博世
AI 智能座舱语音专家/高级工程师
AI 智能座舱语音专家/高级工程师
发布于 6 个月前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
软件工程
大语言模型
智能座舱
深度学习框架
语音信号处理
ASR
Linux/Qnx/Android
NLU
AI 估算 · 30k–55k
语音专家，负责大模型语音交互，NLP核心技术，市场需求大。
职位详情
关于这个职位
这是一个专注于智能座舱语音交互系统研发的高级技术岗位
你将负责融合大模型技术，设计并优化从语音信号处理到语义理解、对话管理的全链路架构，确保车载语音助手具备低延迟、高准确率和高稳定性
同时，你需要深度参与跨团队协作，推动前沿语音技术在量产车型中的落地应用
最低要求
计算机科学、人工智能、信号处理、通信工程等相关专业硕士及以上学历，5年以上智能语音相关产品研发经验
精通传统语音助手全链路: 对唤醒、ASR、NLU、DM、TTS各个模块有深刻理解，至少两个及以上模块的深度开发或优化经验
精通NLU与对话管理: 熟悉意图识别、领域分类、对话状态管理追踪等核心技术，有相关模型的实际项目经验
具备扎实的语音信号处理基础，对车载场景下的AEC、NR、VAD、多音区技术有实际开发或调优经验
熟练掌握Transformer、BERT、Whisper等至少一种ASR/NLP模型，理解其原理
了解TTS技术及应用
优秀的C++/Python编程能力，熟悉Linux/QNX/Android开发环境，熟练掌握至少一种深度学习框架
具备优秀的跨团队沟通协作能力，能够推动复杂技术问题解决
具备智能座舱语音交互系统或者消费电子语音助手项目的核心模块开发经验
对人工智能和智能汽车技术充满热情，具备优秀的技术洞察力和学习能力
工作职责
负责智能座舱语音链路架构和设计 负责融合大模型技术的智能座舱语音助手架构设计，优化语音交互全链路，确保低延迟、高准确率和高稳定性
负责智能座舱语音算法研究和工程落地
设计并开发高效的拒识模型，提升语音助手指令安全性和精准性
设计并应用大模型技术，提升语义泛化、上下文理解和复杂任务处理能力
负责ASR后处理、语义理解（NLU）、对话管理、对话策略、TTS等核心模块算法，融合应用大模型算法，基于座舱场景进行优化
参与并支持车载复杂环境下的语音前处理算法研发和调优，如回声消除、噪声抑制、语音活跃检测、盲源分离、多音区定位、说话人增强等
深度参与智能座舱语音智能体设计和开发
支持多音区交互、说话人识别、情绪识别等差异化的高级体验功能
深入理解智能座舱硬件环境（麦克风阵列、音响系统、整车网络）与软件生态，针对车控车设专项优化，确保快响应，高准确率
跨领域协同开发与量产交付 与产品、交互设计、智能体开发、车控底层及测试团队紧密协作，解决跨系统难题，确保语音功能在量产车型中高质量交付
探索前沿语音和大模型技术与座舱场景融合 持续追踪语音前沿技术，探索其在座舱场景的创新应用原型，推动技术预研与产品化落地
优先资格
具备将大语言模型与传统语音链路融合的实践经验者优先
有成功量产项目经历的优先
有端侧大模型在语音领域应用的经验，熟悉性能优化调优的优先
AI 洞察
优缺点分析
优点
- 技术前沿：工作内容深度融合大模型与语音技术，处于AI应用的前沿领域，有利于积累高价值的技术栈和经验
- 行业前景：智能汽车是高速发展的赛道，车载语音作为核心交互入口，职业发展空间广阔，行业需求旺盛
- 跨领域协作要求高：需要与产品、设计、底层开发、测试等多个团队紧密协作，解决复杂的系统集成问题，沟通协调能力至关重要
缺点 / 挑战
- 公司平台：博世是全球领先的汽车技术供应商，平台能提供丰富的行业资源、技术挑战和量产落地机会，项目经验含金量高
- 技术复杂度高：需要同时精通传统语音链路和大模型技术，并对车载硬件环境有深入理解，技术门槛和持续学习压力较大
