小米
自动驾驶-算法优化工程师
自动驾驶-算法优化工程师
发布于 大约 2 个月前普通员工/个人贡献者
北京市
其它
全职员工
仅现场办公
学历未注明
研究与开发 (研发)
Scaling Law
模型压缩
模型蒸馏
模型量化
算法优化
自动驾驶
AutoML
CNN
MoE
AI 估算 · 30k–60k
自动驾驶算法岗技术壁垒高，小米大厂，薪资有竞争力，月薪30-60K，15薪。
职位详情
关于这个职位
该职位专注于自动驾驶算法的优化与加速，包括模型量化、蒸馏、压缩等前沿技术，旨在提升模型在车端的部署效率和性能
你将参与核心算法研发，推动自动驾驶技术的突破，是技术驱动型岗位
最低要求
熟悉主流自动驾驶算法，熟悉CNN，Transformer以及优化架构原理
有AutoML、模型量化，蒸馏等相关经验
熟悉Python开发、算法和数据结构
具备扎实的研发功底，有在相关领域（IJCV、PAMI、CVPR、ICCV、ECCV、NIPS、AAAI 等）发表论文者优先
或在相关领域竞赛（ImageNet、COCO、Kitti、Waymo、nuScenes等等）中取得较好成绩者优先
工作职责
承担自动驾驶算法的有损优化研发，运用算法-硬件协同设计、网络结构深度优化、训练流程加速、模型量化压缩、MTP投机采样等先进通用技术，为业务团队精心打造并提供高效的训练部署最优方案与实践经验，助力业务高效推进
专注于模型轻量化结构的创新设计与性能雕琢，研发在效果、模型大小、计算量以及功耗等综合性能方面均位居业界前列的预训练模型，引领技术发展潮流
投入模型加速领域的研发，涵盖模型量化、投机采样、模型压缩、模型剪枝、模型蒸馏、网络架构搜索与创新设计等方向，确保模型在效果与运行速度上达到最佳平衡，满足车端需求
开展模型架构的深度探索，包括但不限于Scaling Law、MoE、Transformer、高效训推框架以及基座模型训练等前沿领域，开拓技术边界，为自动驾驶技术突破提供核心支持
优先资格
在相关领域（IJCV、PAMI、CVPR、ICCV、ECCV、NIPS、AAAI 等）发表论文者优先
或在相关领域竞赛（ImageNet、COCO、Kitti、Waymo、nuScenes等等）中取得较好成绩者优先
AI 洞察
优缺点分析
优点
- 小米上市大厂，自动驾驶业务投入大，资源丰富，技术积累深厚
- 涉及模型量化、蒸馏等前沿技术，紧跟AI工业界最新趋势，技能成长快
- 与顶尖研发团队合作，有机会发表论文或参与竞赛，提升个人影响力
- 自动驾驶模型对精度和延迟要求极高，优化难度大，需不断试错
- 技术迭代快，需要持续学习最新论文和技术，保持竞争力
缺点 / 挑战
- 可能面临高强度工作压力，尤其是项目关键阶段
- 适合对深度学习模型优化有浓厚兴趣、乐于挑战极致性能、具备扎实工程能力的算法工程师
角色解读
- 技术路线：从算法优化工程师到资深算法专家，主导核心模型设计与优化
- 管理路线：可向技术团队管理方向发展，带领算法团队
- 跨领域：积累自动驾驶经验后可转至机器人、AI芯片等相邻领域
- 负责自动驾驶算法的有损优化，通过模型量化、剪枝、蒸馏等手段提升模型部署效率
- 设计轻量化模型架构，在效果、大小、计算量之间取得最佳平衡
- 探索前沿模型技术，如Scaling Law、MoE、高效训推框架，推动技术突破
- 精通CNN、Transformer等深度学习模型原理，熟悉主流自动驾驶算法
- 具备AutoML、模型量化、蒸馏等优化经验，能独立开展模型压缩项目
- 熟练使用Python，扎实的算法与数据结构基础，具备论文或竞赛经验者优先
申请策略
- 深入了解小米自动驾驶技术路线和产品，面试时展现对业务的理解
- 准备一个完整的模型优化案例分析，从问题定义到解决方案和效果
- 突出模型量化、蒸馏、压缩等具体项目经验，说明优化效果（如精度损失、加速比）
- 列出发表的顶会论文或竞赛Top名次，证明学术或工程能力
- 强调自动驾驶或计算机视觉相关项目，展示领域理解
- 补充AutoML、NAS、知识蒸馏等前沿技术，熟悉主流开源框架（如TensorRT、ONNX）
- 动手实践模型部署，如使用TensorRT或Triton Inference Server优化模型
面试指南
- 使用STAR法则：情境、任务、行动、结果，清晰阐述项目背景和你的贡献
- 对比不同技术方案的优劣，展示权衡与决策过程
- 结合自动驾驶场景，强调落地中的实际考虑，如延迟、功耗等
- 请介绍一个你使用模型量化降低模型大小的项目，如何平衡精度和速度？
- CNN和Transformer在自动驾驶中各自的优缺点是什么？
- 如何设计一个轻量级网络用于实时语义分割？
- 解释知识蒸馏的原理，你如何选择教师模型和学生模型？
- 对Scaling Law的理解，MoE在自动驾驶中的应用可能性？
职位点评
77
综合评分
大厂自动驾驶算法优化岗，前沿技术栈，薪资优厚但工作强度可能较高。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
最适合追求技术成长、愿意接受高强度工作、对自动驾驶有热情的算法工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展90
工作生活50
使命价值70
薪资福利
85较高
小米作为上市大厂，薪资福利有竞争力，算法岗薪资偏高，但具体薪酬未明确，整体补偿性较好。
薪资信号未披露（AI估算：30K-60K/月）
成长发展
90较高
职位涉及前沿技术如模型量化、蒸馏、Scaling Law，技术成长空间大，但JD未明确晋升通道，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈模型量化、模型蒸馏、模型压缩、AutoML、Transformer、MoE、Scaling Law
业务类型profit_center
工作生活
50较低
仅现场办公，未提及弹性工作，北京办公，可能面临较高工作强度，生活方式满足度一般。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
70中等
自动驾驶是高速增长赛道，对社会有正面影响（安全、效率），但小米自动驾驶尚在发展，意义感中等偏上。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
小米 的其他在招职位
相似职位推荐
Watch Jobs