共 581 个在招岗位 · 小米在上海的最新招聘信息
负责电驱，电池，热管理等动力零部件的用户画像 负责动力零部件的大数据健康监控和分析 负责动力零部件的大数据转化，生成加速试验工况 负责测试数据的云端自动化分析等处理分析任务
岗位描述： 1. 负责安全管理工作，制定安全计划和并协调安全开发； 2. 负责项目预期功能安全开发过程文档，包括功能规范与设计改进，危害分析，安全交付发布等； 3. 负责自动驾驶系统的预期功能安全验证与确认策略，支持测试团队完成系统安全测试与安全验证，确认评估工作；
1. 建立行业供应商信息资源库，按体系要求对供应商进行调查、审核、验证及认定等 2. 监督供应商按体系要求进行日常工作，确保外购/外协件的制造过程的质量得保证 3. 对供应商的品质绩效进行评估与稽核，对供应商的品质异常进行监督和辅导，解决问题并持续改善 4. 明确各阶段的质量目标及关键制程风险异常点提前预防 5. 协调所有产品项目开展质量改善活动；向供应商提供技术支援并确保供应商工艺变更和改进充份，供应商质量持续改善 6.各机型NPI阶段退出后各项工作的复盘。
1. 支持运动控制系统相关新功能系统和软件开发，主导纵向控制功能的控制策略和算法开发； 2. 负责处理纵向控制系统出现的故障和问题分析，定位故障原因，制定解决方案并跟踪实施效果，确保系统正常运行； 3. 通过实车测试数据分析，对纵向控制性能进行优化，提升车辆的纵向性能及横向稳定性。
1. Modem 系统架构设计：负责 5G NR / 6G Modem 芯片系统级架构定义，包括基带处理流水线、硬件加速器与 DSP 软硬件交互方案； 2. 物理层算法与实现：参与 PHY 层关键算法（信道估计、MIMO 检测、LDPC/Polar 编解码、波束管理等）的定点化设计、性能仿真与 RTL 实现指导； 3. 芯片验证与量产支持：制定 Modem 子系统验证计划，参与 FPGA 原型验证、硅后 bring-up 与运营商 IOT/场测问题分析；
负责电机控制器（MCU）系统级架构/安全架构设计、需求定义、软件集成与整车级系统联调，确保电驱动系统在性能、可靠性与功能安全等方面满足整车开发目标。 - 系统需求定义：承接整车级需求，分解并制定电机控制器系统级功能需求与非功能需求（性能指标、响应时间、故障处理、EMC/热管理约束等），建立双向追溯矩阵 - 系统架构设计：设计电机控制器系统架构，包括 MCU 硬件平台选型、传感器方案（旋变/电流/温度）、通信架构（CAN/LIN/以太网）、电源架构及安全监控架构 - 系统集成与联调：主导电机控制器与 VCU、BMS、热管理等子系统的系统联调，解决接口匹配、信号交互、故障处理策略等跨系统问题 - 问题分析与闭环：主导系统级技术问题的根因分析（过流/过压/过温、NVH 异常、通信故障、跛行策略等），制定解决方案并验证闭环 - 台架与整车测试：制定电机控制器系统级测试方案（台架性能测试、环境耐久测试、整车标定验证），分析测试数据并驱动问题解决 - 技术评审与交付：主导系统设计评审，编写系统设计文档（系统需求规格、接口控制文档、系统架构文档），确保交付质量
1.负责整车仿真的网格模型处理，根据项目需求优化网格划分策略，确保网格质量满足仿真精度与效率要求； 2.基于AI优化仿真和开发流程，提升工作效率。 3.负责整车电气性能（EMC、电气性能和天线）的属性开发工作（包括：竞品分析、方案设计、仿真分析、数据校核、开发验证、问题分析和改进）； 4.负责整车电气性能仿真，优化整车电气性能设计方案； 5.负责整车电气性能问题分析与解决； 6.负责整车电气性能新技术研究，推进整车电磁兼容方案降本增效；
1、 负责驱动电机的电磁优化设计及性能仿真； 2、 负责驱动电机定转子磁性材料的评估与选择； 3、 负责驱动电机本体的热分析并给CAE专家提供支持。
