简法
← 返回岗位列表

蔚来

实习

实习-AI平台产品经理

上海 · 实习 · 2027 届 · 本科

长期有效

任职要求

  • 基础要求：
  • - 2027 届本科及以上学历，计算机、软件工程、工业工程、管理科学等相关专业
  • - 对 AI、大模型、Agent 技术有浓厚兴趣，了解 ChatGPT、Claude 等产品
  • - 具备良好的逻辑思维和产品 sense，能够将复杂问题抽象为产品方案
  • - 优秀的沟通表达能力，能够与技术和业务团队高效协作
  • - 实习期每周至少 4 天，可连续实习 6 个月及以上
  • 加分项：
  • - 有 AI 产品、企业级 SaaS 产品的实习或项目经验
  • - 了解知识图谱、Ontology、语义层等概念
  • - 熟悉 Figma、Axure 等原型设计工具
  • - 有供应链、制造、汽车行业相关背景
  • - 使用过 Notion、飞书多维表格等知识管理工具
  • - 有 GitHub 开源项目贡献或技术博客
  • 我们看重的特质：
  • - 好奇心： 对新技术保持好奇，愿意深入探索 AI 的边界
  • - 同理心： 能够站在用户角度思考，理解业务痛点
  • - 系统思维： 能够看到产品与业务、技术、生态的关联
  • - 快速学习： 能够快速理解复杂的技术和业务领域
  • - Owner 意识： 对产品结果负责，主动推动问题解决
  • 你将获得
  • 成长机会：
  • - 参与从 0 到 1 构建企业 AI 平台的完整过程
  • - 接触供应链、智能制造、用户运营等真实业务场景
  • - 与顶尖的 AI 工程师、算法专家、业务专家深度协作
  • - 学习 Palantir、微软 Fabric 等行业标杆的产品方法论
  • 项目经历：
  • - 负责核心产品模块的设计和落地（可写入简历的亮点项目）
  • - 参与企业级 Agent 的搭建和优化
  • - 设计面向数千名 NIO 员工的产品功能
  • 转正机会：
  • - 表现优秀者可获得校招绿色通道
  • - 提前锁定 NIO AI 平台核心岗位
  • - 成为企业 AI 领域的产品专家
  • 工作场景示例
  • 场景 1: 设计供应链风险预警 Agent
  • - 调研供应链团队的风险预警需求
  • - 设计 Agent 如何挂载供应链知识图谱、ERP 数据、外部风险数据
  • - 定义风险预警的触发规则和通知机制
  • - 设计 Agent 的配置界面，让业务人员可以低代码搭建
  • 场景 2: 优化 Ontology 建模工具
  • - 观察领域专家如何建模供应链 Ontology
  • - 发现建模过程中的痛点（如重复定义、关系复杂）
  • - 设计 AI 辅助建模功能，自动推荐实体和关系
  • - 设计可视化的 Ontology 编辑器
  • 场景 3: 推动 AgentsMarket 生态建设
  • - 设计 Skill 的发布、评价、复用机制
  • - 规划激励体系，鼓励员工分享最佳实践
  • - 设计 Skill 的分类和搜索功能
  • NIO Skyworks 2027届实习生招聘JD

岗位描述

关于 NIO Skyworks

NIO Skyworks 是蔚来汽车的企业 AI 平台，致力于构建从基础能力到终端应用的完整 AI 技术栈。我们的产品矩阵包括：

  • - ModelSight: MaaS 模型平台，支持多模型接入和推理优化DataSight: OneLake 大数据平台，包含 Agentic BI 和语义层
  • - KnowledgeSight: 统一知识平台，整合 Ontology、知识图谱、向量检索
  • - AgentSight: Agent 搭建平台，支持零/低/高代码开发
  • - AgentsMarket/SkillHub/McpHub: 企业能力市场化生态
  • - NIOChat/NIOClaw: 企业级 Super Agent 应用我们目标是成为企业 AI 操作系统，让每个员工都拥有 AI 超能力。

岗位职责

  • 1. 产品规划与设计 (40%)
  • - 参与 Skyworks 核心产品（AgentSight/KnowledgeSight/DataSight/ModelSight）的需求调研和产品设计
  • - 基于业务场景（供应链、用户运营、智能制造等），设计 Agent 能力和交互方式
  • - 参与 Ontology + SemanticLayer 统一语义层的产品设计，推动知识和数据的融合
  • - 设计 AgentsMarket/SkillHub 的市场化机制，促进企业能力复用
  • 2. 用户研究与场景落地 (30%)
  • - 深入业务一线，理解供应链、生产、销售等领域的实际痛点
  • - 与业务团队协作，将复杂业务场景转化为 Agent 产品需求
  • - 设计并验证 User Story，确保产品方案能真正解决业务问题
  • - 收集用户反馈，持续优化产品体验
  • 3. 产品文档与协作 (20%)
  • - 撰写 PRD（产品需求文档）、用户故事、交互原型
  • - 与研发团队协作，推动产品功能落地
  • - 参与产品演示和培训，推广平台能力
  • 4. 行业研究与对标 (10%)
  • - 研究微软 Fabric、Palantir、OpenAI 等行业标杆产品
  • - 跟踪 AI Agent、知识图谱、语义层等前沿技术趋势
  • - 参与产品战略规划和竞争分析

你的简历匹配这个岗位吗？

上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方

登录后分析我的简历

该岗位可能会问的问题

基于 算法 岗位的常见面试问题整理

请解释 Transformer 模型的自注意力机制（Self-Attention）

类型专业能力·难度困难
查看答题思路

1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖

你做过的最有深度的算法/模型项目是什么

类型项目经历·难度中等
查看答题思路

1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）

过拟合是什么？怎么判断和解决

类型专业能力·难度简单
查看答题思路

1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度

解释梯度下降的原理，SGD 和 Adam 的区别

类型专业能力·难度中等
查看答题思路

1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam

给你 10 万条未标注的文本数据，如何找出其中 10 个主题

类型情景/案例·难度中等
查看答题思路

1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整

更多面试题库功能即将上线

信息来源：企业官方招聘页。投递前请以官网信息为准。

前往官方投递页 →