蔚来
校招提前批-面向AI智能系统基座软件开发工程师
上海/合肥 · 校招 · 2027 届 · 本科
长期有效
任职要求
- -全日制本科及以上学历，计算机、软件工程、人工智能、电子信息等相关专业
- -扎实的计算机基础，熟悉算法与数据结构，具备良好的代码能力和工程习惯；至少熟练掌握一门主流嵌入式系统编程语言（ C / C++ 等）
- -对 AI 技术有浓厚兴趣与持续学习热情，了解主流大模型的基本原理与调用方式，有大模型应用开发、AI Agent 搭建、模型推理部署等相关项目或竞赛经验者优先
- -具备较强的学习能力和自驱力，能够快速理解业务、掌握新技术，并适应快速变化的技术挑战
- -具备良好的沟通表达能力、团队协作意识和责任心，能够在一定压力下保持积极推进和高质量交付
- -了解模型量化、端侧推理、算子优化、异构计算等 AI 工程化技术，或有相关实践经历者优先
- -有嵌入式开发、Agent 智能体开发等相关实习经验者优先，对智能汽车行业有浓厚兴趣者优先。
岗位描述
-参与车载 ECU驱动层、操作系统（RTOS/Linux）等核心基座软件开发，将 AI 推理能力融入高可靠嵌入式系统；
-参与 AI Agent 智能体在车端场景的底层支撑系统开发，为座舱交互、智能辅助驾驶等场景提供高性能计算基座；
-与算法、产品、测试、架构等团队紧密协作，推动多平台、多车型的 AI 软件基座能力持续建设与演进；
-参与高可靠系统的性能优化与稳定性建设，持续提升嵌入式系统的实时性、资源效率与用户体验；
-关注 AI 前沿技术趋势（如端侧模型推理、模型量化、算子优化、异构计算等），积极探索智能化能力在嵌入式场景中的落地机会；
-参与仿真与验证平台（vECU/SIL/HIL）等关键模块开发，持续提升系统软件与工程实现能力。
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
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）
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
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
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
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
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。