EVE Energy logo
亿纬锂能
AI算法博士-数字孪生

AI算法博士-数字孪生

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 2.5–4.5万 · AI 参考估算
初级经验
硕士
全职员工仅现场办公数字孪生仿真
数字孪生仿真
Agent架构
Fem
Llm
Opc Ua
动力学仿真
多模态模型
大模型
数字孪生
机器学习

值不值得投

73综合评分

综合评分 73

前沿工业AI与数字孪生岗位,技术成长性强,薪资福利与办公灵活性信息未披露。

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

参考估算薪资

根据职位描述推断,供对比参考

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 730 个在招

职位详情

关于这个职位

该岗位面向工厂数字化建设场景,负责将机器学习、深度学习、大模型和数字孪生技术应用于制造业务

你将参与需求分析、开发计划制定、模型设计与功能交付,推动数字孪生在生产排程、设备运维、预测性维护等场景落地

最低要求

岗位要求:

)博士学历,计算机相关专业,1年以上AI算法制造应用相关经验
)扎实掌握数字孪生核心理论,包括多尺度建模、物理机理建模(如FEM、动力学仿真)、状态感知与虚实交互机制
)深入理解大模型(LLM、多模态模型、Agent架构)原理及其在工业知识理解、推理与生成中的应用范式
)熟悉工业制造典型业务流程(如生产排程、设备运维、质量控制)及OT/IT融合架构(如OPC UA、ISA-95)
)具备系统工程思维,了解数字孪生在资产全生命周期管理、预测性维护、柔性产线等场景的落地逻辑

工作职责

岗位职责

工作职责:需求分析与交付
(1)根据工厂数字化建设项目需求分配开发任务,制定开发计划
(2)研究和应用先进的机器学习、深度学习和人工智能技术,设计并实现高效的数字孪生模型
(3)按时高质量交付需求功能,保证功能稳定

AI 洞察

优缺点分析

优点

  • 岗位聚焦数字孪生、大模型和智能制造交叉方向,技术复合度高,有利于积累稀缺能力
  • 工作场景贴近真实工厂数字化建设,能够接触到生产排程、设备运维、质量控制等实际业务问题
  • 博士背景与算法研究能力有明确用武之地,适合希望把研究成果落到产业场景的求职者
  • 数字化制造部与业务场景结合紧密,项目成果通常更容易看到实际应用价值
  • 制造场景对稳定性、可交付性和业务适配要求高,模型从研究到落地可能面临较多工程约束

缺点 / 挑战

  • 需要同时理解AI算法、物理机理建模、工业业务流程和OT/IT架构,跨学科学习成本较高
  • 岗位要求博士学历且强调制造应用经验,候选人群体的专业竞争压力较大

角色解读

  • 初期可深耕数字孪生、工业AI算法和制造场景建模,成长为智能制造算法专家或数字孪生技术专家
  • 中期可向工业大模型应用架构、智能制造解决方案架构或数字化制造项目负责人方向发展
  • 长期可发展为技术专家、研发负责人或数字化转型团队管理者,负责更大范围的工厂智能化建设
  • 根据工厂数字化建设项目需求拆解任务,制定开发计划并推进交付,确保功能按时、稳定上线
  • 研究和应用机器学习、深度学习、大模型与数字孪生技术,构建面向制造场景的高效模型
  • 围绕生产排程、设备运维、质量控制、预测性维护、柔性产线等业务场景,设计虚实交互和状态感知方案
  • 结合OT/IT融合架构,将算法模型与工业系统、制造流程和资产全生命周期管理结合起来
  • 需要具备数字孪生核心理论能力,包括多尺度建模、物理机理建模、FEM、动力学仿真和虚实交互机制
  • 需要深入理解LLM、多模态模型、Agent架构,并能将其用于工业知识理解、推理和生成
  • 需要掌握机器学习、深度学习算法设计与工程实现能力,能够面向制造场景完成建模、验证和交付
  • 需要理解工业制造业务流程及OPC UA、ISA-95等OT/IT融合架构,具备系统级方案设计能力

申请策略

  • 申请前建议了解亿纬锂能在电池制造、数字化工厂和智能制造方面的业务方向,准备与岗位场景匹配的案例
  • 面试中尽量用项目结果说明价值,例如模型精度、交付周期、稳定性提升或业务问题改善
  • 重点突出与数字孪生、机器学习、深度学习、大模型相关的研究或项目经历,说明模型设计方法和实际效果
  • 强调制造或工业场景经验,如生产排程、设备运维、质量控制、预测性维护、柔性产线等落地经历
  • 突出对FEM、动力学仿真、多尺度建模、状态感知、虚实交互等能力的掌握程度,最好配具体案例
  • 展示对OPC UA、ISA-95、OT/IT融合架构的理解,以及跨系统交付和工程化落地能力
  • 可补充工业大模型应用案例,重点准备LLM、多模态模型、Agent架构在工业知识推理和生成中的实践思路
  • 加强对制造业务流程和工业数据体系的理解,熟悉设备数据、质量数据、排程数据如何支撑数字孪生建模

面试指南

  • 项目类问题采用“业务背景—关键难点—技术方案—验证结果—复盘改进”的结构回答,突出落地价值
  • 技术类问题先讲原理和适用边界,再结合制造场景说明数据、模型、系统接口和稳定性如何设计
  • 交付类问题强调需求拆解、优先级排序、里程碑管理、风险识别和跨团队沟通,用具体案例证明执行能力
  • 请介绍一个你主导或深度参与的数字孪生/工业AI项目,包括业务问题、技术路线和落地效果
  • 如何将LLM、多模态模型或Agent架构应用到工业知识理解、推理与生成场景?
  • 数字孪生模型中的多尺度建模、物理机理建模和状态感知机制如何设计?
  • 你如何理解OPC UA、ISA-95以及OT/IT融合架构在制造数字化项目中的作用?
  • 面对工厂数字化需求变更或交付周期紧张,你如何制定开发计划并保证功能稳定?

职位点评

薪资福利72
成长发展86
工作生活55
使命价值78

薪资福利

72中等

JD未披露薪资和福利信息,因此补偿性动机只能基于岗位技术门槛和博士要求判断具备一定薪资潜力,但缺少明确福利信号。

薪资信号未披露(AI估算:2.5千–4.5万/月)

成长发展

86较高

岗位明确涉及数字孪生、机器学习、深度学习、大模型、Agent架构和OT/IT融合,技术复合度高,对算法与工业场景融合成长非常有利。JD未提及培训或晋升路径,发展性主要体现在技术内容本身。

技术前沿前沿/新兴技术
技术栈机器学习、深度学习、人工智能、数字孪生、LLM、多模态模型、Agent架构、FEM、动力学仿真、OPC UA、ISA-95
业务类型ambiguous

工作生活

55较低

JD仅明确地点为惠州市,未提及远程、弹性办公、双休或加班情况,因此生活化动机满足程度无法充分判断。岗位包含需求分配、开发计划和按时交付,说明存在明确交付责任。

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

78中等

岗位服务于工厂数字化建设、资产全生命周期管理、预测性维护和柔性产线,具有推动制造业智能化升级的实际价值。JD未出现明确使命口号,但应用场景本身与产业效率提升相关。

行业发展新兴领域(暂难判断)
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