特斯拉2026届-电池电子质量工程师
任职要求
2026应届毕业生，毕业时间在2025年11月-2026年10月之间，统招本科及以上学历；
化学电池、电气等专业背景优先；
英语可作为工作语言；
个人具备极强的主动性和积极性，能够直面困难和挑战并保持激情；
良好的团队意识，良好的沟通能力。
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顶尖公司，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%，当城市最高缴纳标准低于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…工作职责
THE ROLE 作为电池质量工程师，将负责电池系统的质量问题分析解决与持续改善。你能够接触或掌握全世界最先进、最全面的产品设计，制造过程和实验验证等领域知识；获取行业顶尖的培训资源，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： 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 问题分析与解决： 熟悉掌握电池控制系统、电路设计原理图，Firmware控制逻辑及诊断逻辑，主导产品失效分析及改善； 熟悉掌握各类电子器件功能测试及分析仪器工具； 熟悉掌握电池Pack生产过程功能测试类规范及要求，主导功能测试站失效件分析，确定失效原因并提升测试覆盖率。 持续改善： 通过质量数据收集、分析等识别质量改善契机，参与并提出产品设计、制造工程等前期设计开发、过程验证及持续改进建议。 质量策划： 牵头制定相关产品的质量控制计划和质量标准； 评审制造过程PFMEA及Control Plan，提出质量的建议并推动落地执行。 REQUIREMENTS
THE ROLE 作为储能超级工厂产品成功下线前的关键工程师角色，储能测试工艺工程师将负责Megapack在装配区域的现场测试工艺管理与技术支持。你将深度参与从测试程序与设备导入、测试流程优化、测试问题分析与闭环，到测试良率持续提升的全过程。该岗位在研发、制造与质量三大职能之间扮演桥梁角色，要求对储能产品设计原理、生产工艺及测试技术有全面的理解。通过科学、系统、高效的测试手段，确保储能系统的性能、安全性与一致性，是储能系统在研发验证、量产导入、质量控制中不可或缺的技术力量。 RESPONSIBILITIES职责描述： 深入理解储能系统在电网、工商业、户用等不同应用场景下的测试需求； 熟悉锂电池、液流电池、超级电容等储能系统的测试原理与流程； 负责PCB电路板的功能测试流程，包括关键参数测试（如电压采集精度、信号传输稳定性、通讯接口功能等）； 参与储能系统核心模块（如BMS、PCS、系统集成）的测试工艺开发与优化； 掌握并应用电气测试、电池测试、热测试、性能测试等常见测试方法； 参与测试程序的开发、调试与优化，具备一定脚本或测试软件的使用经验； 熟练使用测试设备（如NI采集卡、可编程电源、示波器、功率分析仪、高精度万用表、负载设备等）； 熟悉常见通信协议（如CAN、LIN、I2C、以太网、RS232、GPIB）的应用与调试； 负责测试流程中的问题分析与跟踪，推动测试良率的持续提升； 配合跨职能团队（研发、制造、质量）协作，确保产品测试与交付质量。 REQUIREMENTS
他/她将在特斯拉储能超级工厂工作，主要负责超级工厂外购零件质量问题的分析和解决，协同供应商工业化工程师预防零部件售后质量问题的发生，并对高风险供应商质量做系统化提升。他/她通过高效的沟通、专业的管理工具及多样化的数字化应用支持供应商管理工作，确保零部件质量问题第一时间发现、遏制并有效解决。 职责职责： 1. 负责储能超级工厂外购零件（储能电池壳体，压铸零件，冲压等金属结构件）供应商质量管理，确保零件质量和供货稳定； 2. 协助供应商质量保证团队解决特斯拉储能超级工厂现场问题，复杂问题配合供应商工业化工程师一起完成问题分析及解决； 3. 对现场问题进行分类并识别高风险零件和高风险供应商，进行风险管控；利用QMS工具帮助重点供应商提升质量能级； 4. 运用质量工具分析和解决零部件在生产和制造环节中产生的问题； 5.协助供应商工业化工程师完成供应商和特斯拉超级工厂的数字化工具应用及零件关键数据传输；充分挖掘供应商端产品质量数据及过程加工数据价值，通过数据分析，识别零部件风险点及降本增效改善点；探索利用AI，机器学习算法等工具，不断推动供应商智能制造能级提升。
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。