宁德时代
智控软算开发工程师
智控软算开发工程师
发布于 大约 14 小时前普通员工/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
先进过程控制
六西格玛
工艺动态优化
强化学习
数学建模
机器学习
智控算法
模型预测控制Mpc
值不值得投
76综合评分
综合评分 76
新能源大厂算法岗，前沿技术栈，薪资有竞争力，但需现场办公且城市较小。
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
28K
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 850 个在招 · 其中算法优化工程师 17 个
市场机会
选择适中
宁德 · 算法优化工程师 · 15 个在招
职位详情
关于这个职位
该岗位主要负责智能控制算法的开发与优化，包括先进过程控制、工艺动态优化等，并结合机器学习与模型预测控制技术解决工业场景中的复杂工艺问题
你将与软硬件团队协作，推动算法在工业场景中的落地与迭代，适合对控制理论、数据分析与工业智能化感兴趣的技术人才
最低要求
硕士及以上学历，计算机科学、控制理论与控制工程、信息和通信技术、电子工程或相关领域
年以上工业领域行业经验，扎实的控制理论基础，熟练掌握经典控制分析和设计方法
具备良好的数学建模能力，熟悉机械系统动力学知识
熟练掌握Python/C#等编程语言，具备良好的编程规范
具有机器学习、强化学习、模型预测控制MPC等算法开发与工程化的项目落地经验
有统计学基础，掌握六西格玛工程数据分析理论，熟练分析工业数据
对研究机理感兴趣，热爱专研科学原理
具备良好的工程问题解决能力，结合实际需求有逻辑地拆解问题、分析数据，并制定解决方案
有制造领域的数据算法应用，如相关性分析、工艺动态优化、策略优化、MPC、智能装备的算法经验或机器人实体项目经历
工作职责
负责智控算法的开发、设计与优化，包括但不限于先进过程控制、工艺动态优化、质量追溯及前置预警等
深入理解业务需求，将算法应用于实际项目中，解决复杂工艺智能控制问题
负责工艺机理建模，算法仿真验证与测试，确保算法的稳定性和可靠性
与硬件、软件团队紧密合作，完成算法在工业场景里的实现与集成
智能工艺控制系统自迭代和自优化范式和算法设计
跟踪行业最新技术动态，进行新技术的预研和技术攻关
优先资格
有控制算法并结合机器学习预测相关项目者优先
并在项目中实践控制算法的经验者优先
AI 洞察
优缺点分析
优点
- 宁德时代是新能源行业巨头，技术平台与资源丰富，职业发展空间大
- 岗位涉及最前沿的智控算法与AI技术，技术积累含金量高
- 工作地点在宁德，生活成本较低，薪资竞争力强，性价比高
- 工业场景算法落地复杂，需深入理解业务和工艺流程，跨领域知识要求高
- 宁德城市规模较小，生活配套和娱乐设施不如一线城市丰富
- 适合热爱技术钻研、对工业智能化和算法工程化有浓厚兴趣的候选人，特别是希望在大平台稳定发展并愿意深耕制造业场景的工程师
缺点 / 挑战
- 可能需要频繁与产线团队协作，现场调试压力大，有一定工作强度
角色解读
- 可从算法工程师向高级算法工程师/技术专家发展，深入工业智能控制领域
- 有机会向技术管理方向转型，带领团队负责复杂工艺控制系统的架构设计
- 随着新能源与智能制造行业快速发展，在CATL平台可积累丰富的行业资源与技术影响力
- 负责智控算法的开发与优化，包括先进过程控制、工艺动态优化、质量追溯与预警
- 深入理解业务需求，将算法应用于实际工业场景，解决复杂工艺智能控制问题
- 进行工艺机理建模、算法仿真验证与测试，并与软硬件团队合作完成算法落地
- 设计智能工艺控制系统的自迭代与自优化范式，跟踪行业新技术进行预研
- 扎实的控制理论基础，熟练掌握经典控制分析与设计方法
- 熟练掌握Python/C#等编程语言，具备良好的编码规范
- 具备机器学习、强化学习、MPC等算法开发与工程化落地经验
- 掌握六西格玛与数据分析方法，具备数学建模和工程问题解决能力
申请策略
- 提前了解宁德时代的业务布局和技术方向，在面试中展现对新能源行业的认同感
- 准备好讲述一个完整的算法落地项目，突出从问题定义到部署迭代的全过程
- 突出控制算法项目经验，特别是MPC、强化学习或机器学习在工业场景中的实际应用案例
- 强调数学建模能力与编程技能，展示Python/C#项目的代码质量与工程规范
- 如有六西格玛或数据分析经验，务必提及，体现数据驱动的工程思维
- 复习经典控制理论（PID、状态空间、频域分析等），并学习MPC原理及实现
- 强化Python在科学计算和机器学习中的应用，熟悉PyTorch/TensorFlow等框架
- 了解工业过程（如锂电池制造工艺）的基本知识，提升业务理解能力
面试指南
- 用STAR法则（情境、任务、行动、结果）描述项目，重点突出你的角色和算法设计思路
- 从业务问题出发，先理解物理/机理背景，再选择合适的建模方法，最后验证并迭代
- 结合理论知识与实际经验，对比MPC与传统控制方法，说明适用场景及挑战
- 展示逻辑拆解框架：明确目标→数据收集→特征分析→建模→验证→部署
- 强调测试、仿真、鲁棒性设计以及代码工程化规范
- 请介绍一个你主导的工业控制算法项目，你是如何设计和优化算法的？
- 如何将机器学习模型应用到工艺动态优化中？请举例说明
- 谈谈你对模型预测控制（MPC）的理解及其在工业场景中的优缺点
职位点评
薪资福利75
成长发展90
工作生活55
使命价值85
薪资福利
75中等
该职位由新能源龙头上市公司提供，薪资水平具备竞争力且福利体系完善，但岗位未明确披露薪资范围，存在一定不确定性。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
90较高
岗位涉及机器学习、强化学习、MPC等前沿技术，并与实际工业场景深度结合，技术成长空间大，但JD中未提及明确的晋升或培训机制。
技术前沿前沿/新兴技术
技术栈机器学习、强化学习、MPC、Python、C#、六西格玛
业务类型ambiguous
工作生活
55较低
岗位要求全职现场办公，工作地点在宁德市，城市生活便利性一般，JD中未提及弹性工作或远程办公安排。
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
85较高
宁德时代处于新能源高速增长赛道，岗位助力工业智能化与绿色制造，社会价值较高，但JD中未明确体现使命感相关表述。
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