中联重科
AI智能工程师
AI智能工程师
发布于 11 小时前普通员工/个人贡献者
全职员工仅现场办公计算机视觉工程
计算机视觉工程
Pytorch
Tensorflow
图像分割
多模态感知
机器视觉
目标检测
目标跟踪
自动驾驶
边缘部署
值不值得投
67综合评分
综合评分 67
前沿工业AI技术栈、成长空间大，但地点偏县域制造基地、待遇信息未明。
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
1.3万
比计算机视觉工程中位数低
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
7 个在招 · 其中计算机视觉工程 6 个
市场机会
选择不多
马鞍山 · 计算机视觉工程 · 1 个在招
职位详情
关于这个职位
参与中联重科旋挖钻机的智能化研发，负责机器视觉、工况识别、智能感知、自动驾驶与智能控制等AI算法的设计、训练与落地
你将搭建数据体系、迭代算法并参与智能AI体建设，让传统工程机械具备感知与决策能力
最低要求
本科以上学历，人工智能、自动化、电子信息等相关专业
熟悉Python、精通Pytorch、TensorFlow框架
精通目标检测、图像分割、目标跟踪、分类识别、异常检测等算法
具有团队意识和创新精神，具备较强的沟通协调能力，积极主动、执行力强
工作职责
旋挖钻机智能算法研发，负责旋挖钻机机器视觉、工况识别、智能感知、自动驾驶、智能控制、故障预测等AI算法设计、训练、优化及落地
数据体系搭建与算法迭代，参与旋挖钻机智能化功能需求拆解、方案设计、技术评审
参与旋挖钻机智能AI体建设规划，分解智能AI体需求，转化及落地
智能技术调研与前沿技术研究，跟踪工业AI、机器人感知、自动驾驶、时序预测、多模态感知等前沿技术，进行技术预研、原型开发、支撑产品智能化迭代升级
负责中联智能化AI体标准及规范编写
优先资格
具备模型轻量化、推理加速、边缘部署经验者优先
具备复杂工业场景算法优化经验
AI 洞察
优缺点分析
优点
- 聚焦工业AI与工程机械智能化，技术方向兼具前沿性与落地性，能积累稀缺的工业场景算法经验
- 涉及机器视觉、自动驾驶、边缘部署等多技术栈，技能广度与深度都有成长空间
- 所在企业为工程机械行业大型制造商，平台稳定、资源充足
- 工作地点为县域制造业基地，需适应相对偏实的现场工作环境
- 适合具备计算机视觉与深度学习基础、愿意深耕工业AI落地、能接受制造现场工作环境的技术型人才
缺点 / 挑战
- 工业现场数据复杂、样本获取与标注难度大，算法落地挑战较多
- 边缘端算力受限，对模型轻量化与实时性要求高，工程化压力较大
角色解读
- 从算法工程师向资深算法专家/技术负责人发展，主导某一智能化方向的算法体系搭建
- 积累工业AI与边缘部署经验后，可向智能驾驶、机器人感知等更广阔领域延伸
- 有机会参与标准规范编写与团队建设，成长为技术管理或架构方向人才
- 负责旋挖钻机上的机器视觉与智能感知算法研发，包括目标检测、图像分割、目标跟踪、工况识别等模块的设计与训练
- 将AI算法部署到边缘设备并做轻量化、推理加速，使算法能在工程机械现场稳定运行
- 参与旋挖钻机智能AI体的需求拆解、方案设计与技术评审，推动智能化功能落地
- 跟踪工业AI、自动驾驶、时序预测、多模态感知等前沿技术，做技术预研与原型开发
- 扎实的深度学习基础，精通 PyTorch/TensorFlow 框架，熟练使用 Python
- 精通目标检测、图像分割、目标跟踪、分类识别、异常检测等主流视觉算法
- 具备模型轻量化、推理加速与边缘端部署能力，能解决工业现场的计算资源与实时性约束
- 较强的沟通协调与跨团队协作能力，能对接算法、硬件与产品需求
申请策略
- 提前了解中联重科的智能化战略与工程机械行业背景，展示对业务的理解
- 面试中强调自己解决复杂工业场景问题的能力与跨团队协作经验
- 突出目标检测、图像分割、目标跟踪等视觉算法的项目经验，并量化模型效果指标
- 强调模型轻量化、推理加速、边缘端部署的实际落地案例与所用工具（如 TensorRT、ONNX）
- 展示完整的算法从设计、训练到工程部署的闭环能力
- 若有工业场景、自动驾驶或机器人感知相关经验务必重点体现
- 补齐边缘部署与推理优化的实操能力，熟悉常见加速框架与量化方案
- 系统梳理经典视觉算法与工业异常检测方法，准备可复用的项目复盘
面试指南
- 采用STAR结构：背景—任务—你采取的具体行动—量化结果，突出算法选型逻辑与最终指标
- 面对工程化问题，先讲清约束条件（算力、实时性、数据），再讲解决方案与权衡取舍
- 技术前沿类问题建议结合具体论文/方法谈理解，并说明落地可行性与验证方式
- 请介绍一个你做过的目标检测/图像分割项目，说明数据、模型选型与最终效果
- 在算力受限的边缘设备上如何做模型轻量化与推理加速？
- 面对工业场景样本少、标注成本高的问题，你会如何设计数据体系与训练方案？
- 你如何跟踪并评估工业AI、自动驾驶等领域的前沿技术并转化为产品能力？
- 描述一次跨团队协作推动算法落地的经历
职位点评
薪资福利62
成长发展80
工作生活55
使命价值70
薪资福利
62中等
职位未披露薪资与福利信息，作为制造业技术岗位，薪酬稳定性较好但弹性空间有限，需与HR确认具体待遇。
薪资信号未披露（AI估算：9.0千–1.6万/月）
成长发展
80较高
岗位聚焦工业AI、机器视觉、自动驾驶等前沿方向，技术栈丰富且强调落地，技能成长空间较大。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、目标检测、图像分割、目标跟踪、异常检测、边缘部署、多模态感知
业务类型ambiguous
工作生活
55较低
职位未提及办公模式与工作节奏，工作地点位于县域制造基地，需适应现场工作环境。
工作模式未明确
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值
70中等
岗位推动传统工程机械的智能化升级，属成熟行业中的技术升级方向，具备一定的行业价值感。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs