职位描述：
推动产品环保和低碳开发从“经验驱动”向“数据驱动”升级，构建整车低碳与合规智能化能力底座, 高效满足法规政策要求，并持续提升用户体验
1. 有害物质预测模型开发：基于历史车型BOM（物料清单）数据，构建GB/T 30512、EU ELV（报废汽车指令）、REACH等法规的合规性AI预测模型，实现新车型设计阶段对铅、汞、六价铬等有害物质的秒级超限风险预警。
2. 气味/VOC（挥发性有机化合物）智能评估：摆脱传统依赖“人工嗅辨师”或实验室送检的延迟模式，主导开发车内空气质量（VOC/气味）预测算法。结合材料属性、工艺参数及环境因子，在无物理样车阶段即可预测整车气味等级及甲醛/苯系物浓度。
3. 运用AI+技术，基于数据分析和应用，高效生成车辆最优拆解方案
4. 材料循环再利用推荐系统：基于废料数据库与材料特性图谱，开发推荐算法，为研发工程师智能匹配报废车回收材料的高价值再利用场景，推动闭环回收。
5. 与DD合作，将上述模型封装为标准API服务，集成至研发PLM（产品生命周期管理）系统或材料数据管理平台，形成企业内部的“可持续研发智能助手”。
6. 跟踪学术界工业界前沿技术（如AI for Science），探索大模型在材料替代（循环应用）、数字健康，环保开发等研发场景的应用落地。
职位要求：
硕士及以上学历（应届或1–2年工作经验）
专业方向：车辆工程，环境工程、材料工程、材料信息学，全生命周期周期评估LCA等
有机器学习或数据建模课程基础，具备一定数据分析能力
逻辑清晰，具备较强学习能力，对AI+有极大的兴趣和探索欲
加分项：
1. 有汽车或高端制造业背景，理解BOM结构、产品研发V模型流程者优先。
2. 熟悉以下任一领域知识者优先：材料化学特性、汽车ELV/REACH法规、ISO 14040/14067（碳足迹）标准、气味/VOC检测原理。
3. 具备跨学科项目经验，例如参与过“AI+ 材料”、“AI+ 化学”等科研项目，或发表过相关领域顶会论文