黑芝麻
数据闭环专家(J11168)
数据闭环专家(J11168)
发布于 8 小时前普通员工/个人贡献者
全职员工仅现场办公自动驾驶
自动驾驶
Bev感知
Pytorch
分布式系统
数据湖仓
数据闭环
深度学习
自动驾驶
值不值得投
72综合评分
综合评分 72
高难度、高成长的自动驾驶数据平台架构岗，技术挑战与行业价值突出，但WLB信息不明。
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。
薪资怎么样
40K
比自动驾驶中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
24 个在招 · 其中自动驾驶 8 个
市场机会
选择适中
武汉 · 自动驾驶 · 12 个在招
职位详情
关于这个职位
该职位是自动驾驶数据闭环平台的技术专家，负责从数据采集、处理、标注到模型训练、仿真评测的全链路架构设计与技术研发
你需要主导构建支持PB级数据处理的高可用分布式系统，并推动主动学习、场景挖掘等核心算法落地，以打造高效、自动化的数据驱动开发模式，支撑自动驾驶及未来机器人业务
最低要求
教育背景：
硕博学历，计算机科学、人工智能、软件工程、电子工程、自动化、数学等相关专业
在计算机视觉、机器学习、自动驾驶、机器人等领域有深入研究，有顶会论文（CVPR/ICCV/ECCV/NeurIPS/ICML/ICRA等）或高质量专利者优先
行业经验：
年以上软件研发经验，有大数据平台、云计算或自动驾驶数据闭环架构设计经验者优先
具备自动驾驶数据闭环相关工作经验，主导过智驾数据闭环平台、训练推理平台或车云协同系统的架构设计者优先
熟悉自动驾驶全栈技术（感知、预测、规划与控制）及数据驱动开发模式
技术能力：
分布式系统与大数据：精通分布式系统设计，熟悉Hadoop生态系统及Spark、Flink等分布式计算框架，具备大规模数据处理平台搭建经验
云原生与容器化：熟悉Kubernetes、Docker等容器化技术，具备云原生应用开发与部署经验
数据湖仓与存储：熟悉流批一体架构（Kafka/Pulsar）、数据湖仓（Paimon/Iceberg）等技术，掌握主流数据库（SQL/NoSQL/时序数据库）及存储优化技术（如Parquet、OSS存储策略）
AI与算法：精通深度学习与计算机视觉基础算法，熟悉目标检测、语义分割、多传感器融合等自动驾驶核心技术，熟练使用PyTorch/TensorFlow等深度学习框架
编程能力：精通Python/Java/C++至少一种编程语言，具备架构级代码设计能力
软性要求
技术前瞻性：深入理解智驾技术趋势（如端到端模型、BEV感知、Occupancy网络），能将技术演进转化为架构设计输入
复杂问题解决能力：具备从0到1设计复杂系统的经验，能平衡性能、成本、扩展性及开发效率
数据思维：对数据有深刻理解和敏锐直觉，具备从海量数据中发现问题、提炼价值的能力
团队协作与领导力：优秀的跨部门沟通能力，能够推动技术方案在算法、工程、运维等多团队落地，具备技术领导力与团队指导经验
工作职责
系统架构设计与技术规划
负责自动驾驶数据闭环平台的整体架构设计，涵盖数据采集、传输、存储、预处理、标注、模型训练、仿真评测等核心模块的技术选型与方案制定
设计高可用、高扩展性的分布式系统架构，支持PB级海量数据处理及千亿级样本的高效管理与检索
制定平台技术演进路线，结合行业趋势（端到端模型、BEV感知、Occupancy网络等）优化架构设计，确保技术前沿性
面向未来机器人业务，规划跨域数据闭环技术路线，支撑多模态感知与决策系统的数据需求
数据飞轮与自动化流水线建设
