宁德时代
大模型算法工程师
大模型算法工程师
发布于 大约 14 小时前普通员工/个人贡献者
宁德市
中级经验
全职员工
仅现场办公
本科
机器学习工程
Ai Agent
Deepspeed
Dpo
Lora
Nlp
Pytorch
Qdrant
Qlora
Rag
AI 估算 · 30k–50k
大模型算法工程师为高薪技术岗，宁德时代作为新能源巨头，薪资水平较高，结合宁德城市消费水平，月薪3-5万合理。
职位详情
关于这个职位
作为宁德时代的大模型算法工程师，你将专注于售后后市场场景的大模型研发与落地，包括模型微调、量化压缩、推理加速，以及NLP和多模态技术的应用
你将参与构建RAG系统、智能客服、故障诊断等核心业务，推动算法在生产环境的稳定运行，并持续探索AI Agent等前沿技术
该职位要求扎实的算法功底和工程化能力，适合希望在新能源行业深耕的技术人才
最低要求
本科及以上学历，计算机科学、人工智能、机器学习、NLP等相关专业
硕士及以上学历、有售后/后市场/供应链大模型落地经验者优先
知识技能：
精通Transformer架构与大模型核心原理，熟练掌握2种及以上主流开源大模型（Qwen/GLM/Llama等）的微调、量化及推理优化，具备完整大模型落地项目经验
熟练运用Python及PyTorch/TensorFlow框架，精通Hugging Face生态、DeepSpeed等工具链，具备高效数据处理与模型工程化能力
具备扎实的NLP/多模态算法功底，熟悉文本分类、语义匹配、对话生成等技术，了解向量检索（Milvus/Qdrant）、Hybrid Search者优先
掌握大模型工程化部署技术，熟悉vLLM/TensorRT-LLM推理加速、模型服务化封装（FastAPI），能解决生产级落地中的性能与稳定性问题
一年以上深度学习或者大模型相关工作经验
其他：有售后智能客服、故障诊断、配件需求预测等场景大模型规模化落地经验
主导过大规模售后/配件数据集构建与治理，或有AI Agent在产业场景落地经验
参与开源大模型项目、发表过NLP/大模型相关顶会论文者优先
工作职责
（一）大模型算法研发与优化
负责售后后市场场景大模型选型、精细化微调（LoRA/QLoRA/DPO）、量化压缩及推理加速，平衡模型精度、响应效率与部署成本，适配多终端落地需求
深耕NLP与多模态技术，研发故障诊断、配件精准匹配、工单智能处理、投诉意图解析等核心算法，打造贴合行业场景的技术方案
搭建贴合业务的大模型评估体系，通过Prompt工程、数据增强、参数迭代，持续提升算法业务适配性与落地效果
（二）业务场景深度落地
联动业务与工程团队，挖掘场景痛点，推动大模型算法在智能客服、故障辅助诊断、配件需求预测等场景的端到端落地，保障生产级稳定性与可靠性
主导售后后市场专属数据集构建与数据治理，优化数据与大模型的融合效率，支撑算法迭代升级
负责RAG系统搭建与优化，整合行业知识库、维修规范、配件手册，实现千万级SKU高效检索与专业问答赋能
（三）技术创新与沉淀
跟踪大模型前沿技术与行业实践，结合汽车/家电/新能源等后市场特性，探索AI Agent、数字孪生融合等创新应用，打造技术壁垒
沉淀大模型算法研发与落地方法论，输出技术规范与最佳实践，赋能团队技术升级与算法标准化复用
优先资格
硕士及以上学历、有售后/后市场/供应链大模型落地经验者优先
了解向量检索（Milvus/Qdrant）、Hybrid Search者优先
有售后智能客服、故障诊断、配件需求预测等场景大模型规模化落地经验
主导过大规模售后/配件数据集构建与治理，或有AI Agent在产业场景落地经验
参与开源大模型项目、发表过NLP/大模型相关顶会论文者优先
AI 洞察
优缺点分析
优点
- 宁德时代作为新能源巨头，平台大，业务场景丰富，大模型落地机会多
- 岗位涉及大模型全链路技术，从微调到部署，技能积累全面，职业竞争力强
- 新能源行业前景广阔，后市场智能化需求增长，职业发展空间大
- 公司已上市，福利待遇较好，稳定性高
- 工作地点在宁德，相对偏远，生活便利性可能不如一线城市
- 大模型技术迭代快，需要持续学习，保持技术前沿
- 适合对大模型技术有热情、具备扎实算法功底、愿意在新能源行业深耕的技术人才
缺点 / 挑战
- 业务落地涉及跨部门协作，沟通成本较高
角色解读
- 从算法工程师向技术专家或技术管理方向发展，主导大模型在产业中的深度应用
- 随着新能源后市场智能化需求增长，可成为行业解决方案专家，推动技术商业化
- 有机会参与前沿技术研究，如AI Agent、数字孪生，成为技术创新引领者
- 负责大模型在售后后市场场景的选型、微调、量化与推理加速，确保模型在业务中的高效落地
- 研发故障诊断、配件匹配、工单处理等NLP算法，构建贴合行业场景的技术方案
- 搭建RAG系统，整合知识库，实现千万级SKU的高效检索与专业问答
- 与业务团队协作，推动算法在智能客服、故障诊断等场景的端到端落地
- 精通Transformer架构和大模型原理，熟练掌握主流开源大模型的微调、量化及推理优化
- 熟练使用Python和PyTorch/TensorFlow，熟悉Hugging Face生态和DeepSpeed工具链
- 具备扎实的NLP/多模态算法基础，了解向量检索和混合搜索技术
- 掌握大模型工程化部署技术，如vLLM/TensorRT-LLM推理加速和FastAPI服务化封装
申请策略
- 了解宁德时代业务和售后后市场场景，准备相关项目案例
- 关注公司技术团队动态，展示对大模型在新能源领域应用的思考
- 突出大模型项目经验，特别是微调、量化、推理加速的实际落地案例
- 强调NLP/多模态算法能力，如文本分类、语义匹配等
- 展示工程化能力，如模型部署、服务化封装、性能优化
- 提及相关行业经验，如售后、供应链、智能客服等
- 熟悉主流大模型框架，如Qwen、GLM、Llama，掌握微调和量化技术
- 学习RAG系统搭建和向量数据库使用，如Milvus、Qdrant
面试指南
- 结合项目经验，采用STAR法则，突出具体挑战和解决方案
- 展示技术深度，如微调、量化、推理加速的原理和权衡
- 强调业务导向，说明如何将技术转化为业务价值
- 请描述你在大模型微调方面的经验，如何选择微调策略？
- 如何优化大模型推理性能，降低延迟和成本？
- 在RAG系统中，如何解决检索准确率低的问题？
- 如何评估大模型在业务场景中的效果？
- 你如何看待大模型在售后后市场场景的应用前景？
职位点评
73
综合评分
新能源巨头大模型算法岗，技术前沿，薪资高，但工作地点偏远，WLB一般。
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
该职位最适合追求技术成长和行业前景的求职者，对工作地点灵活性要求不高。
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90
工作生活50
使命价值70
薪资福利
75中等
该职位薪资水平较高，宁德时代作为上市公司，福利待遇完善，但工作地点在宁德，生活成本较低，综合补偿性较好。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
90较高
该职位涉及大模型前沿技术，技术栈先进，有丰富的项目实践机会，成长空间大。
技术前沿前沿/新兴技术
技术栈大模型、LoRA、QLoRA、DPO、量化、推理加速、RAG、AI Agent
业务类型ambiguous
工作生活
50较低
工作地点在宁德，相对偏远，办公模式为现场办公，未提及弹性工作，生活便利性一般。
工作模式仅现场办公
办公地点郊区/偏远地区
加班情况未提及（无法判断）
使命价值
70中等
新能源行业属于高速增长赛道，公司使命推动绿色能源发展，社会影响力较高，但岗位具体社会价值体现不明显。
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