吉利汽车
空调热管理性能开发实习生
空调热管理性能开发实习生
发布于 8 小时前实习/见习
实习生仅现场办公汽车工程
汽车工程
Cfd仿真
暖通工程
机器学习
流体力学
深度学习
热管理
值不值得投
70综合评分
综合评分 70
技术成长导向的实习，前沿AI应用，薪资一般，WLB未明确。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
5千
比汽车工程中位数低
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 2460 个在招 · 其中汽车工程 约 130 个
市场机会
选择面较广
宁波 · 汽车工程 · 86 个在招
职位详情
关于这个职位
作为吉利汽车的空调热管理性能开发实习生，你将参与整车空调热管理系统的性能目标制定、分解与验证计划
同时，探索AI技术在流体仿真中的应用，如代理模型构建和流场预测，并利用Python开发AI模型以提升仿真效率
要求硕士及以上学历，熟悉CFD仿真和Python编程
最低要求
制冷与低温工程、工程热物理、暖通空调或流体力学等相关专业，硕士及以上学历，深刻理解传热、流体及制冷系统原理
熟悉至少一种主流CFD/热仿真软件，并能将仿真分析与实际工程问题相结合
精通Python、熟练掌握机器学习、深度学习常用框架，具备独立的数据分析、建模与算法实现能力
工作职责
负责整车空调热管理系统的性能目标制定
将整车目标分解至系统级和零部件级，制定性能开发路径与验证计划
探索AI技术在流体仿真领域的应用，包括但不限于：代理模型构建、流场预测、参数自动寻优等
利用Python及主流深度学习框架，开发、训练和部署面向热管理场景的AI模型，提升仿真效率与精度
优先资格
对AIGC工具、大语言模型应用、智能体开发有浓厚兴趣与实践探索，能利用其提升研发效率与解决复杂问题
能将“小龙虾”等开放的、非标的产业难题，精准抽象为可被数据驱动或智能算法解决的明确模型
AI 洞察
优缺点分析
优点
- 接触汽车热管理与AI交叉前沿技术，大型汽车公司提供实践平台，有助于积累行业经验和技能
- 实习期较短，需要快速学习跨学科知识，工作内容可能涉及复杂仿真和模型开发
- 适合对汽车工程和AI应用感兴趣的硕士生，希望在实践中提升技术能力并进入汽车行业
缺点 / 挑战
暂无明显挑战项
角色解读
- 从实习生发展为热管理工程师或AI应用工程师，未来可向技术专家、项目管理或研发负责人方向发展
- 负责汽车空调热管理系统的性能开发，包括制定目标、分解任务和验证计划
- 探索AI技术在仿真中的应用，如构建代理模型和预测流场，并开发AI模型提升效率
- 需要制冷工程或相关专业知识，熟悉CFD仿真软件如Ansys Fluent
- 精通Python编程和机器学习框架如TensorFlow或PyTorch，具备数据分析和建模能力
申请策略
- 了解吉利汽车的新能源汽车战略，准备展示对AI技术在热管理中应用的理解和热情
- 突出制冷工程、流体力学等专业背景，展示CFD仿真项目经验，强调Python编程和机器学习应用实例
- 加强对汽车热管理系统的学习，深入探索AIGC工具和大语言模型在仿真中的应用
面试指南
- 使用STAR法则描述项目经验，强调技术应用和问题解决能力
- 结合具体案例说明AI如何提升仿真效率
- 如何将AI技术应用于热管理仿真？请描述一个CFD仿真项目经验
- 你对AIGC工具在研发中的应用有何看法？
- 复习热力学和流体力学基础知识，熟悉Python库如TensorFlow或PyTorch，准备个人项目或研究案例以展示技能
职位点评
薪资福利50
成长发展85
工作生活60
使命价值70
薪资福利
50较低
作为实习岗位，薪资水平一般，满足基本生活需求，但福利未在JD中明确提及。
薪资信号市场水准 (4–6千/月)
成长发展
85较高
涉及AI和热管理前沿技术，提供实践机会和技能成长，符合技术发展动机。
技术前沿前沿/新兴技术
技术栈Python、机器学习、深度学习、CFD仿真
业务类型ambiguous
工作生活
60中等
工作模式未在JD中明确，但实习岗位可能有一定灵活性；办公地点推测在产业园区。
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
70中等
汽车热管理对节能环保有积极影响，AI应用推动行业创新，提供一定社会价值感。
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