搭建云端数据飞轮基础设施，构建从数据采集、清洗、挖掘、标注到模型训练、部署的完整自动化闭环
依托量产车队设计长尾异常场景的"影子模式"触发与旁路上传机制，高效采集高价值罕见场景数据
统筹数据清洗、数据挖掘、数据标注到模型训练的全流程自动化流水线，提升数据处理效率与模型训练速度
主导数据闭环核心算法研发，包括主动学习、场景挖掘、数据多样性分析、难例挖掘、自动化标注等方向
关键技术攻关
主导数据闭环平台技术难点攻关，如低延迟数据回传、多模态数据融合（摄像头、激光雷达、毫米波雷达）、自动化标注、场景生成引擎、分布式训练框架优化等
探索多模块模型、世界模型、3DGS等技术在数据合成、标注效率提升中的应用，推动技术预研与落地
推动合成数据与真实数据的融合应用，探索基于生成式AI的数据增广与Corner Case自动生成技术
设计车端-云端协同架构，支持影子模式数据实时回流、OTA增量更新、模型动态部署等场景
跨团队协作与标准化
与算法团队、数据团队、测试团队及云平台团队紧密协作，定义数据闭环平台的技术接口规范与数据标准
主导核心模块的代码评审、性能调优及容灾设计，确保系统稳定性
建立数据质量管控体系与安全保障机制，确保数据的准确性、完整性与安全性
带领技术团队攻克关键技术难题，培养数据闭环领域的工程与算法人才
性能优化与成本控制
针对数据存储、计算资源（GPU集群）、网络传输等环节优化成本，设计弹性伸缩方案及资源调度策略，平衡效率与成本
建设数据生命周期管理体系，实现冷热数据分层存储、自动化清理与归档
跟踪学术界与工业界数据闭环领域的前沿技术，将先进方法落地到量产场景
优先资格
加分项
主导过10PB级以上、接入量产车的数据平台搭建者优先
具备闭环仿真系统架构设计经验（如CARLA、log-simulation），熟悉ROS/ROS2生态系统者优先
具备AI Agent协同研发经验，了解LLM在数据闭环中的应用
有端到端智驾模型数据闭环平台建设经验者优先
有自动驾驶数据闭环、数据挖掘、主动学习相关项目或研究经验
有大规模数据处理系统（如Spark/Flink/Kafka）或MLOps平台建设经验
熟悉仿真引擎（CARLA/GAIA等）或合成数据生成技术
有机器人、具身智能相关研究或工程经验
在知名自动驾驶公司或科技公司有相关实习或工作经历
AI 洞察
优缺点分析
优点
- 岗位职责核心，直接影响自动驾驶产品的迭代效率与竞争力，技术价值感强
- 公司已上市，平台稳定，能提供资源支持大规模的技术预研与落地
- 技术难度极高，需要同时具备大数据工程、AI算法和自动驾驶领域知识，对综合能力要求严苛
- 需紧密协同算法、数据、测试等多个团队，沟通协调与技术影响力要求高
- 适合拥有大数据平台与AI算法双重背景，对自动驾驶技术有深刻理解与热情，追求技术深度、能够解决复杂系统性问题的资深工程师或架构师
缺点 / 挑战
- 处于自动驾驶与AI技术前沿，能接触到PB级数据、大模型、世界模型等最尖端的技术挑战
- 武汉生活成本相对一线城市较低，性价比较高
- 工作涉及从0到1构建复杂系统，技术决策压力大，需要平衡性能、成本、扩展性等多重目标
角色解读
- 技术专家路线：深耕自动驾驶数据智能领域，成为数据闭环或MLOps方向的首席架构师
- 技术管理路线：带领更大规模的技术团队，负责整个数据平台或自动驾驶工具链部门的规划与建设
- 行业拓展路线：将数据闭环平台的经验迁移至机器人、具身智能等更广泛的智能系统领域
- 设计和构建处理PB级海量数据的自动驾驶数据闭环平台，涵盖数据全生命周期
- 主导研发核心算法，如主动学习、场景挖掘、自动化标注，以提升数据处理与模型训练效率
- 攻克多模态数据融合、低延迟回传等关键技术难点，并推动3DGS、世界模型等前沿技术在数据合成中的应用