- 量产交付压力：工作直接面向量产车型，对算法的稳定性、性能和交付质量有极高要求，工作节奏可能紧张
- 适合拥有扎实语音技术和AI背景，对智能汽车充满热情，并希望在顶尖技术平台上挑战复杂系统研发与量产落地的高级工程师
角色解读
- 技术专家路径：在语音AI与大模型融合领域持续深耕，成为车载智能语音交互领域的顶尖技术专家或架构师
- 项目管理路径：积累量产项目经验后，可向技术管理或项目负责人方向发展，负责更复杂的系统集成与跨团队协调工作
- 行业拓展路径：智能汽车是AI技术落地的重要场景，在此积累的经验可向更广泛的AI产品研发、机器人交互等领域拓展
- 负责智能座舱语音交互系统的全链路架构设计与优化，核心是融合大模型技术，提升语音助手的语义理解、上下文处理和复杂任务执行能力
- 进行语音算法研发与工程落地，包括拒识模型、ASR后处理、NLU、对话管理、TTS等核心模块，并针对车载复杂环境优化前处理算法（如回声消除、噪声抑制）
- 深度参与语音智能体的开发，实现多音区交互、说话人识别等高级功能，并确保功能在量产车型中高质量交付
- 精通传统语音助手全链路技术（唤醒、ASR、NLU、DM、TTS），并具备至少两个模块的深度开发经验
- 具备扎实的语音信号处理基础，熟悉车载场景下的AEC、NR、VAD、多音区等技术，并有实际调优经验
- 熟练掌握Transformer、BERT、Whisper等ASR/NLP模型，并具备将大语言模型与传统语音技术融合的实践经验
- 拥有优秀的C++/Python编程能力，熟悉Linux/QNX/Android开发环境和至少一种深度学习框架
申请策略
- 深入了解博世在智能座舱和汽车电子领域的业务布局及技术路线，在面试中展现你对公司业务的认知和兴趣
- 准备1-2个能体现你解决复杂技术问题、推动跨团队协作或应对量产挑战的详细案例，使用STAR法则进行阐述
- 重点突出在智能语音产品（尤其是座舱或消费电子领域）的核心模块（如ASR、NLU、信号处理）的深度开发与优化经验，并量化成果（如准确率提升、延迟降低）
- 详细描述将大语言模型（LLM）应用于语音交互或NLP任务的实际项目经验，包括技术选型、融合方案和遇到的挑战
- 强调参与过的量产项目经历，说明你在其中承担的角色、解决的关键技术难题以及最终的项目成果
- 展示对车载复杂音频环境（多音区、噪声、回声）的处理经验，以及相关的算法调优能力
- 若对大模型（如GPT系列、LLaMA等）在语音领域的应用经验不足，可提前学习相关论文和开源项目，尝试构建小型的融合原型
- 加强对智能座舱整体软硬件生态（如QNX、AutoSAR、车载网络）的了解，这有助于理解技术落地的上下文
面试指南
- 对于技术问题，建议采用“原理阐述 -> 实践经验 -> 效果评估”的结构
- 先说明技术背景和原理，再结合具体项目实例描述你的做法，最后用数据或事实说明成果
- 对于行为或协作类问题，使用STAR法则（情境、任务、行动、结果）来组织答案，重点突出你在其中的主动思考、采取的具体行动和带来的积极影响
- 对于设计或架构类问题，可以从“需求分析 -> 模块分解 -> 技术选型 -> 潜在挑战与应对”的思路展开，展现你的系统思维和前瞻性
- 请详细介绍一个你深度参与过的智能语音项目，你在其中负责了哪些模块？遇到了什么技术挑战，是如何解决的？
- 你如何理解大语言模型（LLM）与传统语音助手技术（ASR/NLU/DM）的融合？请结合你的经验谈谈具体的实现思路或架构设计
- 在车载环境下，语音前处理（如回声消除、噪声抑制）面临哪些特殊挑战？你有哪些实际的调优经验或算法改进方法？
- 请描述一个你与产品、测试或其他非技术团队成功协作，共同推动项目进展或解决难题的经历
职位点评
Watch Jobs