初速度
EBM
EBM
发布于 6 小时前中层管理(经理/总监)
全职员工仅现场办公自动驾驶
自动驾驶
Diffusion Model
Mlops
分布式训练
团队管理
多模态大模型
强化学习
深度学习
端到端自动驾驶
量产部署
值不值得投
78综合评分
综合评分 78
自动驾驶前沿赛道、核心技术掌舵者、薪资优厚、技术成长天花板极高，但工作强度与量产交付压力较大。
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
8万
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
18 个在招
市场机会
选择面较广
北京 · 自动驾驶 · 约 140 个在招
职位详情
关于这个职位
该职位负责主导端到端自动驾驶算法的技术路线图与架构选型，解决长尾场景等核心技术难题，并推动模型在量产项目中的落地
同时需要组建并领导算法团队，对最终产品性能和用户体验负责
适合具备深厚AI算法背景及团队管理经验的资深技术专家
最低要求
计算机科学、人工智能、机器人学、电子工程或相关领域
年以上在强化学习、深度学习、多模态大模型领域的研发经验，其中至少2年作为技术负责人或团队管理者的经验
拥有处理海量数据、进行大规模分布式训练和MLOps的实践经验
具备出色的团队领导和项目管理能力，有成功交付复杂AI项目的经验
对自动驾驶技术充满热情，具备出色的沟通能力、自驱力和解决问题的决心
工作职责
定义和主导端到端自动驾驶算法的长期技术路线图，负责从模型架构（如Transformer、Diffusion Model等）选型到整体方案设计的关键决策
深入一线，解决研发过程中最棘手的技术难题，如长尾场景处理、模型收敛性、部署效率等
推动端到端模型在量产项目中的评估、测试和部署，对最终的产品性能和用户体验负责
负责招聘、组建并领导一支世界级的端到端算法团队，营造开放、创新、高效的研发氛围
优先资格
有直接从事端到端（End-to-End）自动驾驶模型研发的经验者优先，经历过量产经验
在CVPR、NeurIPS、ICLR、ICRA、CoRL等顶级学术会议上有相关论文发表者优先
AI 洞察
优缺点分析
优点
- 负责从算法选型到量产落地的全链路，对提升全局技术视野和产品商业化能力有巨大帮助
- 带领世界级算法团队，能够锻炼顶级的技术管理与团队搭建能力
- 需要平衡前沿技术探索与量产项目交付进度，对项目管理和技术决策的容错率要求极高
- 适合在深度学习/自动驾驶领域有深厚积累，且具备从0到1搭建团队和推动量产落地经验的资深技术专家或技术管理者
缺点 / 挑战
- 处于自动驾驶最前沿的端到端技术赛道，技术挑战大，能积累极高的技术壁垒和行业影响力
- 端到端自动驾驶仍处于技术攻坚期，长尾场景和模型收敛性等难题极具挑战，技术压力较大
角色解读
- 从技术专家向自动驾驶算法总监或首席科学家（Chief Scientist）方向发展
- 深入参与公司核心战略决策，推动端到端技术成为行业标杆，积累极高的行业影响力和技术壁垒
- 主导端到端自动驾驶算法的技术路线图与架构选型，决定Transformer、Diffusion等模型的应用方向
- 深入研发一线攻克长尾场景处理、模型收敛性等核心技术难题，推动模型在量产车上的部署
- 组建并领导端到端算法团队，负责团队搭建、项目管理及最终产品体验
- 深厚的深度学习与多模态大模型功底，精通Transformer、Diffusion等前沿架构
- 具备大规模分布式训练、MLOps及海量数据处理能力，有端到端自动驾驶量产落地经验
- 出色的技术领导力与团队管理能力，能够主导复杂AI项目的成功交付
申请策略
- 初速度非常看重量产落地能力，面试中应多结合实际量产项目中的Corner Case解决经验进行阐述
- 了解初速度在端到端自动驾驶领域的最新技术博客和公开分享，展现对公司技术路线的认同与思考
- 重点突出在端到端自动驾驶或相关大模型领域的量产落地经验及具体业务指标提升
- 详细列举在CVPR、NeurIPS等顶会发表的论文，以及在大规模分布式训练和MLOps方面的工程实践
- 强调团队管理经历，包括团队规模、搭建过程及成功交付复杂AI项目的案例
- 深入了解当前端到端自动驾驶的最新学术进展（如UniAD、VAD等）及业界量产方案
- 复习并强化大规模分布式训练框架（如Megatron、DeepSpeed）及MLOps工程化落地经验
面试指南
- 采用STAR法则（情境、任务、行动、结果）来结构化回答技术难题解决和项目管理经验
- 在回答架构选型时，从业务需求、数据特点、算力限制和最终量产效果四个维度进行对比分析
- 请详细描述你主导的端到端自动驾驶模型架构选型过程，以及为什么选择该方案？
- 在长尾场景处理或模型收敛性优化方面，你遇到过最棘手的问题是什么？如何解决的？
- 如何平衡前沿算法探索与量产项目交付进度？请分享一个具体的项目管理案例
- 在组建和管理高绩效算法团队方面，你的核心理念和具体做法是什么？
- 系统梳理过往主导的端到端或自动驾驶核心项目，准备好应对深度的技术细节追问
- 了解初速度当前的技术栈和量产车型合作情况，准备一些针对其业务场景的技术优化建议
职位点评
薪资福利85
成长发展95
工作生活40
使命价值85
薪资福利
85较高
作为高阶技术管理岗，薪资水平处于行业前列，且公司处于C轮后及大型企业阶段，薪酬福利具备较强竞争力。
薪资信号未披露（AI估算：6千–10万/月）
成长发展
95较高
处于自动驾驶端到端技术的最前沿，能够主导技术路线图并带领世界级团队，技术成长与行业影响力天花板极高。
技术前沿前沿/新兴技术
技术栈Transformer、Diffusion Model、强化学习、深度学习、多模态大模型、端到端自动驾驶、分布式训练、MLOps
业务类型profit_center
工作生活
40较低
JD未提及工作模式与WLB相关信息，但作为核心算法团队负责人且需深入一线解决难题、推动量产，工作强度与压力预计较大。
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
自动驾驶技术致力于提升交通安全与效率，具有显著的正向社会价值，且端到端技术是行业变革的关键方向。
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