特斯拉2026届-实验室材料技师
任职要求
统招本科学历；
毕业于材料科学与工程类，铸造类，机械类等相关理工科专业；
能接受和适应夜班；
有相关实验室实习或工作经验，尤其是熟悉实验室相关仪器操作者优先；
英语可熟练读写，并具备一定口语能力；
承压能力强，乐于接受挑战，对材料检测/失效分析/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，有致力于投入到快节奏变革中勇气同时又具备沉住气，慢慢来，脚踏实地的定力；工作职责
THE ROLE 作为实验室材料技师，你将主要配合材料工程师进行压铸材料/冲压材料/模具材料/整车相关金属材料的测试及失效分析工作，同时负责试样的制备，测试，数据分析及实验室的日常运营维护工作，是连接工程设计与零件实际性能表现的关键桥梁。你能够接触到不同材料类型的制造及热处理工艺，接触全世界最先进、最大压铸件制造工艺，质量工艺及标准规范；获取行业顶尖的培训资源，助力你成为熟悉制成工艺的材料领域专业人才；扁平化结构，多样化职业发展通道助你快速成长。 RESPONSIBILITIES职责描述： 使用各类金属材料检测手段，如体式显微镜，金相显微镜，SEM，EDS，宏观/微观硬度计，拉伸，折弯，冲击，金相等对材料进行来料时，过程中及失效后不同状态下材料及热处理相关的检测分析工作，评估材料级别力学性能； 对生产的零件进行台架测试，拉拽测试等，监控零件级别性能及预警制造过程工艺波动； 辅助进行新材料，新技术，新工艺的验证性测试方案的设计及执行，如3D打印模具镶块/传统模具材料的热处理，表面改性及抗铝液熔损能力测试等； 辅助全厂范围内金属材料相关的失效性检测及分析； 准确详细的记录测试过程和原始数据，并能够使用软件如Excel, Origin, Image J等对测试数据进行初步整理，计算和分析工作； 负责检测设备的日常校准，清洁，保养和简单故障排除，管理实验室库存，包括实验室化学品及耗材的申购，存放和管理； 严格执行实验室及公司的安全规范，包括个人防护PPE的穿戴，危险化学品及危废的处理； 遵守公司规章制度，严格按照作业指导书工作，积极查找安全隐患，及时汇报安全隐患和事故，提出安全合理化建议，通过不断改进，创造安全健康的工作环境. REQUIREMENTS
THE ROLE 特斯拉的先进制造团队正在寻找一位ME工程师。该职位需要参与或主导新材料、新工艺、新设备、新技术的探索及开发测试等工作。负责新项目中的结构建模及仿真，并通过仿真分析对结构设计提出优化方案。 RESPONSIBILITIES职责描述： 参与或主导新材料，新工艺的开发和优化； 负责开发过程中的结构建模及仿真（包括应力，流场，温度场，疲劳耐久等），通过仿真分析对结构设计提出优化方案； 进行材料性能测试、分析和评估，确保产品质量和性能符合相关标准； 参与技术预研项目，探索新材料、新工艺、新设备、新技术应用的可能性，积极推进创新工作； 引进材料领域的前沿技术和发展趋势； 遵守公司规章制度，严格按照作业指导书工作，积极查找安全隐患，及时汇报安全隐患和事故，提出安全合理化建议，通过不断改进，创造安全健康的工作环境。 REQUIREMENTS
特斯拉正在寻找技术支持专员实习生。技术支持岗位的主要职责是通过支持解决服务区域内复杂车辆诊断问题/操作需求来保持我们的车辆运行。候选人需要在诊断复杂的机电系统和安全部署关键软件应用方面具有技术背景。候选人必须对诊断学有学习的热情，能够理性很好地了解技术系统级架构和问题。 岗位职责 -协助区域技术团队进行远程故障诊断，支持服务中心基础技术问题处理； -参与技术文档整理与数据分析，协助识别常见故障模式及服务流程优化点； -参与内部技术培训，协助开发培训材料及案例库； -配合工程师完成现场技术调研，记录问题并反馈解决方案效果； l-定期输出实习报告，总结技术学习成果与业务洞察。
通义千问（Qwen）是由通义实验室自主研发的超大规模语言模型，具备多模态、多语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从亿级到万亿级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder、Qwen-Image等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen正在打造全球领先的全模态模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。 团队致力于优化Qwen基础大模型的Agent能力和构建完善的LLM智能系统，实现LLM对外界的准确感知、利用与反馈。Agent的工作包括从模型侧通过 SFT、RL等提升模型的基础agent能力，让模型和 agent框架有效结合；同时也包括agent system的设计与实现，致力于agentic AI真实落地。 1. 从事Qwen基础大模型的通用agent能力优化，包括但不限于tool use、RAG、planning、memory等能力的算法研发和优化；跟进业界agent benchmark，保持Qwen的agent行业领先水平。 2. 推进agentic AI的发展，包括但不限于多模态 agent、code agent、MCP、deep research 等场景的模型优化与产品落地。 3. 研发agent system，推动AI Agent在架构和性能上的持续优化。 4. 研究、实现和优化最新的强化学习（RL）算法，确保算法的性能和可扩展性。 5. 主导数据收集、环境建模及 agent 的评估与测试工作，确保模型的稳定性和有效性。
通义千问（Qwen）是由通义实验室自主研发的超大规模语言模型，具备跨语言、跨任务的理解与生成能力。Qwen系列模型，涵盖参数量从几百 M 到 T 级的基座大语言模型，并相继推出Qwen-VL、Qwen-Audio、Qwen-Omni、Qwen-Coder、Qwen-Image等系列模型。从多轮对话到代码生成，从逻辑推理到内容创作，从单一多模态到全模态统一理解生成，Qwen 正在打造全球领先的全模态模型技术体系，推动AI在企业服务、开发者生态、个人用户等领域的深度应用，引领下一代人工智能的发展。 通义千问（Qwen）全模态统一理解生成前沿技术研究，团队在多个方向上进行探索（具体如下罗列），若你对以下一个或者多个课题感兴趣均欢迎投递： 1. 模型架构与学习机制探索 （1）预训练与后训练技术：持续提升模型的理解力、推理力与泛化能力。 （2）探索下一代学习范式，如自监督学习、动态训练策略、知识蒸馏等。 2. 多模态与多智能体感知交互系统 （1）打造 Omni 基座模型，实现文本、语音、视觉等多模态一体化理解与生成，推动世界模型的发展。 （2）开发超智能的 Coding Agent，打通语言与代码之间的桥梁，连接 AI 与数字世界。 （3）构建下一代 AI 交互系统，在 GUI Agent、视频理解等前沿场景，探索 AI 自主执行、扩展、进化的可能性。 3. 数据建设与性能优化 （1）数据工程：设计高效的数据处理管线，持续提升自然语言、代码、多模态等数据质量与规模。 （2）推理优化：探索模型高并发服务下，算法及系统框架侧技术创新与优化，包括但不限于训练推理协同优化、模型推理新范式。 4. 评测与安全体系 （1）构建下一代大模型评估系统，覆盖推理、生成、可控性等多个维度。 （2）关注模型内生安全，追求 AI 对人类有益且可控，参与对抗攻击检测、伦理约束建模等工作。