海尔
预测与决策优化负责人
预测与决策优化负责人
发布于 4 小时前中层管理(经理/总监)
全职员工仅现场办公算法优化工程师
算法优化工程师
Agent开发
多模态融合
强化学习
时序预测
预训练模型
Plc/Opc
工业决策优化
值不值得投
78综合评分
综合评分 78
前沿工业AI算法负责人岗位，技术挑战大、成长空间广阔，薪资优厚但工作强度可能较高。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
6万
比算法优化工程师中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 320 个在招
市场机会
选择面较广
北京 · 算法优化工程师 · 约 310 个在招
职位详情
关于这个职位
该职位负责主导工业预测与决策优化的算法架构设计与研发，涵盖时序预测、预训练基础模型、强化学习寻优及预测Agent自动化体系
你需要带领团队完成从模型研发到工控级部署的全链路落地，持续提升团队技术竞争力
最低要求
硕士及以上学历，计算机、自动化、控制工程、数学等相关专业，中科院自动化所等顶尖院校背景优先
年以上工业预测、时序建模或AI算法研发经验，有盘古预测大模型、华为云等头部项目经验者优先
精通Transformer、时序Transformer等时间序列建模架构，具备结构化数据/时序数据的预训练+微调全流程经验
深入理解多模态数据对齐与融合方案（表格、时序、文本、图像等），有三元组统一编码或多模态预训练落地经验
熟悉Agent开发体系（Harness、Loop、MCP、Tool Calling等），具备以Agent驱动自动化建模的全链路思维
有千万级参数模型在企业级生产环境中落地经验，熟悉从研发、上线到持续迭代的完整生命周期
工作职责
预测与决策技术架构规划：主导工业预测、工艺参数优化、质量预警等场景的算法架构设计，结合时序Transformer、TabPFN等前沿模型与工业机理，制定预测与决策的总体技术路线
统筹时序预测、异常检测、弱信号提取、多变量长周期预测等方向的技术方案选型，确保模型在精度、稳定性和可解释性方面满足工业严苛要求
预训练基础模型研发：领导针对工业场景的结构化数据与时间序列数据预训练工作，构建具备高泛化能力的工业预测基座模型，减少对行业专家深度介入的依赖
推动多模态融合预测（表格+时序+文本+信号等），将不同工业数据类型统一编码，实现跨模态知识迁移与性能提升
工业决策优化与智能寻优：主导工艺黑盒建模与智能寻优算法（PPO/SAC等强化学习方向），对复杂工业过程建立高保真仿真环境，验证并产出可落地的优化策略
结合预测结果与决策约束，设计预测-决策联合优化框架，在设备运维、工艺参数调优等场景实现“预测→寻优→执行”闭环
预测Agent自动化体系：领导预测Agent研发，通过大模型解析下游任务、自动分析数据特征、选择合适模型并完成结果修正与精度迭代，实现全流程自动化建模
推动Agent能力在工业场景中的落地，降低业务专家介入成本，缩短模型从研发到上线的周期
工控级推理服务与部署：协同团队完成预测推理服务与工控PLC/OPC接口联调，确保算法输出能精准对接工业控制系统
指导统计建模、仿真环境搭建与奖励函数验证工作，支撑基线对比与效果量化评估
持续提升团队的竞争力及人员能力
优先资格
在时序预测、表格学习等方向有SOTA级成果或在顶级会议/期刊（ACM CS、IJCNN等）发表过论文
有工业控制、PLC/OPC接口、边缘推理部署等相关经验
有跨行业（能源、制造、金融等）ToB预测项目交付经验
AI 洞察
优缺点分析
优点
- 处于工业AI与大模型结合的前沿赛道，技术壁垒高，个人技术影响力提升空间大
- 依托海尔的工业场景与资源，算法落地机会多，能积累丰富的ToB工业交付经验
- 作为团队负责人，能锻炼技术架构规划与团队管理的综合能力
- 工业场景数据复杂且对精度、稳定性要求严苛，模型落地与工控联调难度大
- 需要平衡前沿算法研究与实际业务交付，对技术深度与工程化能力要求双高
- 具备扎实算法功底与丰富工业落地经验，且有意愿带领团队攻克复杂工业AI难题的资深技术专家
缺点 / 挑战
暂无明显挑战项
角色解读
- 向算法总监或首席科学家方向发展，负责更大规模的AI技术战略规划
- 深耕工业AI领域，成为工业大模型与智能决策领域的行业专家
- 主导工业预测与决策优化的算法架构设计，制定时序预测、异常检测等技术路线
- 领导工业场景预训练基础模型研发，推动多模态融合预测与跨模态知识迁移
- 主导工艺黑盒建模与强化学习智能寻优，设计预测-决策联合优化框架并实现闭环
- 带领团队完成预测Agent自动化体系研发及工控级推理服务的部署与联调
- 精通Transformer等时序建模架构，具备结构化/时序数据预训练与微调的全流程经验
- 熟悉多模态数据对齐融合方案及Agent开发体系，具备自动化建模的全链路思维
- 拥有千万级参数模型在企业级生产环境落地的完整生命周期管理经验
- 具备团队管理能力，能持续提升团队技术竞争力与人员能力
申请策略
- 提前了解海尔在工业互联网（如卡奥斯COSMOPlat）方面的业务布局，面试时结合其实际场景阐述技术思路
- 突出在时序预测、多模态融合或强化学习方向的核心项目经验及SOTA成果
- 详细阐述千万级参数模型在企业级生产环境落地的完整过程与业务收益
- 强调在Agent开发、自动化建模或工控系统联调方面的实战经验
- 深入学习工业控制基础（如PLC/OPC协议），弥补算法与底层硬件联调的知识盲区
- 关注TabPFN、时序Transformer等前沿模型在工业场景的最新应用论文与开源实践
面试指南
- 采用STAR法则，重点突出业务痛点、技术选型逻辑、工程化落地细节及最终量化收益
- 对于架构设计问题，从数据特性、模型选型、训练策略到部署联调，分层阐述系统性思考
- 请分享一个你主导的千万级参数模型在工业场景落地的完整案例，遇到了哪些挑战？
- 在时序预测中，如何处理多变量长周期预测中的弱信号提取和噪声问题？
- 如何设计预测-决策联合优化框架，确保强化学习策略在复杂工业过程中的安全性与可解释性？
- 请谈谈你对预测Agent自动化体系的理解，如何实现大模型驱动的全流程自动化建模？
- 复习时序预测、强化学习及多模态大模型的最新顶会论文，准备1-2个可深入探讨的技术细节
- 了解海尔卡奥斯工业互联网平台的业务模式，思考AI算法如何赋能其核心场景
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
作为上市巨头的高级算法负责人岗位，薪资水平处于市场前列，能提供较高的物质回报与稳定性。
薪资信号未披露（AI估算：4.5千–7.5万/月）
成长发展
90较高
岗位涉及大模型、Agent、强化学习等前沿技术，且要求主导架构规划，技术成长与行业影响力提升空间极大。
技术前沿前沿/新兴技术
技术栈Transformer、TabPFN、PPO/SAC、多模态融合、Agent开发、时序预测
成长机会持续提升团队的竞争力及人员能力
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与WLB相关信息，但作为技术负责人且涉及工控联调，工作强度可能较大。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
推动工业AI与智能制造发展，赋能传统工业转型升级，具有较高的社会价值与行业使命感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs