机器学习职位

可再生能源领域的人工智能与机器学习岗位

能源领域的人工智能与机器学习岗位，是以模型为主要工作成果的职位：训练发电和负荷预测模型，用算法优化储能充放电与交易报价，从传感器数据中识别设备故障，再把这些模型部署到真正调度电力的系统里。只是在办公中使用AI工具的岗位，不属于这一类。

国际能源署（IEA）在《能源与人工智能》报告中估算，把AI工具用于现有电网，最多可在不新建线路的情况下释放1.75亿千瓦输电容量；基于AI的故障定位还能把停电时长缩短30%至50%。瓶颈在人：IEA的《世界能源就业2025》发现，能源企业中具备AI技能的员工密度比科技、金融、教育和传媒行业低约40%。

模型输出直接连着电网和市场

能源行业的机器学习与互联网行业最大的不同，在于模型输出会变成物理动作或财务承诺。预测偏差意味着考核罚款或现货市场上的亏损；储能调度模型出错，电池就会在错误的时段充电。招聘方看重的因此不只是建模能力，还有对电力市场规则、设备物理特性和数据质量问题的理解。

中国的电价改革正在放大这一点。国家发展改革委、国家能源局2025年初发布的136号文规定，风电、光伏上网电量原则上全部进入电力市场，电价通过市场交易形成。电站收入从此取决于出力预测和报价策略，这正是机器学习最直接创造价值的环节。金风科技在2025年年报中写道，公司已建成覆盖前端资源预测、中端交易决策和末端机组运行的全链条AI技术体系。

谁在招聘

Rejobs上这一方向最常见的职位是Data Scientist和Senior Data Scientist，其后是Machine Learning Engineer、AI Engineer，以及驻场帮助客户落地AI自动化的Forward Deployed Engineer。汉堡的动态电价售电商Rabot Energy招聘量最大，西门子能源、NextEra Energy和EDP Renewables等设备商和发电企业也在持续招人。伦敦、汉堡、格拉斯哥和旧金山的岗位最集中，班加罗尔也有一定数量。

纯算法岗位并不多，更常见的是算法与工程并重的职位：模型要有人接入数据管道、部署上线、持续监控，这部分工作与软件工程和数据科学与分析高度重叠。在风电运维和电网调度这类场景里，既懂振动信号或调度规则、又能写生产级代码的工程师，正是IEA所说技能缺口集中的地方。