共 424 个在招岗位 · 小米在南京的最新招聘信息
1，协助完成汽车BaseTech自动化测试方案设计与落地，覆盖通信协议、诊断服务、实车测试等全场景；2，参与测试框架搭建、迭代优化及测试平台工具链开发运维，协助开展单件、系统、实车全品类测试，做好问题定位、缺陷复现与闭环跟进；3，推进测试流程标准化落地，配合跨部门团队高效协作，紧跟行业新技术，助力测试平台向CI/CD、云化、AI智能化方向升级。
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。
负责小米游戏中心、游戏空间、游戏工具箱等产品的体验优化与用户增长，制定并执行产品优化与增长策略，提升用户活跃、留存与核心转化指标。 主导产品版本迭代，合理规划需求优先级，通过用户分层、场景化设计等手段，持续优化用户体验与功能链路，提升用户粘性与满意度。 推动从方案到上线的全流程落地，协调研发、设计、运营等资源确保高质量交付。 负责产品团队能力建设，提升团队成员在产品规划、用户体验、数据分析等方面的专业能力。
本课题聚焦实时操作系统时间确定性保障关键技术，致力于解决嵌入式系统在复杂工况下面临的时序不确定难题，拟通过如下关键技术突破实现目标： 1、高精度时序测量与建模技术：研发基于硬件时间戳与软件结合的混合测量架构，突破传统RTOS测量精度不足的限制，精准测量任务/中断执行时序和时间，同时设计任务/中断最大执行时间分析数学模型（WCET），构建任务/中断执行时序特征数据库； 2、实时操作系统的编译代码优化与缓存命中率提升技术：旨在通过静态/动态分析、硬件协同等验证技术，增强多核/异构系统中指令（ICache）与数据缓存（DCache）的可预测性，从而保障任务最坏执行时间（WCET）分析的精确性与时序确定性； 3、 基于AI的多核调度优化引擎：通过建立多核任务/中断的数学模型，结合AI算法，创新性实现基于调度时序特征提取的调度优化机制，保证软件系统调度确定性； 4、实时系统中缓存时序攻击的防御机制研究 ：通过硬件辅助（如缓存分区与锁定）、软件层干扰检测（如动态时序监控）及调度算法优化（如抢占点控制与优先级隔离），在多核系统中实现安全敏感代码的时间确定性保障，阻断攻击者通过缓存资源竞争破坏任务WCET预测与截止时间约束的行为； 5、跨域时间敏感任务调度框架：针对车载多域控制器需求，实现基于以太网时钟同步的全局调度协调器，实现端到端确定性调度； 6、构建纯软件纯仿真平台：通过操作系统仿真模型，模拟调度行为，降低对硬件开发环境的依赖，优化迭代效率； 7、将研究成果作为关键特性集成在小米汽车OS中，通过系统时间分析和优化，提升整车功能的端到端实时性，进而提升用户体验。
1.策略运营：协助完成小米音箱的会员体系建设，助力业务增长 2.活动运营：完成会员活动的策划、落地执行与复盘 3.数据分析：深度参与业务数据分析、异常下探，为运营决策提供支撑 4.其他日常工作：包括推荐位配置、客诉处理等
1. 负责以通讯功能的开发，包括但不限于CAN、LIN、以太网、网关等 2. 负责管理和维护软件的编译构建系统，保证软件可编译运行； 3. 负责软件仿真平台功能预研、功能性能提升等工作； 4. 负责编写与执行功能、稳定性与压力测试用例，保障功能的鲁棒性； 5. 负责协助相关问题分析和解决； 6. 团队要求的其他工作
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。
职位描述 1. 协助门店日常运营，展车5S管理及门店形象维护； 2. 进店客户协助接待，提供产品介绍和体验服务等； 3. 与客户沟通了解需求，并协助产品专家进行留资、回访、试驾等工作； 4. 门店内其它临时性工作安排；
1、负责小米各业务的SRE工作，比如AIoT、小米商城、互联网业务、小米手机核心应用、视频技术等 2、工作涵盖容量管理、灾备管理、活动重保、日常Oncall、troubleshooting、业务巡检、故障预案、架构优化、技术运营等； 3、与DEVS共同设计产品后端架构，实现分布式、全球集群化运维管理，制定并实施相关运维技术方案，确保服务高效、稳定的运行； 4、研发设计自动化运维工具，减少日常重复性工作，用DevOps工具化思维解决业务问题，提升运维效率； 5、通过技术手段进行成本控制及优化，通过工具化及流程提升服务管理效率。
电子电气零部件DRE岗位： 1. 参与电子电气零部件的系统方案选型、零部件方案设计和整车匹配，参与方案评审 2. 参与汇总和编写零部件的开发需求，管控开发计划、测试验证、样件交付等 3. 参与造车现场支持，协助产品导入、装车验证与问题排查，完成问题记录与跟踪闭环 4. 协助参与数据发布、DFMEA、DVP&R等其他技术与管理支持工作
