海辰储能
算法资深工程师
算法资深工程师
发布于 7 天前普通员工/个人贡献者
全职员工仅现场办公算法工程师
算法工程师
Pytorch
Tensorflow
储能电池
大模型
强化学习
深度学习
算法落地
计算机视觉
值不值得投
79综合评分
综合评分 79
前沿AI技术驱动、高成长潜力、强社会价值，但工作模式与挑战性并存
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
4.0万
比算法工程师中位数高
发布情况
正常在招 · 7 天前发布
职位详情
关于这个职位
负责将AI前沿技术（如大模型、强化学习等）应用于储能电池全生命周期，解决研发、制造及服务端的痛点
需具备扎实的工程落地能力，推动算法从原型到产品化，并与业务专家协作确保技术在真实场景中的可靠性与效率
最低要求
硕士及以上学历，计算机、自动化、人工智能、电化学交叉学科等相关专业，3-5年工作经验（博士可放宽），有储能、电池、新能源或相关工业AI项目经验者优先
扎实的编程与工程能力，熟练使用Python/C++及PyTorch/TensorFlow等框架，具备从数据处理到模型部署的完整落地能力
在深度学习、机器学习至少一个方向（如时序预测、异常检测、计算机视觉、多模态融合）有深入研究，并有强烈技术好奇心，乐于将最新论文成果转化为实际应用
工作职责
聚焦储能电池全生命周期（研发、制造、运维服务）中的关键痛点，前瞻性地引入最新AI技术（如大模型、生成式AI、强化学习、图神经网络、3D视觉等），设计并验证创新算法方案
在研发端，应用AI加速电化学模拟、材料筛选、电池老化建模等，提升设计效率
在制造端，通过视觉检测、工艺参数优化、预测性维护等算法提升良率与稳定性
在服务端，构建基于多模态数据的故障预警、寿命预测与智能运维模型
针对工业场景中无标准答案的难题，自主进行前沿文献调研、开源模型复现与算法迭代，快速构建可运行、可验证的技术原型，并推动向产品化过渡
与AI应用经理及电池业务专家紧密协作，评估新技术在储能场景的可行性与投入产出比，参与数据策略、模型压缩及边缘端部署工作，确保算法在真实产线与云端环境中的可靠性与效率
持续跟踪NeurIPS、CVPR等顶会及工业AI最新动态，定期进行技术分享与预研报告，带动团队在储能AI领域保持前瞻性竞争力
优先资格
具有前瞻性思维，能主动洞察储能业务场景中的潜在AI机会，不满足于调用现有API，有顶级竞赛（Kaggle、RoboMaster等）或顶会论文经历者优先
AI 洞察
优缺点分析
优点
- 处于新能源与AI交叉的前沿赛道，行业前景广阔，技术壁垒高
- 超大型企业平台，资源充足，有利于接触大规模真实工业数据
- 强调技术创新与业务价值的结合，个人成就感强
- 工业场景数据复杂且噪声大，算法落地难度远高于互联网纯软件场景
- 需要跨部门协作，需深入理解电池物理化学知识，学习曲线陡峭
- 可能需要频繁出差至产线或客户现场进行调试与支持
缺点 / 挑战
- 工作内容极具挑战性，涉及大模型、强化学习等前沿技术在工业场景的真实落地
- 对“无标准答案”问题的探索性强，结果不确定性较高，压力较大
- 适合热爱技术挑战、对新能源行业有热情、具备扎实工程落地能力且喜欢探索未知领域的资深算法工程师
角色解读
- 纵向深耕：成为储能AI领域的首席算法专家或技术科学家
- 横向拓展：转向AI产品经理或技术管理岗位，负责更大范围的技术战略规划
- 行业跨界：凭借在工业AI领域的深厚积累，转型至其他智能制造或硬科技领域的高阶技术岗
- 深入理解储能电池业务场景，识别研发、制造、运维中的关键痛点
- 设计并实现基于AI的创新算法方案，包括大模型、强化学习、视觉检测等
- 完成从数据预处理、模型训练到边缘端部署的全流程工程落地
- 跟踪前沿技术动态，进行技术预研并向团队分享，推动技术产品化
- 精通Python/C++编程，熟练掌握PyTorch/TensorFlow等主流深度学习框架
