特斯拉2026届-逆变器电子质量工程师
任职要求
学历-专业： 全日制大学本科或以上学历 电子电气等工程背景（如微电子工程专业、电气工程及其自动化专业、电子信息工程、通信工程等） 专业技能： 熟悉MySQL、MS SQL、PostgreSQL、SQLite和Power BI的数据分析及数据库查询至少一门 精通Python、C语言、C++、Java、VB等编程软件至少一门 熟练使用Office 办公软件 个人素养： 有不服输的精神，能够设立有挑战的目标，使命必达永不言弃 具备良好的团队意识，注重团队合作；适应力强，愿意在汽车行业长期发展 良好的沟通技巧和服务意识；能积极应对挫折和压力，乐于接受挑战，抗压能力强 具有较强的动手能力、分析能力和沟通能力 流利的英文听说读写能力 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…
工作职责
负责逆变器电子件质量问题解决与持续改善，新项目电子件质量策划、产品质量验证等工作。 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： 熟悉掌握逆变器等模拟电路设计原理图，软件控制逻辑及诊断逻辑，主导逆变器失效分析及问题改善。 熟悉掌握各类电子器件功能测试及分析仪器设备，如利用I/V Curve Trace、CSAM、CT、SEM等进行电性能与物理检测，对电子元器件，尤其是半导体失效进行分析及改善。 对于系统级(软硬结合)失效，利用Simulink/PlECS/ANSYS等仿真、PCAN分析等手段，确定失效原因，并提出改善方案。 熟悉掌握逆变器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： 使用SQL、Python等语言，对质量数据进行收集，通过建模等方式对数据进行分析与监控，提前预防质量问题，协助检测复杂问题潜在影响因素。 参与电子件相关的生产工艺、产品设计变更的评估和验证。 质量策划： 协助电子件产品质量检验标准、Audit的策划、编制、修订和评审。 协助建立电子件质量问题分析与验证流程以及流程持续优化。
THE ROLE 电控先进工艺工程师将参与运营、维护和改进由Tesla自主研发制造的世界顶级的自动化产线，负责逆变器制造领域的核心工艺的改进及优化，创造性的问题分析及解决。在这里，你将有机会在Tesla最神秘的车间里学习到行业的前沿技术在工业化生产中的应用和改进，同时探索新的技术产业化应用的可能性。 RESPONSIBILITIES职责描述： 掌握电控产品的原理以及产品图纸要求，确保图纸要求及产品特性在实际工艺过程中已经得到准确且有效的控制； 负责电控产品的银烧结工艺，学习并掌握银烧结工艺过程控制要点，对现有生产制程在质量、效率和成本方面做持续改进和优化； 能够对生产过程中出现的问题使用第一性原理进行分析，快速定位和解决问题； 对新烧结材料的特性进行研究，根据材料特性设计实验并形成新的烧结工艺参数，经过持续改进达到批量应用的条件； 掌握特斯拉电控产品的质量控制标准，确保产品质量受控； 编写FMEA，CP等相关工艺文件，指导生产活动； 完成上级指派的其他工作； REQUIREMENTS
-结合前沿业务场景，构建昆仑芯AI大规模训练推理系统 -负责大模型分布式训练、推理框架的适配与调优，设计千卡级集群通信加速、混合精度训练等方案 -为昆仑芯AI芯片各系列高性能加速芯片提供软件栈，包括框架，图编译器以及周边产品的技术落地 -AI芯片性能深度学习高性能计算库开发，支持各种AI场景，持续提升系统效能
1.参与日本游戏发行市场调研，了解海外市场的游戏发行情况、竞争对手情况等，为公司游戏海外投放提供数据支持； 2.参与日本本地广告平台投放和优化相关沟通工作； 3.参与制作日本投放的内容向广告创意素材； 4. 协助上级完成其他相关工作。
蚂蚁集团 - 基础智能团队 我们团队主要负责蚂蚁集团的通用大模型研发工作。我们提供国内顶尖的算力资源，致力于建设基于大模型的AGI技术。我们期待同样以实现AGI为目标的您的加入，共同推动人工智能技术的发展。目前，我们正在进行： 多模态大模型研发: 研发高效的多模态预训练模型架构。探索和实现多模态融合技术，优化多模态模型的训练策略和推理效率。 1. 统一架构研发 研发多模态理解与生成一体化架构，设计统一表征模型（文本/图像/视频/语音），攻克跨模态语义对齐、动态路由、混合模态生成等关键技术 主导千亿级参数多模态模型的分布式训练优化（数据并行+流水线并行+专家混合），实现训练成本降低与性能提升 2. 端到端系统构建 构建支持多模态输入输出的实时交互系统（端到端延迟<200ms），优化推理引擎（KV Cache量化、动态批处理、显存卸载） 开发多模态自监督学习框架，实现跨模态数据自动挖掘与合成（如视频-文本弱监督对齐） 3. 技术前瞻研究 探索多模态大模型技术边界，包括但不限于：理解与生成统一、跨模态融合、多模态世界模型构建 参与制定行业技术标准，主导国际顶会论文发表（CVPR/ICML/NeurIPS）及开源项目贡献