小马智行
算法工程师 - 三维重建
算法工程师 - 三维重建
发布于 大约 2 个月前普通员工/个人贡献者
广州市 / 上海市
中级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
深度学习
PyTorch
计算机视觉
自动驾驶
生成模型
Nerf
三维重建
3D Gaussian Splatting
AI 估算 · 25k–45k
自动驾驶+三维重建属于高需求技术方向，小马智行为头部公司，薪资竞争力强，一线城市算法岗中上水平。
职位详情
关于这个职位
该职位专注于三维重建技术在自动驾驶领域的创新应用，你将研究NeRF、3D Gaussian Splatting等前沿技术，用于数据生成、仿真和环境建模
适合对三维视觉和自动驾驶有浓厚兴趣的算法工程师，团队技术氛围浓厚，挑战与成长并存
最低要求
计算机、人工智能、数学等相关专业，本科及以上学历
熟练掌握 Python/C++，具备扎实的编程能力和良好的工程化实践
熟悉深度学习框架（如 PyTorch、TensorFlow），并有从零到一构建模型的经验
在三维重建领域（如NeRF、3DGS等）有研究经验或浓厚兴趣
具备较强的学习能力和独立钻研精神，能够快速掌握新技术并应用到实际问题中
具备良好的数学基础（如线性代数、计算几何、优化方法），对三维重建算法原理有深入理解
工作职责
研究和开发三维重建技术（如NeRF、3D Gaussian Splatting等），推动其在自动驾驶数据生成、仿真、环境建模等方面的应用
与团队紧密合作，探索三维重建技术在自动驾驶场景下的创新应用，助力最终的自动驾驶目标
优先资格
有开放街景、城市级三维重建或大规模场景建模等研究或应用经验
有生成模型（扩散模型、GAN、VAE）、世界模型（Dreamer、PlaNet）等研究或应用经验
在 机器学习/计算机视觉/自动驾驶 领域的顶级会议（如 NeurIPS、ICLR、CVPR、ICCV、ICRA）发表过论文
具备高水平的算法竞赛背景（如 ACM/NOI/IOI）
参与过三维重建相关开源项目（如 COLMAP、Open3D、nerfstudio），并有实际落地成果
AI 洞察
优缺点分析
优点
- 技术前沿：直接接触NeRF、3DGS等最新三维重建技术，积累稀缺技能
- 行业前景：自动驾驶是高速增长赛道，小马智行为头部公司，平台资源丰富
- 成长空间：团队技术氛围浓厚，鼓励创新，有发表顶会论文和参与开源项目的机会
- 技术难度高：三维重建和自动驾驶结合需要深厚的数学和算法功底，学习曲线陡峭
- 工作强度大：自动驾驶行业竞争激烈，项目节奏快，可能需要加班
- 适合对三维视觉和自动驾驶有强烈热情、具备扎实编程和数学基础、喜欢钻研前沿技术的算法工程师
缺点 / 挑战
- 不确定性：技术落地仍面临挑战，研究成果可能无法快速产品化
角色解读
- 技术深耕：从三维重建专家成长为计算机视觉或自动驾驶领域的核心技术骨干
- 横向拓展：向生成模型、世界模型、多模态学习等方向延伸，成为全栈AI研究员
- 管理方向：带领团队负责自动驾驶核心算法模块，晋升为技术负责人或团队主管
- 研究和实现NeRF、3D Gaussian Splatting等三维重建算法，用于自动驾驶场景的数据生成和仿真
- 与团队合作，将三维重建技术应用于环境建模，提升自动驾驶系统的感知和规划能力
- 探索生成模型、世界模型等前沿技术，推动自动驾驶领域的创新应用
- 扎实的编程能力，精通Python和C++，能够高效实现和优化算法
- 深度学习框架（PyTorch/TensorFlow）熟练使用，具备从零搭建模型的经验
- 深入理解三维重建原理，熟悉NeRF、3DGS等主流方法，具备良好的数学基础
申请策略
- 了解小马智行的技术路线和产品方向，在面试中展示对自动驾驶场景的理解
- 准备一个完整的三维重建项目案例，从问题定义到解决方案，体现独立钻研能力
- 突出三维重建项目经验，尤其是NeRF、3DGS相关的研究或落地成果
- 强调编程能力，展示Python/C++的工程化实践，如开源贡献或高性能代码
- 列出顶会论文或竞赛奖项，证明学术和算法实力
- 补充生成模型（扩散模型、GAN）和世界模型知识，提升综合竞争力
- 熟悉COLMAP、Open3D、nerfstudio等开源工具，动手实践三维重建流程
面试指南
- 原理类问题：先给出核心概念，再逐步展开细节，最后结合实际应用说明
- 项目类问题：采用STAR法则（情境、任务、行动、结果），突出个人贡献和难点解决
- 开放性问题：先阐述自己的理解，再结合具体技术或案例，展示思考深度
- 请详细解释NeRF的原理，包括体渲染方程和位置编码的作用
- 如何将三维重建技术应用于自动驾驶的仿真场景生成？
- 你如何优化一个三维重建模型的训练速度和内存占用？
- 描述一个你独立完成的三维重建项目，遇到的最大挑战是什么？
- 你对生成模型和世界模型在自动驾驶中的应用有什么看法？
匹配度报告
70
综合匹配度
自动驾驶头部公司，前沿三维重建技术，高成长高压力，适合技术驱动型人才。
适合人群
最适合追求技术成长和行业前沿的求职者，对工作生活平衡要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利70
成长发展90
工作生活40
使命价值80
薪资福利匹配
70中等
薪资竞争力强，但JD未提及具体福利，补偿性动机满足程度中等偏上。
薪资信号未披露（AI估算：25K-45K/月）
成长发展匹配
90较高
技术前沿，成长空间大，有顶会论文和开源项目机会，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈NeRF、3D Gaussian Splatting、PyTorch、TensorFlow、生成模型、世界模型
业务类型profit_center
工作生活匹配
40较低
仅现场办公，未提及WLB，自动驾驶行业通常强度较高，生活化动机满足度低。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
80较高
自动驾驶行业高速增长，技术具有社会价值，意义感动机满足度较高。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs