招聘
    瑞典隆德
    Iternio · Rivian 旗下

    打造下一代 EV 出行

    我们是瑞典隆德的 Iternio 团队,A Better Routeplanner(ABRP)出自我们之手,现为 Rivian 的一员。背靠可持续出行的重要创新者,打磨人们信赖并日常倚重的产品。

    我们承担的规模

    200M+
    已规划行程
    数以百万
    驾驶者
    全球
    覆盖

    难得一见的理想组合

    在许多公司,你只能做消费品或企业服务二选一;在这里两者兼得:同一套路由内核,不同阶段的产品形态。周一为百万驾驶者发版;周二在为 Rivian 座舱提供动力的 API 上深耕;周三用两边的真实行为数据进一步优化模型。

    节奏极快:工程师一天可推送多次 Release。旗舰产品是 ABRP:先在数百万真实用户验证,再将成熟改进复制到 Rivian 与 OEM 伙伴侧。无须苦等超长发布窗口把路由补丁推上线,几分钟后就能在路上亲自体验自己的改动。

    反馈环短且坦率。Consumer 会直接告诉你哪儿不行;Enterprise 客户在可靠性与长尾场景上会逼你到极限。速度与严谨并存。

    使命感同样真实:把每一段路线变好 10%、把下一次补能做对,都能在数据中看到对“让电动车真正好用”的贡献。虽不戏剧化,但影响可度量。

    你在搭建人们真的会喜欢的产品

    ABRP 拥有铁杆社区。人们在上面规划自驾游、通勤,甚至在电量掉到 20% 的荒凉路段仍托付给它。他们会非常在意你的产品好坏。

    这很罕见。多数软件是出于不得不使用而存在;这个产品是因为人们想用,也愿意主动推荐给其他电动车主。Reddit 上会有长篇讨论您的功能亮点,修好边缘案例时也会收到感谢邮件。

    这会改变你的工作心态:不是在为假想用户堆砌抽象按钮,而是在为马上要上路的真实旅行者解决燃眉之急。

    小团队,全栈硬仗

    后端要面对图算法与大规模性能;前端与移动端需在驾驶场景中稳定呈现实时路径;数据岗位要校准模型与可靠性评分……每个职能都有硬核难题。

    人少意味着你能看到全貌:在电量、地形、气象与充电桩约束之间优化 Routing;打磨缓解焦虑的车内 UI;处理全球范围的实时同步与车载嵌入式表现,问题横跨整栈。

    而且没有森严隔墙。想了解路由内核?看得到。对用户行为好奇?直接去数据里挖。小公司意味着更低的探索门槛。

    两条产品线,两类日常

    共享同一底座,侧重点不同。

    ABRP 消费者 App

    大众熟知的那款产品。跨平台、节奏快,由社群驱动演进。

    • iOS、Android、Android Automotive、Web(React Native + 原生模块)
    • 当周发版即可获得热情用户回馈
    • 极速迭代与持续交付
    • 横跨所有汽车品牌与市场

    Rivian 深度集成

    行程规划写入 Rivian 车辆与移动端应用。车载级可靠性,系统集成度极高。

    • 原生 iOS / Android + 车载 Android Automotive
    • 紧贴车辆实时数据与子系统
    • 满足汽车行业性能与质量标准
    • 与 Rivian 更大工程团队协作

    两者同源: 一致的 ABRP 路由内核、车型库、实时数据管道与后端基础设施。无论选择哪条线,你都会处理大规模优化算法、海量实时协同与多端同步话题,区别在于功能最终落地的场景与日常工作对话对象。

    你可能参与的方向

    我们人数不多,涉猎却广。

    后端与算法

    在多约束条件下的路线搜索、能耗模型与充电曲线预测、大规模图算法、百万级路线的性能调校、微服务与运维。

    前端与移动

    React Native 覆盖 iOS/Android;Swift / Kotlin 原生;Android Automotive 车载 UI;以及在真实驾车场景可用的跨端同步。

    数据与分析

    1000+ 车型的能耗校准、真实旅程行为建模、充电桩可靠性度量、质量体系与流水线,在全球范围内理解数据。

    基础设施与 API

    面向 Rivian 与 OEM 的合作伙伴 API;实时数据采集;观测与告警;守住全球规模化下的稳定运行。

    学生岗位

    暑期实习与硕士毕业论文课题。真实项目,真实影响力。

    我们经常接收工程在校生。你将接触可能真正上线的产品功能或研究议题,并拥有真实用户与数据反馈;不是打杂跑腿。

    暑期实习
    • 应用开发(React Native):为 iOS/Android 数百万用户打磨可上线的功能。
    • 车辆建模:借助真实旅程数据迭代耗电与补能曲线。
    • 数据分析:从大规模行为数据挖掘洞见,改良预测模型与质量指标体系。
    • 充电桩可靠性:整合用户上报与监测信号生成可靠性分值,反哺路由。
    硕士论文课题
    • 电动物流:结合规划算法与车型库探讨车队 Routing 和商业场景。
    • 可观测性与可靠性:为全球级系统构想更好的 KPI、埋点排障工具。
    • 充电网络规划:利用数据与算法分析并优化站点扩张。
    附上简历并告诉我们感兴趣的领域即可,我们很灵活。
    邮件联系