吉利汽车
动力系统智能化开发岗
动力系统智能化开发岗
发布于 2 分钟内普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
三电系统
大数据
大模型
机器学习
深度学习
值不值得投
75综合评分
综合评分 75
新能源巨头核心研发岗，前沿技术栈，薪资竞争力强，但工作地点固定且强度可能较大。
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
40K
比算法优化工程师中位数低
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 1230 个在招 · 其中算法优化工程师 10 个
市场机会
选择面较广
杭州 · 算法优化工程师 · 51 个在招
职位详情
关于这个职位
这是一个在吉利汽车负责新能源车动力域智能化开发的岗位，核心工作是主导三电系统与智能化技术的融合创新
你将运用机器学习和深度学习算法，开发电池SOC/SOH估算、安全预警、故障诊断等应用，并参与动力域大模型的选型与工程化部署
岗位需要扎实的数据处理和算法开发能力，并能将业务需求转化为技术方案落地
最低要求
本科及以上学历，车辆工程、计算机科学与技术、人工智能等相关专业
年以上新能源车动力域研发 / 智能化相关工作经验，含 1 个以上完整项目落地经历
扎实大数据基础，熟悉 Hadoop/Spark/Flink 等至少 1 种处理框架，掌握数据建模与挖掘，可独立落地动力域数据场景分析
熟悉机器学习 / 深度学习算法，掌握 Python/Java 等至少 1 种算法开发工具
具备智能化产品思维，可转化业务需求推动技术落地，有动力域智能化产品设计 / 研发经验者优先
工作职责
负责新能源车动力域智能化技术方案设计、落地与迭代，主导三电系统与智能化技术的融合创新
基于动力域全生命周期数据（运行数据、故障数据等），参与搭建大数据三电监控平台
主导机器学习算法、深度学习模型在动力域的应用开发，包括但不限于：电池 SOC/SOH 估算、电池安全告警/预警、故障诊断与预测、能耗智能分配等
参与动力域相关大模型的需求定义、模型选型、训练调优与工程化部署，提升动力域决策智能化水平
参与动力域智能化产品的规划、设计与落地，协同产品、软件、测试等部门推进项目落地
跟踪行业内动力域智能化、三电技术、大模型等领域的前沿趋势，引入先进技术与方案，构建技术壁垒
优先资格
新能源车头部企业动力域 / 智能化相关工作经验
了解大模型技术原理（Transformer / 预训练 / 微调等），有汽车领域大模型落地经验，可独立完成需求拆解、选型与工程化部署
主导过三电智能化升级、动力域大数据平台搭建、算法 / 大模型落地等核心项目
良好的英语听说读写能力
AI 洞察
优缺点分析
优点
- 行业前景好：新能源汽车是高速增长赛道，动力域智能化是核心方向，技术价值高
- 平台优势：吉利作为跨国巨头，拥有丰富的研发资源和数据，能接触前沿技术
- 技能积累：可深入掌握大数据、AI算法、大模型在工业场景的落地，技术栈全面
- 技术复杂度高：需同时掌握大数据、算法、大模型及车辆工程知识，学习成本高
- 跨部门协作多：需要与产品、软件、测试等多方沟通，对沟通协调能力要求高
- 工作强度可能较大：作为核心研发岗位，项目推进节奏快，可能需要加班
- 适合对新能源汽车技术有热情，具备扎实算法和大数据基础，希望在工业场景中落地AI技术的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术专家路线：在动力域AI算法、大模型应用等方向深耕，成为领域专家
- 技术管理路线：从技术骨干向技术经理、项目负责人发展，带领团队
- 跨领域发展：向智能驾驶、智能座舱等更广泛的汽车智能化领域拓展
- 负责新能源车动力域（电池、电机、电控）的智能化技术方案设计与落地，推动三电系统与AI技术融合
- 基于海量运行数据，开发机器学习/深度学习模型，用于电池SOC/SOH估算、安全预警、故障诊断等核心场景
- 参与动力域大模型的需求定义、选型、训练与部署，提升系统决策智能化水平
- 协同产品、软件、测试等部门，推动智能化产品从规划到落地的全流程
- 扎实的机器学习/深度学习算法基础，熟悉Python/Java等开发语言
- 熟悉大数据处理框架（如Hadoop/Spark/Flink），具备数据建模与分析能力
- 了解大模型技术原理（Transformer/预训练/微调），有工程化部署经验者优先
- 具备智能化产品思维，能将业务需求转化为技术方案并推动落地
申请策略
- 了解吉利在新能源和智能化领域的最新布局，在面试中展示对公司的认同
- 准备一个完整的项目案例，详细说明你在其中的角色、技术难点和解决方案
- 突出动力域或相关工业场景的AI项目经验，特别是从需求定义到工程化落地的完整项目
- 强调大数据处理能力，如使用Spark/Flink处理海量数据的项目细节
- 展示机器学习/深度学习模型的开发与优化成果，如SOC估算精度提升等量化指标
- 如有大模型相关经验，务必重点描述，包括模型选型、训练和部署过程
- 系统学习大模型技术原理（Transformer、预训练、微调），并尝试在个人项目中应用
- 熟悉动力电池工作原理和SOC/SOH估算方法，补充车辆工程知识
面试指南
- 采用STAR法则（情境、任务、行动、结果）清晰描述项目经验，突出个人贡献和量化成果
- 对于技术问题，先阐述技术原理，再结合项目实践，最后总结优缺点和优化方向
- 对于开放性问题，展现对行业趋势的理解，并结合自身经验提出可行的思路
- 请详细描述你主导或参与的一个动力域或相关AI项目，从需求分析到落地的过程
- 如何利用大数据平台（如Spark）处理和分析动力域的海量运行数据？
- 在电池SOC估算或故障预测中，你如何选择和应用机器学习模型？
- 谈谈你对大模型在汽车动力域应用前景的看法，以及如何实现工程化部署？
- 如何将业务需求转化为可落地的技术方案？请举例说明
职位点评
薪资福利75
成长发展90
工作生活50
使命价值80
薪资福利
75中等
作为大型上市车企的研发岗位，薪资水平在行业内具有竞争力，且福利待遇相对完善。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
岗位涉及大数据、机器学习、大模型等前沿技术，技术成长空间大，且公司平台能提供丰富的实践机会。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、大模型、Transformer、Hadoop、Spark、Flink
业务类型profit_center
工作生活
50较低
职位为现场办公，未提及弹性工作或远程办公，工作地点可能在杭州或宁波，通勤便利性一般。
工作模式仅现场办公
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
80较高
新能源汽车行业是高速增长赛道，岗位直接推动三电系统智能化，对推动绿色出行和能源转型有积极意义。
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
Watch Jobs