1.根据车型项目负责零部件及系统DV/PV测试项目管控，统筹整车所有零部件及系统验证状态,如：DVP签署状态，零部件及系统试验完成率，试验失效问题，试验报告审核问题，试验飞检问题，OKTT执行情况等，确保项目各阀点交付； 2.负责零部件及系统测试问题管理，推进问题关闭；牵头零部件及系统测试难点攻关及测试方案制定； 3.统筹零部件方案变更对零部件及系统试验影响评估，推进按节点完成测试； 4.负责对接车型项目，同步验证状态及风险预警。
1.负责项目开发过程中车身内外饰零部件DV/PV的策划及状态管理； 2.负责车身内外饰零部件DVP审核、进度跟踪及工程认可签署 3.负责车身内外饰零部件试验问题的检出，协助开发定位和排查问题，跟踪并闭环验证； 4.负责车身内外饰零部件DVP试验飞检，审核试验数据确保符合试验要求； 5.负责车身内外饰零部件试验报告审核； 6.负责车身内外饰零部件供应商试验能力认可； 7.开展零部件试验体系建设工作，组织完善系统及零部件试验标准及配套流程体系建设。
参与Android系统优化，包括Kernel、Framework等，重点针对应用/服务等前后台行为，资源进行管控； 参与Android系统AI相关的功能定位、设计与开发，实现千人千面续航策略； 参与大数据能力开发、Agent/Skill开发等； 参与Android系统SOC相关的调度功能开发与优化；
- 根据汽车业务规划，主导产品数据管理，标准化体系规范建设，优化管理流程及方案，落地相关优化项 - 制定产品数据在全业务链中流转及校验规则，确保产品数据的准确性、一致性及可追溯性 - 制定软硬件数据管理方案，确保二者耦合无问题 - 探索AI/大数据技术与产品数据管理的结合点，提出创新性解决方案
1、供应商全生命周期流程管理（聚焦海外）： - 负责制定与海外业务相匹配的新供应商寻源、评估与准入流程，确保新供应商具备支持海外出口的资质与能力。 - 优化现有供应商的日常管理流程，包括海外订单管理、交付监控、质量追溯（特别是满足海外质量体系要求）等。 - 主导建立针对海外项目需求的供应商绩效考评与协同改进流程。 2 流程落地与赋能： - 与采购、质量、研发、物流等团队紧密协作，推动海外供应商管理流程的落地实施和执行监督。 - 开发和组织相关培训，向内部团队及关键供应商赋能，传达海外合规要求与流程规范。 - 主导或参与海外业务相关的供应链流程IT化项目，提升流程效率。 3、供应商管理海外合规流程体系建设： - 深入研究并解读海外目标市场（如欧盟、东盟、北美等）关于汽车产品的法律法规、技术标准、认证要求（如CE, UNECE, EPA等）、数据隐私（GDPR）、环保指令（如REACH, RoHS）及关税贸易政策。 - 主导设计并持续优化将海外合规要求嵌入供应商选择、导入、绩效管理和退出全生命周期的流程框架。 - 建立供应商合规风险识别、评估、预警和应对的标准化流程。
针对无人驾驶，辅助驾驶问题， 1、高性能数值优化算法，全局优化算法研发 2、基于全局优化的Planner以及Cost设计优化 3、多智能体交互博弈建模，意图推断，交互安全性分析 4、道路环境几何建模与优化 5、无人车行为决策算法设计与优化
1、内饰供应商开发、定点定价、合同签署及相关采购工作； 2、采购计划制定和跟踪，确保新项目各项任务进度目标的达成； 3、变更管理，确保项目顺利进行； 4、内饰相关零部件供应商开发选择，供应商清单管理，成本分析及行业对比，价格谈判 ； 5、按照年度采购成本要求落实年度降本计划并达成目标，； 6、供应商管理，规范供应商行为； 7、协同研发完成样件交付。
1. 数据工程：构建和维护 RTL（Verilog）指令微调数据集，包括 spec→RTL 对齐、功能验证数据生成、DPO 偏好对构建； 2. 模型微调：基于 MS-Swift / LLaMA-Factory 等框架，对 Qwen2.5-Coder 等开源代码模型进行 SFT / DPO / GRPO 后训练； 3. 评估体系搭建：搭建和维护 GenBen、VerilogEval 等基准测试评估 pipeline，集成 Yosys 综合 + Verilator 仿真； 4. 实验迭代：跟踪 RTL-LLM 前沿论文（RTLCoder、VeriCoder、VeriRL、ChatSVA 等），复现并改进关键方法； 5. RTL Review 探索：参与 SVA 自动生成、Bug Detection 等 RTL Review 能力的研究与实现；
