初速度
端到端智驾大模型-算法工程师/专家
端到端智驾大模型-算法工程师/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
Diffusion Model
Mlops
世界模型
分布式训练
多模态大模型
强化学习
深度学习
端到端自动驾驶
项目管理
值不值得投
79综合评分
综合评分 79
前沿自动驾驶大模型核心研发岗，技术成长空间极大，薪资竞争力强，但量产交付压力较大。
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
5.5万
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 170 个在招
职位详情
关于这个职位
该职位主要负责端到端自动驾驶算法的长期技术路线图规划与模型架构设计，解决长尾场景、模型收敛等核心技术难题
你需要推动端到端模型在量产项目中的评估、测试与部署，并对最终产品性能和用户体验负责
适合在深度学习、多模态大模型领域有丰富经验，且具备一定团队领导和项目管理能力的算法专家
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背景
年以上在强化学习、深度学习、多模态大模型、世界模型领域的研发经验
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
参与端到端自动驾驶算法的长期技术路线图，包括模型架构（如Transformer、Diffusion Model等）选型到整体方案设计
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
参与营造开放、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，经历过量产项目
在CVPR、NeurIPS、ICLR、ICRA、CoRL等顶级学术会议上有相关论文发表
AI 洞察
优缺点分析
优点
- 处于自动驾驶端到端大模型这一行业最前沿赛道，技术壁垒高，个人技术影响力提升快
- 能够深度参与从模型设计到量产落地的全链路，积累极具市场竞争力的工程化与量产经验
- 公司处于C轮及以后且规模较大，资源相对充足，有利于开展大规模分布式训练等前沿探索
- 需要兼顾前沿技术探索与量产项目交付，在研发创新与工程落地之间寻找平衡
- 适合在深度学习、大模型领域有深厚积累，既追求技术深度又具备工程落地和团队管理能力的复合型算法专家
缺点 / 挑战
- 端到端自动驾驶仍面临长尾场景和模型收敛性等世界级难题，技术攻坚压力大
角色解读
- 纵向可发展为自动驾驶算法首席专家或技术总监，主导下一代端到端大模型的技术演进
- 横向可向自动驾驶产品负责人或技术管理岗转型，统筹更大规模的研发团队与量产项目
- 规划端到端自动驾驶算法的技术路线图，负责Transformer、Diffusion Model等前沿模型架构的选型与整体方案设计
- 攻克长尾场景处理、模型收敛性、部署效率等研发过程中的核心技术难题
- 推动端到端模型在量产项目中的评估、测试与部署，对最终产品性能和用户体验负责
- 扎实的深度学习、强化学习、多模态大模型及世界模型理论基础与研发经验
- 具备海量数据处理、大规模分布式训练及MLOps工程化落地能力
- 拥有复杂AI项目的团队领导与项目管理能力，能跨团队推动量产交付
申请策略
- 提前了解初速度在端到端大模型方面的最新技术博客或公开论文，面试时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、多模态大模型或世界模型方面的核心项目经验及量产落地成果
- 展示在大规模分布式训练、MLOps及海量数据处理方面的工程实践能力
- 列举在CVPR、NeurIPS等顶会发表的论文，或开源社区的高星项目，证明技术深度
- 深入了解当前业界最新的端到端自动驾驶架构及Diffusion Model在规控中的应用
- 提升大规模集群训练调优经验，熟悉Megatron、DeepSpeed等分布式训练框架
面试指南
- 采用STAR法则，重点突出在复杂技术难题中的思考过程、解决方案及最终量化的业务收益
- 对于架构设计问题，从数据流、模型结构、损失函数设计到部署优化，进行系统性、全链路的阐述
- 请详细介绍你参与过的端到端自动驾驶模型架构设计，以及如何处理长尾场景问题？
- 在大规模分布式训练中，你遇到过哪些模型收敛性或通信瓶颈问题？是如何解决的？
- 如何平衡前沿算法探索与量产项目交付的时间节点？请分享一个成功交付复杂AI项目的案例
- 针对Transformer和Diffusion Model在自动驾驶感知/规控中的应用，你认为各自的优劣势是什么？
- 复习并梳理自己过往项目中的核心代码逻辑、分布式训练配置及性能优化细节，确保能应对深度技术拷问
- 准备1-2个体现团队领导力和跨部门沟通能力的具体案例，证明自己的项目管理与交付能力
职位点评
薪资福利85
成长发展90
工作生活50
使命价值85
薪资福利
85较高
自动驾驶核心算法专家岗，技术门槛高，薪资在同类研发岗中具备较强竞争力，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：4千–7万/月）
成长发展
90较高
处于端到端大模型这一前沿赛道，能接触海量数据与大规模分布式训练，技术成长空间极大，且要求顶会论文，学术与工程双重发展。
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、世界模型、端到端自动驾驶、分布式训练、MLOps
业务类型profit_center
工作生活
50较低
JD未提及工作模式与WLB相关信息，但算法专家岗通常面临较大的量产交付与技术攻坚压力，工作强度可能较高。
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，具有较高的社会价值；端到端大模型是行业变革性技术，使命感与成就感强。
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