小米生态链-NPI PM
任职要求
1. 本科及以上,通讯、计算机、电子信息等相关专业;具备积极正向的工作价值观; 2. 具备优秀的项目管理能力,项目管理经验3年以上,具备丰富的手机行业及智能硬件经验(包含智能出行产品,移动电源产品)、NPI专业和PMP认证证书优先; 3. 逻辑思路清晰,具备较强的沟通协调、组织决策、推动能力,良好的学习能力; 4. 熟悉IPD、…
工作职责
1. 负责新品全生命周期制造领域的管理和经营,新品阶段负责新品(立项-TR6)导入到制造端的项目管理工作,衔接研发与制造,负责新产品导入工作,统筹新产品的试产爬坡管理工作,对项目整体交付(进度、质量、成本)负责; 2. 负责产品在代工厂/自有工厂的试产爬坡项目管理工作,确保产品能在各个工厂进行试产爬坡,平稳转量产; 3. 匹配产品的开发和发布节奏,制定新产品制造策略,监控产品爬坡产能状况,保障新产品首量交付; 4. 负责制定新产品试产计划与达成,负责生产成熟度和良率的验证及提升,负责项目指标的达成甚至优于基线,确保新产品技术评审过点达成、产品达成量产状态; 5. 负责新品导入流程的持续改进,制定相关流程和文档,并完成评审与发行; 利用外围业务模块的资源及数据,对产品数据及生产过程进行分析,识别改善机会点,分配任务,推动各业务
1. 负责新品全生命周期制造领域的管理和经营,新品阶段负责新品(立项-TR6)导入到制造端的项目管理工作,衔接研发与制造,负责新产品导入工作,统筹新产品的试产爬坡管理工作,对项目整体交付(进度、质量、成本)负责; 2. 负责产品在代工厂/自有工厂的试产爬坡项目管理工作,确保产品能在各个工厂进行试产爬坡,平稳转量产; 3. 匹配产品的开发和发布节奏,制定新产品制造策略,监控产品爬坡产能状况,保障新产品首量交付; 4. 负责制定新产品试产计划与达成,负责生产成熟度和良率的验证及提升,负责项目指标的达成甚至优于基线,确保新产品技术评审过点达成、产品达成量产状态; 5. 负责新品导入流程的持续改进,制定相关流程和文档,并完成评审与发行; 利用外围业务模块的资源及数据,对产品数据及生产过程进行分析,识别改善机会点,分配任务,推动各业务
1. 负责新品全生命周期制造领域的管理和经营,新品阶段负责新品(立项-TR6)导入到制造端的项目管理工作,衔接研发与制造,负责新产品导入工作,统筹新产品的试产爬坡管理工作,对项目整体交付(进度、质量、成本)负责; 2. 负责产品在代工厂/自有工厂的试产爬坡项目管理工作,确保产品能在各个工厂进行试产爬坡,平稳转量产; 3. 匹配产品的开发和发布节奏,制定新产品制造策略,监控产品爬坡产能状况,保障新产品首量交付; 4. 负责制定新产品试产计划与达成,负责生产成熟度和良率的验证及提升,负责项目指标的达成甚至优于基线,确保新产品技术评审过点达成、产品达成量产状态; 5. 负责新品导入流程的持续改进,制定相关流程和文档,并完成评审与发行; 利用外围业务模块的资源及数据,对产品数据及生产过程进行分析,识别改善机会点,分配任务,推动各业务
1. 供应链策略与量产交付达成 对规模出货的供应保障负责:产能规划、交期达成、物料齐套与风险预警。 制定供应链KPI(OTD、缺料率、库存周转、成本降幅、供应风险指数)并建立周/月度运营机制。 2. 采购与供应商管理(含ODM协同) 负责关键物料与关键部件采购策略:传感器、算力板、通信模块、电池/充电、结构件/线束等(按ODM边界确定自采/代采)。 建立供应商准入、分级与绩效管理体系;推动关键件第二供应源(Dual Source)与EOL替代方案。 3. 成本与合同管理 牵头目标成本拆解与成本优化(Should-cost、VE/VA、规模议价、替代料策略)。 负责采购合同谈判与条款设计(交期、质量、赔付、变更、保供、账期、知识产权与保密等),降低供应中断与成本波动风险。 4. 计划与库存(PMC) 建立滚动预测与主生产计划协同(与ODM/NPI联动),保证齐套与节拍匹配。 设计安全库存、备料策略与呆滞料控制;建立物料追溯要求与版本管理机制(与质量/软件版本追溯对齐)。 5. 供应风险与突发事件处理 建立供应风险雷达:产能、交付、质量、地缘、合规;制定应急预案并在缺料/涨价/质量事件中快速决策。
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。