吉利汽车
AI数据产品开发
AI数据产品开发
发布于 大约 20 小时前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Rag
Sql
向量数据库
大模型
数据安全
数据标注
数据质量
值不值得投
71综合评分
综合评分 71
前沿AI数据技术，发展空间大，但工作模式未明确，可能现场办公。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
35K
比数据工程中位数高
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 1630 个在招 · 其中数据工程 17 个
市场机会
选择面较广
杭州 · 数据工程 · 72 个在招
职位详情
关于这个职位
作为吉利汽车集团的AI数据产品开发工程师，你将主导AI数据产品的全生命周期开发，从数据采集、处理、标注到存储、建模赋能与可视化，确保高质量数据供给AI模型训练与推理
你将与算法团队紧密合作，设计数据供给方案，搭建数据质量管控体系，并推动数据工具链的迭代，助力AI技术在汽车垂直场景的落地
该岗位需要深厚的数据工程背景和对AI数据需求的深刻理解
最低要求
计算机科学、数据科学、统计学、软件工程等相关专业本科及以上学历
年以上数据产品开发、数据工程或AI数据相关工作经验，其中至少2年AI数据产品（如数据集管理平台、AI数据标注工具、数据增强系统）设计与落地经验
深刻理解AI模型训练与推理的数据需求，熟悉大模型（如Transformer架构）、RAG、多智能体等技术的数据适配逻辑，掌握AI数据全流程管理的核心难点与解决方案
具备扎实的数据处理技术能力，熟练掌握Python/Java等编程语言，精通SQL，熟悉Hadoop、Spark、Flink等大数据处理框架，了解向量数据库（如Milvus、Pinecone）、时序数据库的应用场景与部署方案
熟悉AI数据标注流程与工具，了解自动标注、半监督标注技术原理，能独立设计标注规则、优化标注效率，有标注工具定制开发经验者优先
具备数据质量管控体系搭建经验，能制定科学的数据质量指标，设计数据校验、异常修复机制，通过技术手段保障AI模型输入数据的可靠性
了解AI数据安全与合规要求，熟悉数据脱敏、加密、访问控制等技术，能在产品开发中落实隐私保护政策，确保数据使用符合相关法规
具备较强的跨团队协作能力，能高效对接算法、产品、研发团队，明确数据需求、协调技术资源，推动AI数据产品从需求到落地的全流程推进
具备数据驱动思维，能通过分析数据处理效率、数据质量、模型效果等数据，定位产品问题并推动迭代优化，有完整的AI数据产品迭代案例者优先
工作职责
主导AI数据产品全生命周期开发，覆盖数据采集、处理、标注、存储、建模赋能及可视化全流程，聚焦AI模型训练与推理的数据供给、数据质量优化及数据价值转化
负责AI数据产品的核心功能设计与落地，包括数据采集方案（结构化/非结构化数据）、数据清洗与增强策略、标注工具选型与定制、数据集管理体系搭建等，输出可落地的技术方案与开发文档
对接AI算法团队，明确模型训练、微调、推理的数据需求（如数据规模、格式、质量指标、隐私等级），设计适配大模型、垂直领域模型的数据供给方案，保障数据与模型的高效适配
搭建AI数据质量管控体系，制定数据准确性、完整性、一致性、时效性、安全性等核心指标，设计数据校验、异常检测与修复机制，通过技术手段提升AI模型输入数据质量，降低数据噪声对模型效果的影响
负责AI数据产品的技术架构设计与优化，包括数据存储架构（时序数据库、向量数据库、分布式存储等）、数据处理流水线搭建（批处理/流处理）、数据标注平台开发与集成，平衡数据处理效率、存储成本与模型需求
推动AI数据工具链的建设与迭代，包括自动化数据采集脚本、智能标注工具、数据集版本管理工具、数据质量监控面板等，提升数据生产效率与团队协作效率
结合RAG、多智能体、模型量化等AI技术特性，优化数据产品方案，如为RAG场景设计向量数据库检索策略、为本地模型部署提供轻量化数据集解决方案，助力AI能力高效落地
负责AI数据产品的数据安全与合规开发，落实数据脱敏、加密存储、访问权限管控等措施，确保数据采集、使用、流转全流程符合隐私保护法规及行业规范，平衡数据可用性与安全合规
建立数据产品效果评估体系，通过模型训练效果数据（如准确率、召回率）、数据处理效率指标（如处理吞吐量、标注效率）、数据质量指标驱动产品迭代，持续优化数据对AI业务的赋能效果
关注AI数据领域技术趋势（如自动化数据标注、合成数据生成、联邦学习在数据共享中的应用）与行业竞品动态，输出数据产品技术创新与差异化方案，支撑AI业务核心竞争力构建
