固德威
时序大模型算法工程师
时序大模型算法工程师
发布于 3 天前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Ai Agent
Deepspeed
Mamba
Megatron-Lm
Pytorch
分布式训练
大模型预训练
时序预测
值不值得投
82综合评分
综合评分 82
前沿时序大模型技术、新能源行业风口、高成长潜力、研发压力较大
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
4.5万
比AI算法中位数高
发布情况
新岗位 · 3 天前发布
市场机会
选择不多
苏州 · AI算法 · 8 个在招
职位详情
关于这个职位
负责能源领域时序大模型（Large Time Series Models）从0到1的架构设计与预训练，优化风光功率、负荷及电价预测算法
结合生成式模型推进光伏运维与电池寿命预测等落地应用，支撑虚拟电厂等业务场景
最低要求
学历与专业：计算机、数据科学、人工智能、电力系统、应用数学等相关专业，211硕士及以上学历优先
大模型核心能力（硬性要求）：
（1）深厚的前沿深度学习功底，深入理解 Transformer、Mamba、State Space Models (SSM) 等架构在时序领域的变体及演进
（2）具备时序自监督学习（Self-Supervised Learning）、掩码自编码（MAE）、对比学习等预训练技术的实战经验
（3）熟悉大规模时序数据（Time Series Big Data）的清洗、对齐与 Tokenization 方案，有实际的大模型参数调优和 Scaling Law 实践经验
分布式计算与基础设施：精通 Python 及 PyTorch 框架，熟练掌握 DeepSpeed、Megatron-LM 等大模型分布式训练工具
熟悉 Linux、Docker，并对时序数据库（如 TimescaleDB、TDengine）与大数据处理框架（Ray、Spark）有架构级的理解与调优经验
AI Native 思维与效率工具：
（1）AI Native 开发思维：具备强烈的 AI Native 意识，能熟练运用 Claude Code、Cursor 等 AI Coding 工具进行高效率的代码构建、重构与 Bug 调试，拥有极高的工程落地效率
（2）智能体（Agent）前沿视野：了解 LLM Agent 框架（如 Agno、LangGraph 等），对如何将传统时序预测转化为“感知-规划-行动-记忆”的交互式智能体（Predictive Agent）流程有深入思考或实践经验者加分
综合素质：具备极强的自主学习能力、创造性思维和自驱力，能够追踪顶会（NeurIPS, ICML, KDD, ICLR 等）最新的时序大模型技术，并将其转化为解决能源行业实际业务问题的生产力
工作职责
大模型核心突破： 负责能源/时序大模型（Large Time Series Models）从 0 到 1 的算法架构设计、大规模自监督预训练（Pre-training）策略制定、多模态数据融合及下游任务微调（Fine-tuning）工作
核心业务预测优化： 组织并优化风/光功率预测、负荷预测、电价预测等高精度时序算法，利用大模型技术提升泛化能力与少样本（Few-shot）预测精度
资产健康预测性维护： 基于时序大模型/生成式模型，推进光伏智能运维、储能电池寿命预测（RUL）、多源设备故障预警与诊断算法的前沿研究与落地
行业全栈方案设计： 设计并实现解决电力、能源行业数据智能应用相关的算法架构，支撑虚拟电厂（VPP）、微电网、电力交易等业务场景
优先资格
算法交叉与行业背景（加分项）：
（1）了解电力调度、电力需求侧响应、虚拟电厂等新能源场景，具备时序预测、异常检测、图神经网络（GNN）开发经验
（2）因新能源预测受天气影响极大，具备气象学/数值天气预报（NWP）数据处理经验者优先
AI 洞察
优缺点分析
优点
- 聚焦前沿的时序大模型技术，技术栈极具竞争力和前瞻性
- 结合新能源行业热点，应用场景丰富且具商业价值
- 上市公司平台稳定，资源投入充足
- 需要同时具备顶尖算法能力和工程落地能力，技术门槛极高
- 需紧跟顶会最新论文，持续保持高强度学习
- 跨学科知识（电力+AI）要求高，学习曲线陡峭