- 系统需求与软件开发: 1.负责车载电源产品的系统需求对接、分析、开发与释放。 2.负责系统技术方案的开发与设计，并推动软件功能落地。 3.负责各个功能模块(MBD)开发、测试与验证。 - 软件项目管理: 1.负责自研及外购车载电源项目的软件项目管理，确保项目按时、按质交付。 2.负责软件供应商的管理,包括技术对接、进度跟踪和质量监控。
1、利用AI，围绕智驾基础软件OS架构自研，建设统一组件运行框架、高性能通信中间件、DAG 调度与资源管理、硬件抽象层、日志监控诊断体系和工具链，并推动典型智驾链路试点接入与规模化推广。
1. 负责小米汽车移动端应用的软件研发工作，包括座舱车机上的桌面车模、多媒体、导航、车控、舒控、安防、场景空间和基础应用(电话/天气等)等； 2. 充分理解需求并根据需求完成软件架构、模块设计和开发工作； 3. 按照项目计划，按时提交高质量的代码，完成开发任务； 4. 改善软件的易用性，提升用户使用体验； 5. 积极研究新技术、功能扩展，以及现有开发方法的改进。
1、负责窗口、渲染、显示框架的黑屏、花屏、闪屏问题深度分析与复盘，攻坚显示类疑难异常，保障整机显示体验稳定。 2、以蓝军竞品对标思路，搭建显示异常专项分析模型；排查系统服务锁竞争、内存、IO、调度等核心资源问题，定位产品与竞品本质差异，沉淀可复用的分析方法论与工具链，支撑常态化体验优化。 3、搭建三层内存 Benchmark 评测体系 搭建覆盖应用进程、系统服务、设备老化的三层内存评测体系，聚焦杀后台、卡顿、冷启异常、掉帧等用户长体验问题；对标竞品 kswapd、LMK 内存管理机制，量化性能差异，推动内存体验优化落地。 4、构建 SOC Benchmark，支撑芯片硅前、硅后选型评估 基于核心用户场景，从 CPU、GPU、DDR、NPU、ISP、功耗多维度搭建可复跑、可横评、可量化的 SOC 评测体系；在项目早期完成性能评估与风险预判，输出选型建议，支撑芯片与平台决策。 5、搭建端侧 AI 性能与体验 Benchmark 体系 面向 LLM、VLM、ASR、TTS、端侧 Agent 搭建 AI 评测体系，覆盖响应时延、吞吐、能耗、内存、热稳定性等核心指标，兼顾AI任务与前台体验的耦合影响，为模型选型、量化方案、Runtime适配及资源调度优化提供数据支撑。 6、探索 AI 与系统协同差异化能力 围绕智能调度、智能内存、智能续航等方向，探索AI与系统服务深度协同能力；通过竞品对比挖掘差异化机会点，落地创新功能，构筑产品长期技术壁垒。
1. 模型架构、预训练方法、高效微调、模型评估及迭代； 2. 知识增强、工具增强、AI Agent、RAG； 3. 安全、时效性等问题解决； 4. 训练和推理加速、模型量化、端测落地； 5. 大模型核心能力提升，包括理解能力、知识能力、推理能力、生成能力和语言能力等； 6、制定相关规范并形成项目管理文档。
1. 负责以通讯功能的开发，包括但不限于CAN、LIN、以太网、网关等 2. 负责管理和维护软件的编译构建系统，保证软件可编译运行； 3. 负责软件仿真平台功能预研、功能性能提升等工作。
1、负责大模型在内的各类算法的电视端部署与优化； 2、负责移动端深度学习框架开发及算子优化； 3、不断挖掘移动芯片算力潜能，改良模型结构，实现业界领先的算法执行效能； 4、撰写相关论文，专利。
1. 负责制定辖区内年度销售业务计划，协助大区分解年度、季度、月度销售目标，并分发至门店确保完成； 2. 负责辖区内直营门店与授权门店销售运营管理工作，通过统一管理标准导入、销售赋能、市场规划、门店运营等，推动销量快速有序增长，提升辖区市占率； 3. 负责组建高效团队，给予团队成员及时有效的反馈，针对各项工作提供辅导，促进个人成长和发展； 4. 负责授权商销售能力提升，监控授权商的销售成本投入和运营标准执行，销售管理、财务状况、人员管理等，确保授权商运营健康度； 5. 承接总部端市场营销活动落地，联动总部、城市端资源，负责辖区内市场营销活动规划及开展； 6. 参与门店拓展、选址等决策，负责区域内门店日常高效运营； 7. 关注用户满意度，提升辖区内门店服务体验和服务质量，打造品牌口碑和影响力； 8. 负责辖区内发生的各类事件现场协调及处理。
