服务工程与云诊断系统工程师 (JR2026081400M)

岗位职责

1. 设计并开发robotaxi车辆动态数据平台 & 远程诊断平台：覆盖车辆全生命周期运行状态数据的实时采集、传输与存储，构建远程诊断平台，确保平台高并发场景下的低延迟与高可靠；在传统UDS诊断与DTC故障码基础上，实现远程故障定位、数据流分析、ECU 刷写、主动测试等远程运维能力；
2. 搭建AI智能预警体系：建立"故障场景 → 功能模块 → 特征信号 → 诊断规则"的多层知识图谱映射，构建车辆大数据挖掘与分析平台，对海量车端传感器时序数据（如电压、温度、振动、电流等）进行离线与实时分析，结合车辆里程、运行工况、环境因素等多维上下文，挖掘硬件劣化的潜在关联模式和异常特征；负责核心算法与模型的设计、开发与迭代优化，包括但不限于：多源异构数据融合建模、硬件劣化退化模型、剩余使用寿命预测、多故障模式联合诊断与根因推理算法；利用统计分析和机器学习方法对故障前兆信号进行识别与量化，定义硬件劣化趋势的特征工程方法；利用深度学习模型实现硬件缺陷与寿命的提前预测，输出预警等级与推荐维护动作，并通过对接运维工单系统，实现预警自动触发、提醒运维团队进行零部件维修或更换，闭环追踪预警准确率与车辆可用率提升效果。
3. 开发面向一线维保技师的智能培训产品，包括故障诊断模拟器、维修知识库、AR/VR 辅助维修引导等模块；构建维保作业质量检测系统，通过工序关键节点数据回传与 AI 审校，保障维保作业规范性和一致性；设计维保能力的标准化评估与认证体系，实现维保能力的快速复制与跨区域泛化，支撑robotaxi 规模化开城需求。

任职要求

1. 本科及以上学历，5年及以上新能源汽车、L4自动驾驶无人车或航空飞行器的功能架构设计、系统信号交互设计、故障诊断、云端监控相关经验，有0-1搭建经验优先；
2. 精通至少一门后端语言（Go / Java / C++），具备海量时序数据处理与特征工程经验，熟悉大数据计算框架及常用统计分析工具，了解机器学习框架；
3. 具备独立建模能力，包括问题抽象、算法选型、模型设计、实验评估与上线部署的经验，熟悉DYMOLA、Magicdraw、Simulink等模型软件优先；
4. 熟悉电气架构、车载总线信号和应用层协议，了解UDS诊断协议和DTC故障码、日志解析原理；
5. 可独立梳理需求、输出功能矩阵、形成产品方案并推进落地；
6. 拥有良好的跨企业跨部门沟通协同能力，具备体系化搭建思维。

部门

Voyager