吉利汽车
智能车控软件开发岗
智能车控软件开发岗
发布于 大约 2 小时前普通员工/个人贡献者
宁波市
专家级经验
全职员工
仅现场办公
博士
嵌入式开发
Autosar
Can
Lin
Npu
Pytorch
Rtos
Tensorflow
Tflite
Int8量化
AI 估算 · 40k–60k
博士学历且5年以上经验，嵌入式AI领域稀缺，汽车行业薪资较高，宁波生活成本适中，综合估算月薪4-6万。
职位详情
关于这个职位
该职位负责车身域MCU端侧AI小模型的搭建、训练与部署，涉及模型量化、裁剪和推理性能调优，并与底层驱动集成联调
你将主导从模型到端侧落地的全流程，解决低延迟和资源受限等核心问题，适合在嵌入式AI领域有深厚经验的技术专家
最低要求
博士及以上学历，电子/计算机/自动化/车辆工程等相关专业
5年以上嵌入式开发经验，具备端侧AI或车身域控制器开发经验优先
嵌入式底层基础扎实，精通C/C++及Python，熟练掌握AUTOSARCP、RTOS开发及常见车身外设驱动（CAN/LIN/UART等）与调试手段
熟悉至少一种主流AI训练框架（TensorFlow/PyTorch等），理解数据处理、训练、评估指标与过拟合等基本概念
深入理解端侧模型部署与优化技术，熟练掌握量化（INT8）、模型压缩/加速、算子优化及内存规划，熟悉端侧推理框架（如TFLite/TFLM等体系），能进行NPU/CPU加速模型构建与编译，分析算子限制与规避方法
熟悉车身域业务逻辑，了解AUTOSAR架构及功能安全，有英飞凌/瑞萨等车载芯片开发经验优先
具备从模型训练到端侧落地全流程的工程化实现能力，能主导解决低延迟、资源受限等部署瓶颈问题
具备优秀的跨团队（算法/硬件/系统）协作与沟通能力，能把复杂技术问题拆解成可执行方案
工作职责
负责车身域MCU端侧AI小模型的搭建与训练
负责将训练后的AI小模型高效部署到车载MCU端侧平台
负责端侧小模型的推理性能调优，包括模型量化（尤其INT8）、裁剪、算子兼容与内存规划
基于车载软件架构将模型推理模块与车身底层驱动（CAN/LIN等）及网络/电源管理进行集成与联调
对部署模型进行综合评估，解决低延迟、高算力效率、内存占用等核心部署问题，并闭环项目问题与产品反馈
搭建从模型到端侧落地的部署流水线，开发模型转换、推理引擎集成与性能测试等自动化工具
输出设计开发与测试文档，参与方案评审，沉淀端侧小模型开发规范
优先资格
具备端侧AI或车身域控制器开发经验优先
有英飞凌/瑞萨等车载芯片开发经验优先
AI 洞察
优缺点分析
优点
- 吉利作为头部车企，平台大，项目落地机会多，技术应用场景丰富
- 端侧AI是汽车智能化趋势，技术前沿，个人技能积累价值高
- 博士学历和5年经验的门槛，竞争相对较小，薪资待遇优厚
- 车载MCU资源受限，部署优化难度大，需要解决低延迟和高算力效率的平衡
- 跨团队协作频繁，需要与算法、硬件、系统等多方沟通，对沟通能力要求高
缺点 / 挑战
- 汽车行业对功能安全要求严格，工作压力可能较大
- 适合在嵌入式AI领域有深厚积累，喜欢挑战技术难题，并愿意在汽车智能化方向长期发展的技术专家
角色解读
- 在嵌入式AI领域深耕，成为端侧AI部署专家，主导更多车型的智能化升级
- 向技术管理方向发展，带领团队负责车身域AI平台建设
- 横向拓展至其他车载域（如自动驾驶、智能座舱）的AI部署，提升职业广度
- 负责车身域MCU端侧AI小模型的搭建与训练，包括数据准备、模型架构设计和训练调优
- 将训练好的模型部署到车载MCU平台，进行量化、裁剪等优化，确保在资源受限环境下高效运行
- 与底层驱动和系统集成，进行联调测试，解决低延迟、内存占用等部署问题
- 开发自动化部署流水线和工具，提升模型迭代效率，并输出技术文档和规范
- 精通C/C++和Python，具备扎实的嵌入式底层开发能力，熟悉AUTOSAR、RTOS和常见车身总线（CAN/LIN）
- 熟悉主流AI框架（TensorFlow/PyTorch），理解模型训练和评估流程
- 深入掌握模型量化（INT8）、压缩、算子优化和内存规划，熟悉TFLite/TFLM等推理框架
- 具备跨团队协作能力，能拆解复杂技术问题并推动落地
申请策略
- 关注吉利在智能汽车领域的战略布局，在面试中展示对车载AI趋势的理解
- 准备一个完整的端侧AI部署项目案例，详细阐述从训练到优化的过程
- 突出端侧AI部署项目经验，特别是模型量化、性能调优的实际案例
- 强调嵌入式底层开发能力，包括AUTOSAR、RTOS和CAN/LIN驱动开发经验
- 展示从模型训练到部署全流程的工程化能力，以及跨团队协作的成功案例
- 如有车载芯片（英飞凌/瑞萨）开发经验，务必重点提及
- 深入学习TFLite/TFLM等推理框架，掌握NPU/CPU加速的底层原理
- 熟悉AUTOSAR架构和功能安全标准，提升在车载领域的专业度
面试指南
- 采用STAR法则，描述项目背景、任务、行动和结果，突出技术难点和你的解决方案
- 强调量化、剪枝等优化技术，并说明如何权衡精度和性能
- 体现跨团队协作能力，强调沟通和拆解问题的能力
- 请介绍一个你主导的端侧AI模型部署项目，如何解决资源受限问题？
- 在INT8量化过程中，如何处理精度损失？
- 如何优化模型在MCU上的推理延迟？
- 你如何与算法团队和硬件团队协作，确保模型顺利落地？
- 对AUTOSAR架构和功能安全的理解？
职位点评
72
综合评分
技术前沿、薪资优厚，但工作地点固定，WLB不明。
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。
更适合这类人
适合追求技术成长和前沿领域，对工作生活平衡要求不高的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展85
工作生活50
使命价值70
薪资福利
75中等
薪资水平较高，但JD未明确福利，整体补偿性较好。
薪资信号未披露（AI估算：40K-60K/月）
成长发展
85较高
技术前沿性强，涉及端侧AI和车载芯片，成长空间大，但未提及晋升路径。
技术前沿前沿/新兴技术
技术栈AI、MCU、INT8量化、TFLite、NPU、AUTOSAR
业务类型ambiguous
工作生活
50较低
工作地点在宁波，现场办公，未提及弹性工作，WLB信号不明。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
汽车智能化行业前景好，但JD未强调社会价值，意义感一般。
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
吉利汽车 的其他在招职位
相似职位推荐
Watch Jobs