优先资格
有本地大模型（如LLaMA、Qwen轻量化版本）数据集定制、优化及部署配套数据产品开发经验者优先
具备AI+垂直场景（汽车领域）数据产品落地经验，熟悉垂直领域数据特性与需求者优先
了解数据增强、合成数据生成、模型蒸馏等技术，能结合业务需求设计数据优化方案，提升模型效果者优先
主导过AI数据产品从0到1搭建，包括需求分析、架构设计、开发落地及迭代优化，有完整项目闭环经验者优先
有开源AI数据项目开发经验，或在技术社区分享过AI数据产品开发、数据处理优化相关内容者优先
具备机器学习基础，能协助算法团队进行数据预处理、特征工程，参与模型效果调优者优先
AI 洞察
优缺点分析
优点
- 涉及大模型、RAG等热门技术，技能积累价值高
- 跨团队协作机会多，能提升沟通和项目管理能力
- 汽车行业数据场景丰富，数据产品落地价值高
- 跨团队协作要求高，需平衡多方需求，沟通成本高
- 适合有5年以上数据工程经验，对AI数据产品有热情，具备较强技术深度和跨团队协作能力的求职者
缺点 / 挑战
- 吉利作为汽车巨头，AI数据岗位处于行业前沿，技术挑战大，成长空间广
- 对技术要求全面，需掌握大数据、AI、数据安全等多领域知识，学习压力大
- 数据质量管控复杂，需应对数据噪声和合规挑战，工作强度可能较高
角色解读
- 可向AI数据架构师或数据产品专家发展，深入数据平台建设
- 有机会转向AI算法或模型优化方向，利用数据经验提升模型效果
- 在汽车AI领域深耕，成为垂直场景数据产品负责人
- 负责AI数据产品的全生命周期开发，包括数据采集、清洗、标注、存储和可视化，确保数据质量满足模型训练需求
- 与算法团队紧密合作，理解大模型、RAG等技术的需求，设计并实现数据供给方案
- 搭建数据质量监控体系，通过技术手段提升数据准确性、完整性，降低噪声影响
- 优化数据工具链，如自动化标注、数据版本管理，提升团队效率
- 精通Python/Java和SQL，熟悉大数据框架如Spark、Flink，具备数据处理流水线开发能力
- 熟悉向量数据库、时序数据库等存储技术，了解大模型和RAG的数据适配
- 具备数据质量管理和数据安全合规知识，能设计校验和脱敏机制
- 跨团队协作能力，能与算法、产品、研发高效沟通
申请策略
- 关注吉利在AI领域的战略布局，面试时展示对汽车AI场景的理解
- 准备一个数据产品案例，说明如何解决数据质量或效率问题
- 突出AI数据产品从0到1的开发经验，包括架构设计、落地和迭代
- 强调大数据处理技术栈（Spark、Flink）和向量数据库应用案例
- 展示数据质量管控体系搭建和标注工具定制的具体成果
- 提及与算法团队协作的经验，以及数据安全合规实践
- 补充RAG、多智能体等AI技术的数据适配知识，可学习相关课程
- 熟悉Milvus、Pinecone等向量数据库的部署和优化
面试指南
- 用STAR法则回答项目经验，突出数据、行动、结果
- 技术问题先阐述原理，再结合项目案例，最后总结优化点
- 协作问题强调沟通机制和需求对齐方法
- 如何设计一个AI数据质量监控体系？请举例说明
- 在RAG场景中，如何优化向量数据库的检索策略？
- 描述一次你主导AI数据产品从0到1的经历，遇到哪些挑战？
- 如何平衡数据安全合规与数据可用性？
- 你如何与算法团队协作，确保数据满足模型训练需求？
职位点评
薪资福利70
成长发展85
工作生活50
使命价值80
薪资福利
70中等
职位未明确薪资，但作为大型企业，薪资可能具有竞争力，但具体福利未提及。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
85较高
职位涉及前沿AI技术（大模型、RAG），技术成长空间大，但晋升路径未明确提及。
技术前沿前沿/新兴技术
技术栈Python、Java、SQL、Hadoop、Spark、Flink、Milvus、Pinecone、RAG、大模型、数据增强、合成数据
业务类型profit_center
工作生活
50较低
工作地点在杭州，但JD未提及工作模式，可能为现场办公，通勤便利性未知。
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
80较高
汽车行业AI应用前景广阔，数据产品对智能驾驶等有积极影响，但JD未明确社会价值。
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
吉利汽车 的其他在招职位
相似职位推荐
Watch Jobs