1. 追踪汽车芯片技术趋势或竞品分析，完成芯片特性整理和性能对比，分析器件选型和替代方案； 2. 负责芯片测试验证，包括测试Case的编写、测试用例的执行，报告撰写及问题汇总等工作； 3. 收集失效芯片问题，跟踪问题状态，参与问题的debug和技术攻关，支撑汽车零部件的电子器件选型；
1. 主导平台整体软件架构设计，提升系统工程化能力，支撑模型高效部署与迭代； 2. 负责感知、规控等模型在嵌入式平台上的部署与推理加速，解决工程化落地难点； 3.制定模型部署规范与CI/CD流程，推动模型从训练到车端部署的自动化闭环。
1. 负责整车项目管理工作，有整车研发背景; 2. 负责整车项目策划及计划管理; 3. 负责项目成本及预算管理，能拉动核心资源，识别需要解决的问题，并协助推进上升; 4. 负责零部件开发管理（组织选型 & 设计变更 & 方案升级决策）及整车数据发布及问题解决； 5. 能够协调各项目阀点的管理及多项目集群管理，协调解决跨领域业务问题并组织保障各阶段装车业务。
负责热管理集成模块及相关零部件（泵、阀、管路）全生命周期技术支持和供应链维护工作： 1、负责系统/责任零部件产业链调研、市场对标、零件穿透、中长期策略制定； 2、负责责任零部件新项目商务相关工作； 3、负责责任零部件量产项目管理、成本优化、产能保障、VAVE、设变维护、售后业务等工作； 4、负责责任供应商关系维护、供应链管理、考核提升等全生命周期管理工作； 5、做好跨部门协同工作，并有效支持上级及团队承接的相关任务，共同推进项目，完成公司目标。
负责热管理系统及相关零部件（空调箱及下级件）全生命周期技术支持和供应链维护工作： 1、负责系统/责任零部件产业链调研、市场对标、零件穿透、中长期策略制定； 2、负责责任零部件新项目商务相关工作； 3、负责责任零部件量产项目管理、成本优化、产能保障、VAVE、设变维护、售后业务等工作； 4、负责责任供应商关系维护、供应链管理、考核提升等全生命周期管理工作； 5、做好跨部门协同工作，并有效支持上级及团队承接的相关任务，共同推进项目，完成公司目标。
我们正在寻求一位在系统架构方面具有丰富经验的高级专家加入我们。您将主导L2+/L3/ L4级自动驾驶系统架构的设计和开发，确保系统的安全性和可靠性。您将会参与跨专业团队合作，与产品、硬件、软件、法规等专业的专家一起，共同推动自动驾驶技术的发展。 主要职责 - 设计和开发L2+/ L3/L4自动驾驶功能的系统架构，包括功能需求分解和技术规范定义，并编制相关规格文档 - 根据自动驾驶功能的场景需求，定义系统方案和系统架构 （包含功能链路设计、模块输入输出定义），设计冗余机制，确保在出现失效时能够安全降级 - 定义与关联域的接口及性能需求，确保关联域符合自动驾驶系统的需求 - 承接产品需求，跟进算法开发及测试进展，不断优化迭代系统方案，推动功能落地 - 跟踪自动驾驶技术的最新趋势和行业动态，不断提升个人及团队能力
1、参与拍照pipeline解析力相关算法的迭代和研发； 2、跟踪CV图像恢复领域的前沿技术，推动科研转落地； 3、构建图像恢复任务的高效训练数据生成方案，提升采集效率和数据质量； 4、赋能团队做学术论文的学习总结，提升整组的科研素质。
1、跟进视觉大模型前沿技术动态，开展行业技术调研、方向探索与算法可行性验证； 2、负责手机相机影像核心功能的方案定义、算法设计、模型研发与持续迭代优化； 3、推进前沿技术向相机端侧功能落地，支撑旗舰机型量产交付，完成技术能力商业化落地与价值转化； 4、参与研发体系、训练推理框架、数据平台及工程基建的搭建与优化，提升整体研发效率； 5、沉淀核心技术与创新成果，推动技术学术化输出，产出高价值、行业级科研成果与技术专利。
