初速度
端到端自动驾驶规划算法专家
端到端自动驾驶规划算法专家
发布于 3 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
Cuda
Diffusion Model
End-To-End
Mamba
Tensorrt
Vlm
World Model
强化学习
自动驾驶规划
值不值得投
80综合评分
综合评分 80
自动驾驶前沿技术核心岗，技术栈极具前瞻性且薪资回报丰厚，但工作强度较大。
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
73 个在招
市场机会
选择面较广
北京 · 自动驾驶 · 约 160 个在招
职位详情
关于这个职位
该职位负责研发新一代端到端自动驾驶算法，探索世界模型、视频生成及视觉语言模型在驾驶策略生成中的应用
你需要搭建自动化评测体系，利用大模型进行数据挖掘与场景重建，通过数据闭环持续提升模型性能
最低要求
学历背景：计算机、自动化、人工智能等相关专业，211/985 硕士及以上学历
大模型技术栈：深入理解 Transformer 架构，有 LLM（大语言模型）或多模态模型（VLM）的训练/微调经验
熟悉生成式模型（Diffusion, VAE, GAN）原理
熟悉强化学习算法
编程与工程：精通 Python，具备极强的代码实现能力
熟悉 C++，了解模型在端侧（On-board）的部署与推理优化（TensorRT/CUDA）
自动驾驶经验：理解自动驾驶 Planning/Prediction 的核心业务逻辑，具备数据驱动算法（Imitation Learning, Offline RL）的研发落地经历
工作职责
端到端模型研发：负责新一代 End-to-End 自动驾驶算法的研发，包括但不限于基于 World Model（世界模型）、Video Generation（视频生成）或 VLM（视觉语言模型）的驾驶策略生成
模型架构探索：探索 Transformer、State-space Model (如 Mamba)、Diffusion Model、IL/RL在轨迹预测与决策规划中的应用，验证 Scaling Law 在自动驾驶规控领域的有效性
数据闭环与评测：搭建针对生成式规划算法的自动化评测体系，利用大模型进行数据挖掘、自动标注（Auto-labeling）及场景重建，通过数据闭环持续提升模型性能
优先资格
有视频生成或序列预测模型相关经验者优先
AI 洞察
优缺点分析
优点
- 处于自动驾驶与AI大模型结合的最前沿赛道，技术壁垒高，个人技术成长空间巨大
- 参与核心算法研发，能够深刻理解并影响行业未来技术路线，履历含金量极高
- 适合在自动驾驶或大模型领域有深厚积累，追求技术极致，具备极强代码实现能力和探索精神的顶尖算法人才
缺点 / 挑战
- 端到端自动驾驶技术仍在快速迭代中，面临技术路线不确定性和工程落地难度大的挑战
- 算法专家岗对代码能力、数学功底及业务理解要求极高，日常工作压力与脑力消耗较大
角色解读
- 可向自动驾驶算法首席科学家、技术总监方向发展，主导下一代自动驾驶技术路线
- 深耕端到端大模型技术，成为AI与自动驾驶交叉领域的顶尖技术专家
- 研发基于世界模型、视频生成和VLM的新一代端到端自动驾驶算法，生成驾驶策略
- 探索Transformer、Mamba等前沿架构在轨迹预测与决策规划中的应用，验证Scaling Law的有效性
- 搭建自动化评测体系，利用大模型实现数据挖掘、自动标注与场景重建，构建数据闭环
- 深入掌握Transformer、LLM/VLM及生成式模型（Diffusion/VAE/GAN）原理，熟悉强化学习算法
- 精通Python与C++，具备极强的代码实现能力，掌握端侧部署优化（TensorRT/CUDA）
- 熟悉自动驾驶Planning/Prediction核心业务逻辑，具备数据驱动算法（IL/Offline RL）的落地经验
申请策略
- 了解初速度在端到端自动驾驶方面的技术布局和产品落地情况，准备关于Scaling Law在规控领域应用的技术见解
- 突出在LLM/VLM、生成式模型或强化学习方面的实际项目经验及论文发表情况
- 强调在自动驾驶Planning/Prediction领域的落地成果及数据闭环建设经验
- 深入学习端到端自动驾驶最新论文（如UniAD、VAD等），掌握Mamba等State-space Model的最新进展
- 提升C++及TensorRT/CUDA端侧部署优化能力，确保算法能够高效落地
面试指南
- 采用STAR法则描述项目，重点突出技术选型原因、解决的核心难题及最终业务指标提升
- 对于前沿技术探讨，结合最新论文和实际落地经验给出自己的见解，展现技术深度与广度
- 请详细介绍你在端到端自动驾驶或大模型微调方面的项目经验及遇到的技术难点
- 如何验证Scaling Law在自动驾驶规控领域的有效性？
- 在端侧部署大模型时，如何进行推理优化（TensorRT/CUDA）？
- 请谈谈你对基于World Model或VLM的驾驶策略生成的理解
- 复习Transformer、Diffusion、强化学习等核心算法原理，准备1-2个端到端自动驾驶或大模型落地的深度技术案例
- 了解初速度的技术博客和最新产品动态，思考大模型在自动驾驶数据闭环中的具体应用场景
职位点评
薪资福利90
成长发展95
工作生活40
使命价值85
薪资福利
90较高
自动驾驶算法专家属于核心高薪岗位，结合大模型与端到端技术，薪资回报极具竞争力。
薪资信号未披露（AI估算：6千–10万/月）
成长发展
95较高
处于AI与自动驾驶结合的最前沿，技术栈极具前瞻性，能极大提升个人在行业内的技术壁垒和影响力。
技术前沿前沿/新兴技术
技术栈End-to-End、World Model、VLM、Transformer、Mamba、Diffusion Model、IL/RL、TensorRT、CUDA
业务类型ambiguous
工作生活
40较低
算法专家岗位通常工作强度较大，且JD未提及弹性工作或WLB相关福利，需做好高强度工作的准备。
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
推动自动驾驶技术落地，有助于改善未来出行方式，具有较高的社会价值和行业使命感。
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