吉利汽车
AI工程师
AI工程师
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Cnn
Pytorch
Rnn
Tensorflow
大语言模型
自然语言处理
计算机视觉
值不值得投
75综合评分
综合评分 75
汽车智能化AI算法岗，技术栈前沿、业务场景丰富、成长空间大，WLB与薪资上限视具体团队而定。
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
2.8万
比机器学习工程中位数低
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 2880 个在招 · 其中机器学习工程 12 个
市场机会
选择面较广
杭州 · 机器学习工程 · 约 260 个在招
职位详情
关于这个职位
该职位主要负责机器学习与深度学习模型的设计、开发、训练及工程化部署，推动AI能力在业务场景中的落地
你需要与产品和工程团队协作，持续优化算法性能，并跟踪前沿技术以提升业务效率
最低要求
计算机、人工智能、数学、统计学等相关专业背景，本科及以上学历
具备2年以上AI算法或机器学习相关工作经验，优秀应届毕业生亦可
熟练掌握Python，熟悉TensorFlow、PyTorch等至少一种主流深度学习框架
熟悉常见机器学习算法与深度学习模型，如CNN、RNN、Transformer等
具备模型训练、调优及工程化部署经验，熟悉Linux开发环境
具备良好的逻辑分析能力、问题解决能力与团队协作意识
工作职责
负责机器学习与深度学习模型的设计、开发与迭代优化
开发面向业务场景的AI算法方案，并完成模型训练与效果验证
实施算法模型的工程化部署，保障线上服务的稳定运行
分析模型性能数据与业务反馈，持续提升算法准确率与响应效率
配合产品与工程团队，对接AI能力需求并推动方案落地
跟踪人工智能前沿技术，评估新技术在实际业务中的可行性
维护算法相关技术文档，支持团队知识沉淀与技术复用
优先资格
有自然语言处理、计算机视觉或大语言模型相关项目经验者优先
AI 洞察
优缺点分析
优点
- 依托大型车企平台，能够接触到智能驾驶、智能座舱等前沿且庞大的业务场景，数据资源丰富
- 职责涵盖从模型设计到工程化部署的全流程，有助于培养端到端的AI落地能力
- 适合具备扎实深度学习基础、有模型工程化落地经验，且希望在智能汽车或大型实体产业中深耕AI技术的求职者
缺点 / 挑战
- 汽车智能化是当前行业核心发展方向，岗位具备较高的行业前景和技术壁垒，有利于个人技术积累
- 车企的业务场景对算法的实时性、稳定性和安全性要求极高，模型部署和优化的工程挑战较大
- 需要频繁与产品、工程等非算法团队沟通对接，对跨部门协作和推动方案落地的能力要求较高
角色解读
- 纵向可发展为高级算法工程师、算法专家或首席科学家，深耕特定技术领域（如NLP、CV或大模型）
- 横向可向AI产品经理、AI架构师或技术管理岗位转型，负责整体AI战略规划与团队管理
- 负责机器学习与深度学习模型的设计、开发、训练与迭代优化，确保模型在实际业务场景中的效果
- 将算法模型进行工程化部署，保障线上服务的稳定运行，并持续分析性能数据以提升准确率和响应效率
- 与产品和工程团队紧密协作，对接AI能力需求，跟踪前沿技术并评估其在业务中的可行性
- 扎实的编程基础，熟练掌握Python，并精通TensorFlow或PyTorch等主流深度学习框架
- 深入理解CNN、RNN、Transformer等常见机器学习与深度学习模型，具备模型训练、调优及Linux环境下的工程化部署经验
- 具备良好的逻辑分析和问题解决能力，能够跨团队协作推动AI方案落地
申请策略
- 提前了解吉利汽车在智能化（如智能座舱、自动驾驶、车机语音交互）方面的业务布局，面试时结合业务场景阐述算法落地思路
- 重点突出在TensorFlow/PyTorch框架下的模型开发经验，以及CNN、RNN、Transformer等模型的实际应用案例
- 详细展示模型工程化部署的经历，包括在Linux环境下的性能调优、响应效率提升及线上稳定性保障成果
- 若有NLP、CV或大语言模型相关项目，需作为核心亮点呈现，说明其在具体业务场景中的效果验证与提升
- 深入学习大语言模型（LLM）的微调与部署技术（如LoRA、vLLM等），以契合当前AI技术发展趋势
- 提升模型推理加速与工程化部署能力，如掌握TensorRT、ONNX等模型优化工具
面试指南
- STAR法则：在回答项目经验时，按照情境（Situation）、任务（Task）、行动（Action）、结果（Result）的结构，突出个人贡献和量化收益
- 问题排查框架：针对线上问题，按照“现象确认 -> 数据/日志分析 -> 假设验证 -> 修复与监控”的逻辑链条进行解答
- 请详细介绍一个你主导的深度学习模型项目，包括模型选型、训练调优过程以及最终的业务收益
- 在模型工程化部署过程中，你遇到过哪些性能瓶颈？是如何解决以提升响应效率的？
- 针对Transformer架构，请谈谈你的理解，以及它在实际业务（如NLP或CV）中的应用经验
- 当模型在线上出现效果衰减或异常时，你的排查和解决思路是什么？
- 复习Transformer、CNN、RNN等核心模型的底层原理及最新变体，准备手撕代码或算法推导
- 梳理过往项目中的工程化部署细节，准备好应对关于模型压缩、推理加速、高并发服务部署等方面的技术拷问
职位点评
薪资福利75
成长发展85
工作生活60
使命价值80
薪资福利
75中等
该岗位对AI算法经验有明确要求，结合汽车智能化行业背景及目标城市同类岗位市场价，整体薪酬具备一定竞争力。
薪资信号未披露（AI估算：2千–3.5万/月）
成长发展
85较高
岗位涉及前沿AI技术在汽车业务场景的落地，技术栈现代，且能接触到真实业务数据，有利于技术深度与广度的双重提升。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、CNN、RNN、Transformer、自然语言处理、计算机视觉、大语言模型
成长机会跟踪人工智能前沿技术、支持团队知识沉淀与技术复用
业务类型ambiguous
工作生活
60中等
JD未明确提及工作模式与加班情况，作为研发岗通常需遵循坐班制度，具体工作生活平衡情况因团队而异。
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
将AI技术应用于汽车产品，推动出行方式的智能化升级，具备一定的行业前景与技术使命感。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs