在一汽-大众这样的巨头企业，能接触到大规模真实场景和行业资源
- 工作内容综合性强，横跨算法研究、工程实现和产品落地，能获得全方位的锻炼
- 跨团队协作要求高，需与产品、软件、硬件等多方紧密沟通，对齐复杂需求
- 行业处于快速发展期，知识更新迭代快，需要持续保持高强度学习
- 适合对AI大模型和汽车智能化有浓厚兴趣，具备扎实算法工程基础，并渴望在产业核心场景实现技术落地的工程师
缺点 / 挑战
- 技术挑战大，需同时攻克AI算法创新和严苛的车规级工程部署难题
角色解读
- 技术专家路径：在AI for Automotive领域深耕，成为座舱大模型算法或系统架构专家
- 技术管理路径：积累项目经验后，可向技术负责人或项目经理方向发展，带领团队攻克复杂技术难题
- 设计并开发智能座舱的记忆系统，包括架构设计、数据管理和检索更新机制
- 优化大模型在座舱场景下的上下文理解与提示工程，并结合RAG等技术增强模型知识
- 将AI能力转化为具体的座舱智能体应用场景，并负责模型的优化、压缩及车端部署
- 精通大语言模型相关技术栈，如Transformer、RAG、SFT、RLHF，并具备扎实的Python和PyTorch/TensorFlow工程能力
- 深入理解记忆增强、长期依赖建模、智能体系统等前沿领域，并能将其应用于具体业务场景
- 具备将复杂AI模型适配到车规级硬件约束下的能力，了解模型蒸馏、量化等端侧部署技术
申请策略
- 深入了解一汽-大众在智能网联领域的战略布局和已发布的产品，在面试中展现你的业务洞察
- 重点突出与大语言模型、记忆系统、智能体或对话系统相关的项目经验，详细说明技术细节和个人贡献
- 展示在模型训练、精调、部署全流程中的实践经验，特别是处理过性能或资源约束的案例
- 如有智能座舱、车载或嵌入式相关经验，应作为核心亮点单独阐述
- 若对车规级部署了解不深，可提前学习模型压缩（蒸馏、量化）、推理加速（TensorRT等）相关知识
- 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如何提升用户体验
面试指南
- 对于技术问题，采用STAR原则（情境、任务、行动、结果）清晰阐述项目背景、个人角色、技术决策依据和最终成效
- 对于场景设计题，展现系统化思维：先拆解用户需求和业务目标，再分层设计技术方案（数据、算法、工程），最后考虑约束和评估指标
- 请详细介绍一个你参与的、与记忆增强或长上下文处理相关的LLM项目，你解决了什么核心问题？
- 如何为一个多轮、复杂的座舱对话场景（如规划行程）设计记忆系统和智能体协作流程？
- 如果要将一个百亿参数的大模型部署到算力有限的车机芯片上，你会采取哪些优化策略？
- 请举例说明你如何通过Prompt Engineering或RAG技术提升模型在特定领域的回答准确性
- 当你与产品经理在技术方案上产生分歧时，通常会如何处理？
- 深入复盘1-2个最相关的技术项目，准备好从技术细节到业务价值的完整叙述
职位点评
Watch Jobs