- 跨团队协作，建立技术标准与数据质量体系，并指导团队技术成长
- 精通分布式系统设计，熟悉Spark、Flink等大数据框架及Kubernetes云原生技术，能架构大规模数据平台
- 具备扎实的深度学习与计算机视觉基础，熟悉自动驾驶全栈技术，熟练使用PyTorch/TensorFlow
- 拥有深厚的数据思维，对数据采集、清洗、挖掘、标注到模型训练的全流程有深刻理解和工程落地经验
- 具备出色的复杂系统设计能力、跨部门协作与技术领导力
申请策略
- 在求职信或面试中，清晰阐述你对“数据飞轮”理念的理解，以及你将如何设计一个高效、自动化的闭环系统
- 准备一个关于“如何从0到1设计一个支持海量数据的平台，并解决其核心挑战”的完整案例，涵盖架构选型、难点攻关与效果衡量
- 了解黑芝麻智能的自动驾驶芯片产品与技术路线，思考你的技能如何与之结合创造更大价值
- 重点突出主导设计过的分布式大数据平台、数据湖仓或MLOps平台的具体项目经验与成果
- 详细描述在自动驾驶或计算机视觉领域，处理海量数据（特别是多模态数据）的技术栈与解决方案
- 列举与数据闭环、主动学习、场景挖掘等相关的技术探索或落地项目
- 体现架构设计能力、成本优化意识以及跨团队协作与技术领导的经历
- 深入研究端到端自动驾驶、BEV感知、Occupancy网络等前沿技术趋势，并思考其对数据闭环架构的影响
面试指南
- 对于系统设计问题，采用“分层-分模块”的思路进行阐述：明确核心目标 -> 划分主要功能模块 -> 描述关键技术选型与交互 -> 重点说明设计的权衡（如性能vs成本）
- 对于算法与场景问题，结合具体案例，说明“发现问题（定义场景）-> 高效获取数据（采集/生成）-> 自动化处理（标注/清洗）-> 模型迭代”的完整闭环逻辑
- 所有回答尽量结合项目实战，用具体技术（如Spark、K8s、Flink、PyTorch）和量化指标（数据量、处理时延、成本节省比例）来支撑论点
- 请描述一个你主导设计的复杂数据平台或系统的架构，面临的核心挑战是什么，你如何解决的？
- 如果让你从头开始设计一个PB级自动驾驶数据闭环平台，你的第一步会做什么？核心架构会如何划分？
- 在数据闭环中，如何设计一个高效的长尾场景（Corner Case）发现与挖掘机制？
- 如何平衡大规模数据存储、计算的成本与系统的性能及扩展性？请举例说明
- 你如何看待自动驾驶中“数据闭环”与“端到端模型”的关系？它们对技术架构提出了哪些新要求？
职位点评
薪资福利65
成长发展90
工作生活50
使命价值85
薪资福利
65中等
职位要求高，薪资可能有竞争力，但JD未明确披露薪资与福利细节。
薪资信号未披露（AI估算：3–5万/月）
成长发展
90较高
职位处于自动驾驶与AI技术前沿，涉及分布式系统、大数据、大模型等多个高价值技术栈，提供从0到1构建复杂系统的顶级技术挑战与成长机会。
技术前沿前沿/新兴技术
技术栈数据闭环、分布式系统、Spark、Flink、Kubernetes、PyTorch、3DGS、世界模型、BEV感知
业务类型profit_center
工作生活
50较低
JD未明确说明办公模式与工作强度，作为核心技术攻坚岗位，可能存在较高工作压力。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
85较高
自动驾驶是技术驱动、高速发展的行业，该岗位直接参与构建产品核心竞争力，具有较高的技术价值与行业影响力。
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
Watch Jobs