Momenta logo
初速度
模型部署工程师(智驾方向)

模型部署工程师(智驾方向)

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 3.0–5.5万 · AI 参考估算
其它
本科
全职员工仅现场办公机器学习工程
机器学习工程
Ai模型部署
Ai辅助编程
大模型
智能驾驶
架构设计
车端部署
量产评测
问题拆解

值不值得投

71综合评分

综合评分 71

智驾大模型车端部署岗位,技术前沿且工程挑战强,办公与生活平衡信息未披露

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

4.3万

比机器学习工程中位数高

发布情况

新岗位 · 今天发布

公司情况

这家公司招聘很活跃

约 240 个在招 · 其中机器学习工程 11 个

市场机会

选择面较广

北京 · 机器学习工程 · 约 550 个在招

职位详情

关于这个职位

该岗位聚焦智能驾驶大模型的车端部署,负责C++模块开发、重构与维护,并参与主线化架构演进和量产评测体系建设

适合具备C++工程能力、对AI模型落地和智驾业务有兴趣的工程师

最低要求

统招本科及以上学历,计算机及相关专业者优先

C++编程、架构设计、问题拆解与沟通能力出众者优先
有智能驾驶及类似AI领域业务经历者优先,了解AI模型部署相关工程技术者优先
能熟练使用AI辅助编程者优先

工作职责

参与Momenta大模型算法车端部署C++模块的开发、重构与维护

参与Momenta大模型主线化演进架构设计、工程量产评测体系建设

AI 洞察

优缺点分析

优点

  • 岗位处于智能驾驶与大模型结合方向,技术场景复杂且成长性强
  • 工作内容贴近车端量产落地,能积累从算法到工程到评测的完整经验
  • 北京、上海、苏州多地可选,给候选人一定地域选择空间
  • 车端部署对性能、稳定性和工程细节要求高,问题定位与调试难度较大
  • 智驾业务迭代快,需要持续跟进算法、工程和量产侧的新要求
  • 适合具备扎实C++工程能力、希望深入智能驾驶大模型落地和车端部署的工程师,尤其适合对架构设计和量产工程化有兴趣的人

缺点 / 挑战

  • C++架构设计、模型部署和量产评测能力具有较高迁移价值
  • 大模型主线化演进和量产评测体系建设涉及跨团队协作,沟通成本可能较高

角色解读

  • 可向智驾模型部署专家方向发展,深入车端推理优化、工程架构和量产落地
  • 可成长为技术负责人,主导大模型部署模块、评测体系或跨团队工程方案
  • 未来也可转向AI基础设施、自动驾驶平台工程或模型工程化架构方向
  • 负责大模型算法在车端的C++工程落地,包括模块开发、重构和维护,重点保障部署性能与稳定性
  • 参与车端部署架构演进,围绕主线化模型能力设计可扩展、可维护的工程方案
  • 参与工程量产评测体系建设,支撑模型从研发验证走向车端量产
  • 与算法、平台、测试等团队协作,拆解复杂工程问题并推动落地
  • 需要扎实的C++编程能力,能够处理高性能、高可靠性的车端工程代码
  • 需要具备架构设计和问题拆解能力,能围绕大模型部署场景设计可演进方案
  • 需要理解AI模型部署相关工程链路,如推理、优化、评测、集成与稳定性验证
  • 具备智能驾驶或类似AI业务经历更有优势,熟悉AI辅助编程也会加分

申请策略

  • 投递前了解Momenta在智能驾驶和大模型方向的产品与业务进展,面试中体现对场景的理解
  • 面试时重点准备车端部署、量产评测和架构演进相关问题,用具体项目说明自己的工程判断
  • 突出C++大型项目经历,尤其是性能优化、模块重构、稳定性治理或架构设计成果
  • 强调与AI模型部署相关的经验,如推理框架、模型集成、评测体系、端侧部署或工程化工具链
  • 如果有智能驾驶、机器人、感知算法或车载软件经历,应明确写出业务场景与个人贡献
  • 展示问题拆解和跨团队推动案例,说明如何把复杂需求转化为可落地方案
  • 强化C++现代工程能力,包括并发、内存管理、性能剖析、代码重构和可维护性设计
  • 补充AI模型部署知识,了解推理优化、模型转换、端侧评测和常见部署链路

面试指南

  • 项目类问题采用“背景-目标-方案-难点-结果”的结构,重点量化性能、稳定性或效率改善
  • 技术权衡类问题先明确业务约束,再从性能指标、可维护性、扩展性和落地成本展开分析
  • 问题排查类问题按照现象确认、日志与指标收集、复现路径、分层定位、验证修复、回归保障的步骤回答
  • 请介绍一个你主导或深度参与的C++模块开发、重构或性能优化项目
  • 大模型在车端部署时,你认为性能、稳定性和可维护性之间应如何权衡?
  • 如果车端部署模块出现偶发延迟或崩溃,你会如何定位问题?
  • 你如何理解工程量产评测体系?应该覆盖哪些关键指标?
  • 请举例说明你如何拆解复杂问题,并与算法或平台团队协作推进落地

职位点评

薪资福利72
成长发展86
工作生活45
使命价值78

薪资福利

72中等

JD未披露薪资和福利信息,但岗位要求C++、架构设计和AI模型部署能力,且覆盖一线城市,补偿性动机只能基于岗位技术门槛作有限判断。

薪资信号未披露(AI估算:3.0千–5.5万/月)

成长发展

86较高

岗位涉及大模型车端部署、架构演进和量产评测体系建设,技术复杂度高,能积累智能驾驶工程化和模型落地经验。JD未明确提及培训或晋升路径。

技术前沿前沿/新兴技术
技术栈大模型、C++、AI模型部署、车端部署、架构设计、量产评测
业务类型ambiguous

工作生活

45较低

JD仅说明北京、上海、苏州三地,未提及远程、弹性办公、双休或加班情况,生活化动机相关信息不足。

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

78中等

岗位服务于智能驾驶大模型量产落地,具备较强技术前沿性和产业应用价值,但JD未直接描述社会使命或价值导向表述。

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