- 适合在深度学习及时序分析领域有深厚积累，且对新能源行业有浓厚兴趣的高级算法工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向首席算法科学家或AI技术总监方向发展，深耕能源AI垂直领域
- 也可拓展至通用时序大模型研究，成为学术界与工业界认可的顶尖专家
- 负责能源领域时序大模型的架构设计与预训练，包括自监督学习和多模态数据融合
- 优化风光功率、负荷及电价预测算法，提升泛化能力和少样本预测精度
- 推进光伏运维、电池寿命预测等预测性维护算法的研究与落地
- 精通深度学习框架（PyTorch），深入理解Transformer、Mamba等时序模型架构
- 掌握大模型分布式训练工具（DeepSpeed, Megatron-LM）
- 具备时序数据清洗、Tokenization及Scaling Law实践经验
- 熟练使用AI Coding工具（Cursor, Claude Code）
申请策略
- 准备详细的技术方案文档，展示对时序大模型在能源领域应用的深度思考
- 关注公司近期在AI领域的动态和技术博客
- 突出大模型预训练、微调及分布式训练的具体项目经验
- 展示在时序预测领域的量化成果（如准确率提升百分比）
- 强调使用AI Native工具提升开发效率的案例
- 深入研究Mamba、SSM等新兴时序模型架构
- 掌握大型分布式训练集群的调优技巧
- 补充电力市场、虚拟电厂等业务基础知识
面试指南
- 采用STAR法则描述项目，重点突出技术选型理由、遇到的挑战及解决方案、最终的业务收益
- 对于架构类问题，结合理论分析与实验数据支撑
- 请详细描述你设计的时序大模型架构，特别是如何处理长序列依赖？
- 在分布式训练中，如何解决显存瓶颈和通信开销问题？
- 如何利用自监督学习提升少样本时序预测的性能？
- 你对Mamba与传统Transformer在时序建模上的优劣有何见解？
- 如何将预测结果转化为可执行的Agent动作？
- 复习Transformer、Mamba等核心模型的数学原理与代码实现
职位点评
薪资福利85
成长发展95
工作生活60
使命价值80
薪资福利
85较高
作为上市大型企业的高级算法岗位，薪资水平处于市场中上，且提供稳定的职业发展平台。
薪资信号未披露（AI估算：3.0千–6.0万/月）
成长发展
95较高
岗位涉及最前沿的时序大模型技术，技术成长空间巨大，且能接触行业顶级难题。
技术前沿前沿/新兴技术
技术栈Transformer、Mamba、State Space Models、DeepSpeed、Megatron-LM、PyTorch、LLM Agent、LangGraph
业务类型profit_center
工作生活
60中等
研发岗位通常有一定弹性，但前沿技术攻关压力大，可能伴随高强度工作，WLB视团队节奏而定。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
致力于推动能源行业的智能化转型，助力虚拟电厂、绿色能源发展，具有显著的社会价值和行业前景。
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）
固德威 的其他在招职位
相似职位推荐
点评技术-大模型算法专家
美团 · 上海市
AI 估算 · 4.0–7.0万3 小时前发布
Industrial Engineering ES
德科斯米尔 · 沈阳市
AI 估算 · 1.8–3.0万4 小时前发布
业务技术-AI Agent 后训练专家-杭州
阿里巴巴 · 杭州市
AI 估算 · 4.0–7.0万4 小时前发布
研究型实习生-多模态通用和推理大模型后训练研究
阿里巴巴 · 杭州市
AI 估算 · 4.0–6.0千4 小时前发布
阿里妈妈-AI应用算法工程师-AI Data & Decision Intelligence
阿里巴巴 · 杭州市
AI 估算 · 3.0–6.0万4 小时前发布
集团安全部-反爬算法专家-AI-native
阿里巴巴 · 杭州市
AI 估算 · 4.0–7.0万4 小时前发布
AI推理平台-AI 推理系统工程师（RSI 方向）-杭州
阿里巴巴 · 杭州市
AI 估算 · 3.0–6.0万4 小时前发布
算法实习生 - 医疗方向
阿里巴巴 · 杭州市
AI 估算 · 4.0–6.0千4 小时前发布
Watch Jobs