特斯拉2026校招-储能先进工艺工程师
任职要求
毕业时间在2025年11月-2026年10月之间，统招学士或硕士；
毕业于机械类、车辆工程、电子电气等专业；
英语口语流利，满足国际化协同工作要求；
承压能力强，乐于接受挑战，对智能制造/质量管控抱有浓厚兴趣和独到见解；
具有极强的自驱力/学习能力/适应能力，致力于投入到快节奏变革中。
工作在特斯拉：
富有竞争力的基本薪酬：在特斯拉，所有岗位的薪酬都会从多重维度对标行业内外的公司，通过制定科学合理的薪酬方案以确保薪酬的竞争力。
全员持股：每位加入特斯拉的伙伴都会被股票激励政策所覆盖，成为特斯拉的股东；同时，员工还可以参与员工股票购买计划（ESPP），以优惠的折扣价购买特斯拉股票，与公司实现财富的共同成长。
补充住房公积金：特斯拉为每位员工缴纳高标准的住房公积金，缴纳标准为12%，当城市缴纳标准低于12%时，公司将通过现金的方式补齐。
补充商业医疗保险：特斯拉免费提供超高保额的商业医疗保险，不仅覆盖员工个人，还包括其配偶及子女，门诊、住院、…工作职责
THE ROLE 作为储能超级工厂的工艺工程师，你将负责特斯拉储能产品装配工艺管理，包括：工艺开发&导入、制造过程问题响应与解决、新产品导入验证、创新与改善、制造体系导入与闭环等以保障产品质量和交付目标。你能掌握全世界最先进的储能产品和制造线体，助力你成为先进的制造技术专家。你将参与并有机会牵头储能工厂技术创新并推动工厂的创新项目以实现工厂成本&效率维度的突破。 RESPONSIBILITIES职责描述： 负责编制制造过程中的工艺文件(PFMEA、CP、SOS etc.), 并给予现场生产、维修团队有效的培训以确保制造过程质量; 作为车间的质量牵头, 分析并解决生产过程中的工艺或质量问题以驱动车间的质量优化改善; 识别运营过程中的改善机会(质量、成本等)，通过牵头本部门或者跨部门合作实施落地; 负责按照项目流程实施车间新产品和新设备/产线导入项目，充分技术识别新项目导入需要验证的项目并进行牵头验证确保交付质量达标； 编制车间体系流程需要的流程文件，并通过收集流程运行意见持续改善优化; 充分公司数字化平台以解决业务过程痛点并提高车间运营效率; 与研发、ME、生产、维修、质量、NPI、SIE/TAC等跨职能部门合作，以高效推动业务发展; 参与牵头储能工厂技术创新机会识别，并推动创新项目落地。 REQUIREMENTS
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。
【业务介绍】 作为公司统一的机器学习平台团队，负责调度公司所有模型训练与推理资源；基于自建的训推引擎，构建公司统一的机器学习平台，为公司所有算法同学（稀疏 & 稠密，含 LLM） 模型迭代提供端到端的一站式服务；包括 数据生产，模型训练，模型上线，特征管理，模型测试，资源管控等一系列能力。 【岗位职责】 1、负责机器学习链路，离在线数据相关的开发工作，包括样本数据、特征数据等的数据链路搭建、任务运维和调优、性能优化等 2、负责小红书大规模机器学习平台的后台系统设计和开发工作；包括样本平台，特征平台，训练平台，推理平台等AI应用后台建设等； 3、研究分析业内AI平台产品，优化技术方案，改进产品功能，完善产品体验。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 工作职责： 1、参与/负责研发面向大语言模型(LLM)/多模态大模型(MLLM)等类型模型的推理服务框架； 2、参与/负责KV Router、PD分离/EPD分离、KVCache管理、动态PD调整等分布式推理能力建设； 3、通过并行计算优化、分布式架构优化、异构调度等多种框架技术，打造高效、易用、领先的AI推理框架； 4、参与/负责构建推理框架的系统容错能力，包括但不限于请求迁移、优雅退出、故障检测、自愈等能力建设； 5、深度参与周边深度学习系统多个子方向的工作，包括但不限于模型管理、推理部署、日志/监控、工作流编排等； 6、与全公司各业务算法部门深度合作，为重点项目进行算法与系统的联合优化，支撑业务目标达成。
大模型具备很强的泛化及理解世界能力，在小红书内的众多生产场景遍地开花，大模型的训练和部署已成为许多算法工程师的日常。在多团队、多业务频繁使用的大规模GPU集群上，如何能够通过高效的GPU调度策略，使大家不仅能丝滑地完成训练及部署任务，同时也能充分激发大规模GPU集群的效能，是行业公认的关键挑战。在这里，你可以聚焦LLM场景，接触到超大规模GPU集群，并使用真实负载数据进行深入分析及技术探索。欢迎加入我们，一起探索领先技术改变世界！ 工作职责： 1、负责万卡规模GPU集群效能分析及优化，通过调度策略优化、在离线混部、集群调度、GPU虚拟化、故障快速恢复、存储&网络加速等手段，提升大规模GPU集群的整体使用效率。 2、负责构建面向大模型训练、微调、推理、部署全流程LLMOps，与下游云原生平台深度融合，支撑大模型在公司内各业务生产链路稳定高效地落地。 3、持续关注业界最新的GPU资源调度相关技术动态，探索建设业界领先的资源调度策略及方法，构建下一代大规模AI资源调度系统。