小米
汽车能耗算法实习生-AI实验室-2027届
汽车能耗算法实习生-AI实验室-2027届
发布于 大约 16 小时前实习/见习
北京市
无经验要求
实习生
仅现场办公
硕士
研究与开发 (研发)
机器学习
自动化
PyTorch
强化学习
物理建模
车辆工程
PPO
Grpo
能耗优化
AI 估算 · 4k–8k
大厂AI实验室实习，技能要求高，薪资在北京属于中等偏上，通常按日结算。
职位详情
关于这个职位
该职位是小米AI实验室的实习生岗位，专注于汽车热管理与能耗优化领域的算法研发，涉及物理建模与AI建模，包括强化学习算法（如DDPG、PPO）在能耗优化中的应用，以及算法的端侧部署与实车验证
适合对新能源汽车和智能算法感兴趣的硕士及以上学生
最低要求
硕士及以上学历
车辆工程、自动化、能源与动力等相关专业
优秀的软件工程素养，精通Python、C/C++程序设计
熟悉C++/python等编程语言，熟悉PyTorch等深度学习框架
熟悉DDPG/GRPO/PPO/AC学习等强化学习算法
工作职责
负责整车热管理与能耗优化物理建模算法和AI建模算法研发
用机器学习算法对整车热管理与能耗进行优化
负责能耗优化算法的端侧部署、性能与耗时优化
负责算法的实车验证，迭代优化
优先资格
良好的英语沟通能力
优化的物理/数学建模功底
发表过SCI一区/二区，CCF-A类会议等高水平论文
AI 洞察
优缺点分析
优点
- 小米大厂品牌，AI实验室平台，接触前沿技术
- 实际落地场景（实车验证），积累工程经验
- 强化学习在汽车能耗优化方向有较好前景
- 实习需同时掌握物理建模和AI建模，跨学科要求高
- 端侧部署和实车验证可能涉及复杂工程问题
- 竞争激烈，需要相关研究或项目经验
- 适合具有车辆工程/自动化背景并希望转型AI的硕士生，或有强化学习经验的计算机相关学生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从实习到正式员工，可深入AI在汽车领域的应用
- 向算法工程师或能耗优化专家方向发展
- 未来可转向自动驾驶、智能座舱等相关领域
- 研发整车热管理与能耗优化的物理模型和AI模型
- 应用强化学习等机器学习算法对能耗进行优化
- 将算法部署到车端，进行性能优化和实车验证
- 精通Python和C++编程，具备优秀软件工程素养
- 熟悉PyTorch等深度学习框架和强化学习算法（DDPG、PPO等）
- 具备车辆工程、自动化或能源动力专业背景，了解物理建模
申请策略
- 关注小米汽车业务和技术博客，体现对产品的理解
- 在简历中明确列出与岗位相关的技能和项目
- 突出车辆工程、自动化或能源动力专业背景及相关课程
- 展示Python/C++编程能力和PyTorch项目经验
- 强调强化学习相关项目或竞赛经历，如有论文更佳
- 复习强化学习经典算法（DDPG、PPO）并动手实现
- 学习能耗优化基础知识，了解热管理物理模型
- 练习C++性能优化和嵌入式部署基础
面试指南
- 结构化回答：先定义问题，再介绍方法，最后说明结果或优化
- 对于算法问题，结合数学推导和直觉解释，并联系实际应用
- 项目经验按STAR法则（情境-任务-行动-结果）组织
- 请解释DDPG和PPO的区别及适用场景
- 如何将物理模型与神经网络结合进行能耗预测？
- 描述一个你使用强化学习解决实际问题的项目
- 在端侧部署模型时，你会考虑哪些优化策略？
- 你对新能源汽车热管理系统了解多少？
匹配度报告
66
综合匹配度
大厂AI实验室实习，前沿强化学习应用于新能源汽车，发展性极佳但薪资一般。
适合人群
适合追求技术成长和行业前沿的硕士生，对短期薪资要求不高但看重长期发展。
最强匹配
成长发展匹配
最弱匹配
薪资福利匹配
薪资福利45
成长发展92
工作生活50
使命价值78
薪资福利匹配
45较低
实习薪资处于行业中等水平，小米福利较好但JD未提及具体福利，补偿性动机满足程度一般。
薪资信号未披露（AI估算：4K-8K/月）
成长发展匹配
92较高
该职位涉及前沿AI技术（强化学习、端侧部署）和汽车行业，成长空间大，研发属性强。
技术前沿前沿/新兴技术
技术栈强化学习、DDPG、PPO、PyTorch、端侧部署、能耗优化
业务类型ambiguous
工作生活匹配
50较低
北京现场办公，未提及弹性工作或远程，实习可能有一定强度，WLB信号不明显。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
78中等
新能源汽车行业高速增长，减少能耗具有社会价值，创新性较强。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs