智控大模型主任工程师

优缺点分析

角色解读

• 技术专家路线：在工业AI大模型领域持续深耕，成为公司级乃至行业级的技术权威
• 技术管理路线：从主任工程师向技术总监、高级技术总监发展，负责更大范围的技术战略与团队管理
• 业务管理路线：凭借对业务和技术的双重理解，转向产品、项目或业务线的综合管理岗位
• 负责工业智控领域大模型的技术方案设计与落地，主导产线异常诊断、工艺优化、设备故障预测等核心场景的AI应用
• 研发大模型增量学习与跨场景迁移框架，解决算法在不同设备、工厂间的快速适配问题，降低落地成本
• 构建工业知识图谱与向量知识库，落地RAG方案，支撑大模型在专业领域的精准推理
• 统筹团队技术路线与规划，负责团队管理、人才培养和技术攻关，对技术方案的最终落地效果负责
• 精通Python和主流深度学习框架（PyTorch/TensorFlow），深入理解Transformer架构与大模型原理
• 具备大模型落地经验，熟悉微调、RAG、向量数据库，并有完整项目实践
• 掌握模型部署与优化技术（ONNX/TensorRT），具备模型量化、压缩与性能调优能力
• 具备系统级架构设计能力、团队管理经验和跨部门协调能力，能主导复杂技术项目从0到1落地

申请策略

• 在申请材料中明确表达对工业AI方向的热情和对宁德时代的了解
• 面试时准备一个完整的技术方案讲解，展示系统架构设计和问题拆解能力
• 重点突出主导过的大模型从0到1的工业落地项目，强调技术方案、落地效果和业务价值
• 详细描述在RAG、模型微调、部署优化等方面的具体实践经验和技术细节
• 突出团队管理或项目牵头经验，包括团队规模、管理职责和项目成果
• 强调跨团队协作和解决复杂问题的能力，用具体案例证明技术攻坚实力
• 补充或强化对工业场景（如设备控制、工艺流程）的理解，可提前了解宁德时代业务
• 深入学习大模型工程化部署技术，如TensorRT、vLLM等推理加速框架

面试指南

• STAR法则：描述项目背景、你的任务、采取的具体行动和可量化的结果，突出个人贡献
• 结构化表达：对于技术方案问题，从需求分析、架构设计、关键技术、风险控制等维度系统回答
• 体现管理思维：回答团队管理问题时，强调目标设定、规范制定、人才培养和沟通协调
• 请详细描述一个你主导的大模型落地项目，包括技术选型、遇到的挑战和最终效果
• 在工业场景中，如何保证大模型推理的低延迟和高可靠性？你会采用哪些优化策略？
• 如何设计一个跨设备、跨工厂的算法迁移框架？核心难点是什么？
• 作为技术负责人，你如何管理团队并确保项目按时高质量交付？
• 谈谈你对RAG技术在工业知识问答或故障诊断中应用的理解和落地思路