宁德时代
多模态大模型算法工程师
多模态大模型算法工程师
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计算机视觉工程
计算机视觉工程
Pytorch
Rag
Tensorrt
多模态大模型
工业视觉
模型量化
深度学习
计算机视觉
边缘计算
值不值得投
80综合评分
综合评分 80
前沿多模态技术落地新能源制造，技术挑战大，成长空间广阔，工作强度中等偏上
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.0万
比计算机视觉工程中位数高
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 870 个在招 · 其中计算机视觉工程 14 个
市场机会
选择不多
宁德 · 计算机视觉工程 · 7 个在招
职位详情
关于这个职位
负责多模态大模型在新能源工业场景（如锂电制造）的研发、微调与落地
需搭建工业数据闭环，优化模型轻量化与边缘部署，解决缺陷检测、工艺分析等痛点，并推动AI技术在质检自动化与设备运维中的实际应用
最低要求
本科及以上学历，计算机、人工智能、软件工程、自动化、光电、测控、机器学习等相关专业，有新能源、工业视觉落地经验优先
扎实掌握深度学习、计算机视觉、自然语言处理基础理论，熟练掌握Transformer、CNN、多模态对齐、大模型微调核心原理，精通PyTorch/TensorFlow框架，熟悉OpenCV图像处理、工业视觉成像原理
熟练掌握VLM/MLLM/VLA多模态模型微调、蒸馏、量化、推理优化技术
熟悉RAG检索增强、Agent智能体、小样本学习、域自适应等工业场景优化方案，具备多模态数据处理、数据集搭建、模型评测体系搭建经验
熟悉模型轻量化与边缘部署流程，了解GPU推理加速、算子优化、内存泄漏排查
具备工业算法落地、产线联调、性能优化实战经验，能独立完成从模型训练到量产落地的全流程
具备极强的问题攻坚能力，熟悉新能源/锂电产线工艺流程、视觉检测场景者优先
具备良好的跨团队沟通能力、代码规范意识，能够快速将前沿技术转化为业务成果
工作职责
多模态模型研发与适配：负责视觉-文本-传感多模态大模型（VLM/MLLM/VLA）的选型、微调、对齐与迭代优化，聚焦锂电池涂布、卷绕、极片、电芯、外观缺陷检测、工艺参数分析、设备运维等新能源工业场景，解决工业小样本、缺陷长尾、场景域迁移、成像干扰等行业痛点
工业多模态数据体系搭建：主导产线多模态数据闭环建设，涵盖工业图像、高清成像视频、工艺参数文本、设备传感数据、检测报表、工程图纸等多源数据的清洗、标注、增广、对齐与高质量数据集搭建，设计适配产线的成像采集方案与数据采样策略，支撑模型精准训练与迭代
模型训练优化与算法攻坚：基于LoRA、QLoRA、蒸馏、量化等技术完成工业大模型轻量化微调，构建工业视觉问答、缺陷智能判定、工艺异常推理、跨模态故障诊断能力，研究自监督学习、增量学习、检索增强（RAG）等方案，解决新能源产线标注稀缺、正负样本不均衡、新缺陷难识别等问题
模型评测与体系标准化：搭建新能源工业场景专属多模态评测体系，从跨模态对齐精度、缺陷识别准确率、推理鲁棒性、模型幻觉、边缘推理时延、内存占用等维度，建立标准化评估流程，保障模型在多产线、多机型、多工艺场景的泛化能力与稳定性
工程化落地与边缘部署：负责模型剪枝、量化、算子优化、ONNX转换等轻量化改造，基于TensorRT、OpenVINO等工具完成模型云端推理、产线工控端、嵌入式边缘设备部署
对接产线视觉检测系统、工控平台，完成算法联调、性能调优与量产落地，满足工业实时检测需求
前沿技术迭代与业务赋能：持续跟进CVPR、ICML、ICCV等顶会多模态、工业大模型前沿技术，结合新能源智造业务痛点做技术落地创新
联动工艺、产线、设备团队，输出AI解决方案，赋能质检自动化、工艺优化、设备智能运维、生产效率提升
AI 洞察
优缺点分析
优点
- 依托宁德时代行业龙头地位，拥有海量真实工业数据和丰富的应用场景
- 项目落地效果直接可见，职业成就感高
- 工业场景数据噪声大、标注稀缺，模型泛化和鲁棒性优化难度大
- 需要深入理解复杂的制造工艺，跨界知识要求高
- 适合热爱技术攻坚、对工业AI落地有热情、具备扎实算法基础和工程能力的求职者
缺点 / 挑战
- 处于新能源与AI交叉的前沿赛道，技术挑战性强，成长空间大
- 边缘部署对实时性和资源限制严格，工程化压力大
角色解读
- 可向首席算法专家、AI架构师方向发展，或转型为负责AI产品落地的技术管理者
- 在新能源智能化领域积累深厚经验后，也可成为行业内的技术顾问
- 研发并微调适用于工业场景的多模态大模型，解决锂电制造中的视觉检测和工艺分析问题
- 搭建工业数据闭环，包括数据采集、清洗和高质量数据集构建
- 将模型轻量化并部署到边缘设备，实现产线实时检测和智能运维
- 精通深度学习、计算机视觉和多模态对齐理论，熟练掌握PyTorch/TensorFlow
- 具备VLM/MLLM微调、蒸馏、量化及边缘部署实战经验
- 熟悉工业视觉成像原理及产线工艺流程
申请策略
- 了解宁德时代在智能制造方面的最新布局和痛点，展现你对行业的深刻理解
- 准备具体的项目案例，详细说明如何解决数据、模型和部署中的具体难题
- 突出多模态大模型在垂直领域的落地案例，特别是涉及数据闭环、模型轻量化和边缘部署的项目
- 强调解决工业实际痛点（如缺陷检测、工艺优化）的成果
- 展示对PyTorch、TensorRT等工具的熟练程度
- 加强工业视觉成像原理和锂电生产工艺的学习
- 提升模型在资源受限环境下的部署和优化能力
- 关注多模态前沿技术（如VLA、RAG）在工业场景的应用
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经历
- 重点突出技术选型的理由、遇到的困难、采取的解决方案以及最终的业务价值
- 对于技术问题，先阐述原理，再结合具体场景说明应用
- 请介绍一个你参与过的多模态大模型落地项目，遇到的最大挑战是什么？如何解决的？
- 如何在资源受限的边缘设备上高效部署大模型？有哪些常用的优化手段？
- 针对工业场景中数据标注稀缺的问题，你有什么解决方案？
- 如何评估多模态模型在工业场景下的性能和泛化能力？
- 复习多模态大模型的核心原理和最新进展
职位点评
薪资福利85
成长发展90
工作生活60
使命价值80
薪资福利
85较高
作为已上市的巨头企业，提供具有市场竞争力的薪酬和完善的福利体系，符合资深技术人才的期望。
薪资信号未披露（AI估算：3.0千–5.0万/月）
成长发展
90较高
职位涉及前沿的多模态大模型技术与工业场景的深度结合，技术栈先进，成长路径清晰，能提供极高的技术挑战和成长空间。
技术前沿前沿/新兴技术
技术栈VLM、MLLM、VLA、LoRA、QLoRA、RAG、TensorRT、OpenVINO
业务类型profit_center
工作生活
60中等
涉及产线联调和边缘部署，可能需要深入生产一线，工作强度较大，WLB相对一般，但具体取决于团队文化。
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
80较高
致力于通过AI技术提升新能源制造的效率和质量，推动绿色能源产业发展，具有显著的社会价值和行业意义。
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