1、即时编译（JIT）与静态编译（AOT）的优化算法方向：实现更高效的兼顾编译时间和代码质量的高性能优化编译算法；基于LLVM和OpenJDK等业界开源高效的编译框架，优化澎湃OS上语言运行时的编译器算法设计和性能；结合AI技术突破传统编译算法和策略的限制，开发更高性能的JIT和AOT编译策略和算法； 2、高性能垃圾回收（GC）算法方向：结合人车家全场景业务，设计和优化更低功耗、低延迟的AI相结合的GC算法，优化澎湃OS上的语言运行时的执行性能、降低功耗开销和优化多语言的内存管理效能。
1、面向整车多业务域需求，依托云端车辆大数据完成整车关键零部件诊断、健康问题定义、数据分析、方案设计与落地交付； 2、结合大模型（含多模态/Agent 等）推动关键场景从 0 到 1：数据建设、训练/微调、评测与迭代闭环； 3、建设大模型工程化与体系化能力：训练与推理链路、评测体系、版本管理与稳定性保障，沉淀可复用组件与最佳实践； 4、推进车端/边缘侧轻量化部署与推理优化（压缩/加速/量化等），满足实时性、资源约束与可靠性要求； 5、参与跨团队协作与技术沉淀：推动里程碑交付，参与技术方案评审，输出内部分享、专利与技术文档。
1、构建驾驶行为特征体系，基于车速、加速度、制动、转向、跟车、道路、环境、DMS和驾驶辅助状态等数据，形成可解释的驾驶行为画像； 2、研究高维车端时序数据表征学习方法，构建面向安全风险预测的时序模型； 3、建立驾驶行为与安全事件、能耗表现、整车健康状态之间的关联分析与因果推断框架； 4、研究人工驾驶、辅助驾驶、接管切换等人机协同场景下的风险识别模型； 5、推动模型在安全画像、安全分、风险预警、事故分析、健康管理等业务中的工程化落地； 6、沉淀可复用算法组件、技术文档、论文与专利。
1、构建安全事件知识图谱，建立车辆-事件-驾驶行为-零部件-软件版本-环境场景-处置结果的关系模型； 2、研究多源异构安全数据的实体对齐、关系推理和动态图谱更新方法； 3、研发因果发现算法，从观测数据中自动发现安全事件的因果结构； 4、研究小样本学习和可解释AI方法，支撑稀有安全事件的归因和证据链展示； 5、推动模型在事故分析、群体风险识别、安全治理场景中的工程化落地； 6、沉淀可复用算法组件、技术文档、论文与专利。
1、基于AI开发高效粘接剂，改善电池膨胀问题； 2、基于AI开发电池分散剂，实现电极材料的定向分布； 3、基于AI开发高分子固态电解质，布局固态电池技术。
1、智能电池传感器+AI软硬融合方案在手机BMS规划； 2、Pack端微型薄膜压力传感器和超声传感器研究； 3、电芯内置气体、压力、温度传感器及长效参比电极技术研究和方案预研； 4、EIS芯片在BMS应用研究； 5、参与析锂、鼓包、内短路和漏液等无损检测技术在电量计和手机端或者云端导入； 6、参与电池自修复和延寿策略开发和导入；参与电池数字孪生布局和研究。
1、电池云端大数据管理和迭代； 2、电池全生命周期内数据链路管理和系统优化； 3、基于数字孪生专项提升电池市场端安全和电池健康水平。
1、负责建立并优化电芯材料层级物理模型，在传统P2D模型基础上进行优化和改善；修正模型的精度可以支撑在高倍率充电/放电工况下模型的精度； 2、研究在更为复杂的前置工况下，电化学模型的精度提升修正函数，引入老化模块，引入前置极化模块，提升模型在复杂状态下的仿真精度； 3、基于机器学习，神经网络和Ai，在仿真精度可接受的前提下提升仿真速率，沟通一套可在线上部署的在线算法； 4、在大数据平台中布置和试行模型，在线验证模型，目标提升现有SOC和SOH估算精度。
1、聚焦动力系统核心痛点，探索生成式 AI、大模型微调、数字孪生、强化学习等前沿技术的创新应用； 2、探索新一代 AI Agent 在研发流程、知识管理、跨团队协同中的规模化应用；构建可复用的Skills/Agent 工作流，实现重复型工作 AI 化、自动化、平台化； 3、负责AI前沿技术应用探索。
协同系统可靠性工程师，主导显示和相机的ffr目标、可靠性设计评审、风险闭环、测试问题风险判定、售后分析改善闭环。
1. 参与整车集成测试的质量保障工作，参与推动自动化测试在业务测试中的落地。 2. 参与自动化测试方案的设计与实施，覆盖测试用例自动执行、结果分析与报告生成。 3. 参与测试效能平台的技术选型、架构设计与核心功能模块开发，提升团队工程效率。 4. 持续追踪业界前沿测试工具与方法，探索大模型等先进技术在汽车测试领域的创新应用。
负责将大模型、智能体等AI能力落地至整车研发流程，提升工程团队研发效率。具体包括： 1）基于业务场景构建AI Agent，实现重复性工作的自动化接管； 2）针对不同工程领域定制Prompt模板，建设可复用的Skills库； 3）维护部门级AI中台底座，保障AI工具链的稳定性与持续迭代； 4）识别高频事务性工作，设计并开发自动化工作流
