初速度
视频生成大模型Tech Lead
视频生成大模型Tech Lead
发布于 2 小时前基层主管/组长
全职员工仅现场办公计算机视觉工程
计算机视觉工程
Diffusion Model
Dit
Flow Matching
Vae
世界模型
大模型
深度学习
自动驾驶
视频生成
值不值得投
80综合评分
综合评分 80
前沿大模型技术、核心算法团队、薪资优厚，但工作节奏可能较快。
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
5.5万
比计算机视觉工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
73 个在招
市场机会
选择面较广
北京 · 计算机视觉工程 · 约 130 个在招
职位详情
关于这个职位
该职位负责面向自动驾驶场景的视频生成大模型算法设计与优化，探索Diffusion等生成范式在驾驶场景中的应用
同时研究并构建自动驾驶世界模型，实现可控生成与未来帧预测，为端到端自动驾驶提供数据与仿真支撑
适合具备计算机视觉和生成式AI背景的技术人才
最低要求
计算机科学、人工智能、计算机视觉或相关领域硕士及以上学历
年以上深度学习/计算机视觉相关研发经验，有视频生成或图像生成大模型方向研发背景
深入理解主流视频/图像生成模型架构，熟悉以下一项或多项：Diffusion Model（DDPM、DDIM、LDM 等）、Flow Matching / Rectified Flow、DiT（Diffusion Transformer）及其视频扩展、VAE / Tokenizer 在视频压缩与重建中的应用
熟悉视频生成领域主流工作（如 Sora、CogVideo、Open-Sora、SeedAnce、通义万相、Wan 等），对其技术方案有深入理解
工作职责
视频生成模型研发：负责面向自动驾驶场景的视频生成大模型的算法设计与优化，探索 Diffusion/Flow Matching 等主流生成范式在驾驶场景视频合成中的应用与改进
世界模型方向探索：以视频生成能力为基础，研究并构建自动驾驶世界模型，实现对驾驶场景的可控生成、未来帧预测与物理合理性建模，为端到端自动驾驶研发提供数据与仿真支撑
可控生成与条件建模：研究多种条件控制方式（如轨迹条件、摄像头位姿、地图结构、天气/光照等）下的视频生成方案，提升生成内容的几何一致性、时序连贯性与场景多样性
AI 洞察
优缺点分析
优点
- 处于自动驾驶与生成式AI两大前沿技术交叉点，技术壁垒高，行业前景广阔
- 作为Tech Lead，能带领团队探索世界模型等前沿方向，技术影响力大
- 依托大型企业平台，能接触到海量自动驾驶数据与算力资源
- 视频生成与世界模型属于前沿探索方向，技术迭代极快，需要持续追踪最新论文与开源项目
- 自动驾驶场景对物理合理性和几何一致性要求极高，算法落地与工程化难度大
- 适合在计算机视觉和生成式AI领域有深厚积累，且具备一定团队管理或技术牵头能力的算法专家
缺点 / 挑战
暂无明显挑战项
角色解读
- 从核心算法专家向技术团队管理者（Tech Lead）发展，深入自动驾驶与生成式AI交叉领域
- 未来可成长为自动驾驶世界模型方向的技术负责人或首席科学家
- 负责自动驾驶场景下的视频生成大模型算法设计与优化，探索Diffusion等生成范式的应用
- 研究并构建自动驾驶世界模型，实现驾驶场景的可控生成与未来帧预测
- 研究多种条件控制方式下的视频生成方案，提升生成内容的几何一致性与场景多样性
- 深入理解Diffusion Model、Flow Matching、DiT等主流视频/图像生成模型架构
- 熟悉Sora、CogVideo等视频生成领域主流工作及技术方案
- 具备扎实的深度学习与计算机视觉研发基础，有相关大模型方向研发背景
申请策略
- 了解初速度在端到端自动驾驶和世界模型方面的最新业务进展，准备关于如何将视频生成技术应用于自动驾驶数据仿真的具体思路
- 突出在视频/图像生成大模型（如Diffusion、DiT）方面的核心项目经验与成果
- 展示对Sora、CogVideo等主流工作的深入理解及复现/改进经验
- 强调在自动驾驶或相关3D/物理合理性建模方面的背景
- 深入研读最新的Flow Matching、Rectified Flow及视频DiT架构论文
- 动手复现或微调开源视频生成模型（如Open-Sora），积累实战经验
面试指南
- 采用STAR法则描述项目经验，重点突出技术选型、难点攻克和最终业务收益
- 对于前沿问题，先阐述对技术原理的理解，再结合自动驾驶场景的特殊性（如物理规律、多视角一致性）进行辩证分析
- 请详细介绍你在视频生成大模型（如Diffusion/Flow Matching）方面的核心项目经验及遇到的技术难点
- 如何看待Sora等视频生成模型在自动驾驶世界模型构建中的潜力与局限性？
- 在提升生成视频的几何一致性和时序连贯性方面，你有哪些具体的算法优化思路？
- 作为Tech Lead，你如何规划团队的技术路线并指导初级工程师成长？
- 复习Diffusion Model、DiT、VAE等核心架构的数学原理与代码实现
- 了解初速度最新的自动驾驶技术方案及世界模型相关论文
职位点评
薪资福利85
成长发展95
工作生活50
使命价值85
薪资福利
85较高
职位为Tech Lead级别，且处于大模型热门赛道，薪资水平预计处于市场前列，能较好满足补偿性动机。
薪资信号未披露（AI估算：4千–7万/月）
成长发展
95较高
岗位涉及视频生成与世界模型等最前沿技术，技术成长空间极大，能充分满足发展性动机。
技术前沿前沿/新兴技术
技术栈Diffusion Model、Flow Matching、DiT、VAE、视频生成、世界模型
业务类型profit_center
工作生活
50较低
JD未提及工作模式与WLB相关信息，且大模型核心研发岗位通常工作节奏较快，生活化动机满足程度有限。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
自动驾驶技术具有较高的社会价值，能够推动智能出行发展，意义感动机满足程度较高。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度开拓性创新（行业首创）
Watch Jobs