- 在深度学习某一方向（如CV、时序预测、多模态）有深入研究及实战经验
- 具备完整的算法工程落地能力，包括模型压缩、部署及性能优化
- 较强的英文文献阅读能力及对前沿技术的敏感度
申请策略
- 在求职信中表达对储能行业及AI赋能实体经济的深刻见解
- 准备1-2个复杂的算法落地案例，重点阐述如何解决‘无标准答案’的工程难题
- 突出展示在深度学习某一方向的深度研究成果及顶会论文/竞赛奖项
- 详细列举过往项目中算法从原型到生产环境部署的完整闭环案例，强调性能指标提升
- 体现对储能、电池或工业AI领域的理解，如有相关项目经验务必重点标注
- 强调跨学科协作能力，特别是与技术专家、业务方沟通合作的经历
- 补充储能电池基础知识，了解电化学模拟、电池老化机理等基本概念
- 加强模型压缩、量化及边缘端部署（如TensorRT, ONNX）的相关技能学习
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答项目经历
- 强调问题定义、数据策略、模型选型、工程优化及最终业务价值的全链路思考
- 展现对技术局限性的认知及应对方案，体现务实的工程思维
- 请详细介绍一个你主导的从0到1的算法落地项目，遇到的最大挑战是什么？
- 如何在数据噪声大、标注成本高的工业场景下构建鲁棒的模型？
- 你对大模型在垂直行业（如储能）的应用有哪些思考和实践？
- 如何评估一项新技术在工业场景中的投入产出比（ROI）？
- 请解释一下模型压缩或边缘端部署的关键技术点及你的实践经验
职位点评
薪资福利80
成长发展90
工作生活60
使命价值85
薪资福利
80较高
作为C轮后超大型企业的资深岗位，薪资水平预计高于市场平均，且提供稳定的职业发展平台，但在JD中未明确提及具体福利细节。
薪资信号未披露（AI估算：3.0千–5.0万/月）
成长发展
90较高
职位高度聚焦前沿AI技术与工业场景的结合，要求持续跟踪顶会动态并进行技术预研，为技术人员提供了极佳的技术成长和创新空间。
技术前沿前沿/新兴技术
技术栈大模型、生成式AI、强化学习、图神经网络、3D视觉、PyTorch、TensorFlow
成长机会定期技术分享、预研报告、前沿文献调研
业务类型profit_center
工作生活
60中等
JD未明确提及弹性工作制或远程办公，且涉及产线部署和业务协作，可能需要在办公室和现场之间切换，工作强度可能较高，WLB存在一定不确定性。
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
85较高
致力于通过AI技术解决储能行业的痛点，提升能源效率和安全性，具有显著的社会价值和行业使命感，符合绿色能源发展趋势。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号提升设计效率、提升良率与稳定性、智能运维
创新程度积极采用新技术
海辰储能 的其他在招职位
相似职位推荐
红外测温算法工程师(J17586)
长电科技 · 上海市
AI 估算 · 2.0–3.5万10 小时前发布
算法工程师
万兴科技 · 长沙市
AI 估算 · 1.5–2.5万12 小时前发布
资深导航算法工程师
海尔 · 上海市
AI 估算 · 3.0–5.0万19 小时前发布
高级算法工程师
滴滴出行 · 北京市
AI 估算 · 4.0–7.0万1 天前发布
算法技术-生成式混排-算法工程师实习生
阿里巴巴 · 杭州市
AI 估算 · 4.0–6.0千1 天前发布
【华感科技】2027届测温算法工程师(J24396)
大华股份 · 杭州市
AI 估算 · 1.5–2.5万1 天前发布
C-智能算法类(J12687)
潍柴动力 · 潍坊市
AI 估算 · 6.0千–1.0万2 天前发布
CTO-算法实习生（MJ020697）
滴滴出行 · 北京市
AI 估算 · 4.0–6.0千2 天前发布
Watch Jobs