海尔
多模态与空间智能算法研究员/专家
多模态与空间智能算法研究员/专家
发布于 3 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
3D视觉
Pytorch
多模态学习
大模型训练
生成式Ai
空间智能
算法研究
值不值得投
81综合评分
综合评分 81
前沿AI技术栈、巨头平台背书、侧重研发落地，WLB待确认，适合追求技术突破的专家型人才。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
6.0万
比人工智能中位数高
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 780 个在招 · 其中人工智能 9 个
市场机会
选择面较广
上海 · 人工智能 · 约 380 个在招
职位详情
关于这个职位
负责多模态、3D及空间智能算法的研究与模型研发，跟踪生成式AI与世界模型等前沿技术
参与核心模型的数据构建、训练评测与Pipeline优化，推动研究成果向规模化应用落地
需具备扎实的深度学习基础与至少一个相关方向的实战经验，并鼓励学术产出与技术引领
最低要求
计算机、人工智能、电子信息、自动化、数学或相关专业
具备扎实的机器学习、深度学习及算法基础，熟悉 Transformer、Foundation Model 等主流模型架构
熟悉 PyTorch 等主流深度学习框架，具备良好的算法实现、实验设计和问题分析能力
在多模态学习、3D 视觉与生成、空间智能、图像/视频生成、世界建模、LLM / Multimodal Post-Training、Agent、模型评测等至少一个方向具有较好的研究或工程经验
具备良好的工程意识，能够将研究问题转化为可复现、可评测、可迭代的技术系统
具备良好的沟通协作能力、技术学习能力和结果导向
工作职责
负责多模态、3D 与空间智能相关算法研究、模型研发和系统优化
跟踪多模态基础模型、生成式 AI、空间智能、世界模型及模型后训练等领域的前沿技术进展，并开展技术预研与验证
参与核心模型的数据构建、训练、后训练、评测与持续优化，解决复杂场景中的关键算法问题
建设高质量训练与评测 pipeline，持续提升数据、实验和模型迭代效率
与产品、工程及其他 AI 技术团队协作，推动研究成果从原型验证走向稳定、可规模化的应用
根据经验承担相应的技术方案设计、关键方向攻关、跨团队协作或技术带领工作
鼓励发表高水平学术论文、申请核心专利并参与高质量开源项目和学术社区建设
AI 洞察
优缺点分析
优点
- 背靠家电巨头生态，拥有海量真实场景数据与成熟的硬件落地渠道
- 技术栈高度前沿，直接参与生成式AI与世界模型等下一代AI技术研发
- 平台资源丰富，鼓励学术产出与开源贡献，利于建立行业技术声誉
- 学术研究到工业落地的转化周期较长，需在创新探索与系统稳定性间取得平衡
- 跨部门协同复杂度高，对工程化思维、沟通协作及结果导向能力要求严苛
- 前沿技术迭代极快，需保持高强度持续学习以跟进最新论文与开源动态
- 具备扎实科研背景与工程落地能力的AI算法研究者，渴望在产业界发挥技术价值且抗压能力强的人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向首席科学家或技术总监发展，主导公司级AI战略项目与技术路线规划
- 深耕垂直领域成为顶尖算法专家，兼顾顶会学术影响力与产业商业化落地
- 横向拓展至AI产品经理或技术负责人，统筹跨部门技术协同与资源调配
- 聚焦多模态与3D空间智能算法的底层研究与模型迭代，解决复杂场景下的核心技术难题
- 负责核心AI模型的数据构建、训练、后训练及评测体系搭建，优化实验与数据流转Pipeline
- 推动实验室研究成果向产品化、规模化应用转化，与产研团队紧密协同完成技术落地
- 扎实的机器学习/深度学习理论功底，深入理解Transformer与大模型架构原理
- 精通PyTorch等主流框架，具备大规模模型训练、调优及分布式实验设计能力
- 在多模态学习、3D视觉生成、Agent或后训练等至少一个细分方向拥有深厚的研究或工程经验
申请策略
- 提前了解海尔智家生态布局，准备如何将前沿AI技术与智能家居场景结合的具体方案
- 关注公司近期技术发布会或专利动向，展现对业务痛点的深刻理解与匹配度
- 突出顶会论文/核心专利、高质量开源贡献及完整的大模型训练/微调项目经验
- 量化Pipeline优化带来的效率提升指标（如训练速度提升X%、数据清洗成本降低Y%）
- 清晰展示从算法原型到工程部署的全链路实践，强调可复现性与评测体系设计
- 强化分布式训练框架（如DeepSpeed/Megatron）实战，掌握显存优化与通信加速技巧
- 补充3D重建（NeRF/3DGS）或Agent开发最新进展，拓宽多模态技术边界
- 提升系统设计与代码规范能力，确保研究代码符合工业级可维护标准
面试指南
- 采用STAR法则结构化陈述，重点突出技术选型依据、实验设计严谨性及最终业务指标对齐
- 强调数据质量管控策略、异常处理机制及性能瓶颈排查思路，展现系统性工程思维
- 展示技术权衡过程（如精度vs延迟、创新vs稳定），体现结果导向与落地意识
- 请分享你主导的一个多模态/3D模型从数据构建到上线的全流程案例
- 如何处理大模型训练中的数据长尾分布与领域偏移问题？
- 如何设计一套高效、客观的模型评测体系以支撑持续迭代？
- 在跨团队协作中，如何推动算法研究成果从原型验证走向规模化应用？
- 复习Transformer变体、后训练技术及多模态对齐方法的核心原理与最新进展
职位点评
薪资福利85
成长发展90
工作生活65
使命价值75
薪资福利
85较高
作为上市巨头企业的核心算法专家岗，提供具备竞争力的薪酬与完善福利，满足度高。
薪资信号偏高 (4.0千–8.0万/月)
成长发展
90较高
接触生成式AI与世界模型等前沿技术，鼓励学术产出与开源贡献，成长空间广阔。
技术前沿前沿/新兴技术
技术栈Transformer、PyTorch、多模态学习、空间智能、生成式AI、世界模型
成长机会鼓励发表高水平学术论文、申请核心专利、参与高质量开源项目
业务类型profit_center
工作生活
65中等
研发岗通常节奏较快，但巨头企业一般提供相对规范的作息，具体WLB需以实际团队为准。
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
75中等
致力于将空间智能与生成式AI融入智能家居生态，具有明确的产业应用价值与社会意义。
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