特斯拉区域置换业务经理（苏州）
任职要求
基本要求 · 3年以上团队管理经验，具有管理思维。 · 能够合理安排并同时胜任多项任务，思路清晰。 · 有较强的抗压力，能在快节奏、充满活力、结果导向的环境中工作。 · 出色的谈判能力，具有参与合同谈判的相关经验及理解诠释法律合同…
工作职责
THE ROLE 特斯拉置换团队负责制定和执行特斯拉在中国大陆市场的置换业务策略。作为置换业务的区域经理，您的首要职责是制定区域的置换业务开拓策略，高效地管理合作中的置换服务商，使之为每一位有置换需求的客户提供优质的服务和置换解决方案，进而完善特斯拉服务体系，同时提升公司整体的市场竞争力。 职责描述 RESPONSIBILITIES · 建立和扩展与第三方二手车置换业务合作方的商业关系，为特斯拉的顾客提供既具有价格竞争力又高效便利的车辆置换服务。 · 有效提升区域车辆置换业务的置换使用率和收到车成功率。 · 为门店进行置换相关培训和考核，进一步完善业务流程、开发业务相关系统，发展潜在商业机会。 · 对置换服务商进行甄选、评估、考核及管理。 · 与销售和交付团队合作，处理置换过程中遇到的问题，并能够灵活处理问题。 · 通过以上任务的达成和与零售门店的合作，确保区域置换业务目标的达成。 · 按要求接受公司层面的各项培训，包括但不限于各类员工规章制度、商业准则、EHS、信息安全等培训，并严格遵守公司相关规章制度。 任职要求
1.负责小象超市的选址工作，对所管辖区域的新店选址做现场考察、商圈评估及市场调研工作； 2.根据本地市场的特点以及公司开店的要求制定战区规划与开店策略； 3.负责项目的商务谈判、合同谈判、基本工程条件的谈判以及风险预估； 4.利用相关工具对预选址进行详细分析，做出逻辑清晰、条理分明的选址报告； 5.负责与公司内部相关团队沟通协作； 6.负责跟进项目签约、接场、开业的流程，具备处理门店开业前施工过程中遇到的各种问题的能力。
岗位职责： 1.负责统筹所支持城市所属区域已运营的“小象超市”站点场址的资产管理工作，包括续约、关店、置换、升级、租金或其他费用的优化等等； 2.处理站点场址的租赁合同在履行过程中发生的履约、纠纷、变更等工作； 3.日常拜访和维护租赁场地租约权属各方的良好关系，建立通畅的沟通渠道； 4.支持与协助运营团队或其他合作团队，出于公司业务提升、或安全合规等等目的，对资产管理提出的有关租赁场地、租赁关系等方面的改善需求； 5.完成上级安排的其他日常工作安排，处理日常文书、书面汇报等工作。
协同区域公司门店及服务商合作伙伴，达成非本品置换业务目标。 1. 深入熟悉当地二手车市场，获取所在区域区域政府及同行置换政策； 2. 熟悉所在市场行业动态，采取有效运营措施，进行合作伙伴业务管理； 3. 挖掘本地合作伙伴，进行合作伙伴全生命周期运营（引入、赋能、管理、退出等）； 4. 协同区域公司推进以旧换新业务，达成部门非本品置换业务目标； 5. 提高以旧换新用户满意度，协同总部团队完成传播工作； 6. 根据区域实际情况，协同总部团队完成业务优化； 7. 其他上级交办的工作。
公司介绍 滴滴于 2016 年组建自动驾驶技术研发部门，致力于打造世界领先的 L4 级自动驾驶技术，通过科技让出行更安全、更高效。我们相信，将自动驾驶技术部署在共享出行车队中，将创造最大的社会价值。依托滴滴在出行领域的 先进技术、海量数据、丰富经验和完整的出行平台生态，我们正在打造并运营世界领先的自动驾驶 Robotaxi 车队，推动自动驾驶在城市复杂交通场景中的规模化落地。 职位描述 作为感知团队的一员，你将与国内外顶尖人才一起，研究和开发自动驾驶领域的前沿算法，直接赋能 L4 Robotaxi 的大规模部署。 你将面向真实城市道路场景中的多样化挑战，利用多模态传感器（LiDAR、Camera、Radar 等）设计、开发并优化感知算法，解决物体识别、障碍物检测、场景理解、意图预测与大模型赋能等核心问题。 在这里，你将有机会： 与中美两地的优秀工程师和科学家合作，参与世界级的技术竞争； 深入研究并推动最前沿的学术成果在产业中的落地； 在全球最大出行平台之一的业务场景中，实现科研成果的规模化应用。 主要方向与职责： 你将在以下方向中选定一个或多个方向深入负责，并承担从研发到落地、从算法到系统的端到端职责： （一）物体识别与跟踪 设计并实现基于 LiDAR / Camera / Radar 的多模态检测模型，识别车辆、行人、自行车、静态障碍物、交通标志等 提升精度、召回率与抗扰性（抗遮挡、夜间、恶劣天气、长尾类别） （二）通用障碍物识别 识别未知类别 /未训练类别的障碍物 基于异常检测 /开放类别识别的算法研究与工程实现 在非结构化环境（施工区域、道路损坏、落物等）中提升鲁棒性 （三）场景和意图理解 语义分割、实例分割、道路 /车道/交通标志/交通灯等结构物识别 场景理解，例如施工区域识别、可通行区域识别等 意图理解，例如行人动作识别、起步意图识别等 交互和事件识别，例如多方交互、交通规则冲突、非规范驾驶行为等 （四）感知大模型 /多模态 探索或应用预训练多模态大模型，将视觉、语言、地图/文本信息融合以增强感知能力 零样本 / 少样本 / 跨域泛化的策略研发 将大模型成果迁移到真实车队感知系统中，提升复杂场景下的鲁棒性 （五）模型评估、验证 构建完整的评估管道，包括离线评估 + 真实道路 + 模拟环境测试，支持回归检测与性能监控 指标体系设计 (Precision, Recall, IoU, latency, false positives rate 等)