1、跟进视觉大模型前沿技术动态，开展行业技术调研、方向探索与算法可行性验证； 2、负责手机相机影像核心功能的方案定义、算法设计、模型研发与持续迭代优化； 3、推进前沿技术向相机端侧功能落地，支撑旗舰机型量产交付，完成技术能力商业化落地与价值转化； 4、参与研发体系、训练推理框架、数据平台及工程基建的搭建与优化，提升整体研发效率； 5、沉淀核心技术与创新成果，推动技术学术化输出，产出高价值、行业级科研成果与技术专利。
1、承担感知系统/驱动系统/制动系统/转向系统/悬架系统多个系统功能的融合协调开发工作。基于功能需求来编写模型或者代码，按计划提交模型代码，DD文件以及系统开发设计说明书； 2、熟练使用动力学模型和轮胎模型，评估计算各种车辆姿态，结合车辆当前的状态进行整车各个轮胎上的扭矩最优化分配计算，对于比较复杂的控制需要开发新的算法； 3、使用SIL仿真，HIL台架仿真或者实车测试验证，对开发的功能模型进行数据预设和标定优化，保证相关开发目标或者指标能够实现； 4、编写算法说明书，系统软件设计说明以及标定指导书，同时与标定工程师合作持续进行软件的迭代优化升级。
1.汽车领域知识体系调研与本体设计 2.多智能体协同推理框架设计与开发 3.领域知识图谱构建与RAG系统实现 4.系统工程化部署与业务场景验证 5.学术成果输出：系统性总结研究成果，撰写并投稿高水平学术论文2-3篇；整理技术方案与实践经验，申请相关发明专利1-2项；形成可复用的方法论文档与工具链。
1、调研前沿多模态大模型预训练，世界模型，自动驾驶端到端算法，总结提炼对量产的潜在收益； 2、参与研发量产预训练的落地方案，提升车端体验； 3、创新攻坚行业难题，构建领先的自动驾驶大模型预训练技术。
1、负责云端数据基座大模型架构设计、实现与落地； 2、负责云端数据基座大模型训练方案的设计、实现与落地； 3、针对自动驾驶的技术与场景痛点，提出有效可行的解决方案，与车端同学配合解决问题并形成车云闭环； 4、负责相关学术文档，方法论的研究和调研，沉淀形成专利/文档/论文等。
1、整车 AI 开发方法论体系构建 分析现有汽车开发方法论（V 模型、敏捷、SAFe）在 AI 开发场景下的适用性边界； 提出 AI-V 模型（AI-augmented V-Model）：在传统 V 模型基础上嵌入数据闭环、模型迭代、持续验证等 AI 特有环节 建立 AI 开发各阶段（需求→数据→训练→验证→部署→监控）的活动定义、制品标准和门禁准则 融合功能安全、预期功能安全和 AI 安全的统一安全分析框架 2、harness 工程——AI 开发工具链架构设计 "harness 工程"是本课题的核心工程化载体，指构建一个标准化的 AI 开发运行框架（Development Harness），将数据管线、训练管线、仿真管线、部署管线和监控管线统一封装为可组合、可配置的工程化单元。 数据 harness：定义统一的数据 schema、标注规范、版本管理机制，支持多源传感器数据（摄像头、LiDAR、Radar、CAN 总线）的高效采集与治理 训练 harness：标准化模型训练流程，包括超参管理、实验追踪、模型注册、合规审计，确保训练过程的可复现性 仿真 harness：构建支持 SIL/MIL/HIL/VIL 的分层仿真验证框架，实现场景库管理、测试用例自动生成、仿真结果与实车数据的闭环校准 部署 harness：定义从云端到车端的模型交付标准，包括模型压缩/量化规范、OTA 升级策略、车载推理框架适配 监控 harness：建立车载 AI 运行时的性能监控与数据回传机制，支撑 Shadow Mode、触发式数据采集和模型退化预警 3、工具链原型系统开发与集成验证 基于上述架构设计，开发工具链原型系统（MVP），实现核心模块的功能验证 选取典型 AI 应用场景（如 L2+ 辅助驾驶的感知-规划链路、座舱大模型交互）进行端到端集成验证 在合作企业（小米汽车）开展工程化试点，收集真实开发流程中的反馈数据 4、方法论与工具链的评估框架 建立 AI 开发成熟度模型（AI-DMMM），从数据管理、模型质量、流程效率、安全合规四个维度评估企业 AI 开发能力 设计方法论有效性的定量评估指标体系（开发周期缩短率、缺陷逃逸率、模型质量一致性等） 形成方法论推广的分阶段实施路线图
