初速度
自动驾驶数据闭环工程师-Data Infra
自动驾驶数据闭环工程师-Data Infra
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
Sql
数据挖掘
数据闭环
自动标注
自动驾驶
值不值得投
75综合评分
综合评分 75
自动驾驶核心数据基建岗，技术前沿且成长空间大，薪资中上，适合追求技术深度的研发人才。
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
3.5万
与自动驾驶中位数基本持平
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
该职位负责自动驾驶数据闭环核心系统的设计与开发，构建从车端数据采集到云端模型迭代的全链路自动化体系
你需要优化车端影子模式、开发智能数据筛选器与云端自动化数据挖掘平台，并与算法团队深度协作，通过高质量数据驱动自动驾驶模型性能的持续提升
最低要求
本科及以上学历，计算机科学、软件工程、自动化等相关专业，3年以上数据闭环或相关领域工作经验
有以下工作经验之一即可：
a. 熟悉自动驾驶数据闭环全流程，在车端影子模式部署、高价值数据筛选方面有实际项目经验
b. 具备云端自动化数据挖掘系统开发经验，熟练使用Python、C++等编程语言，掌握SQL与数据处理工具
c. 熟悉至少一种自动标注技术（如基于预训练模型的半监督标注、多传感器融合标注等）
了解大模型算法（如Transformer、VLM等）基本原理，能理解算法需求并转化为数据解决方案
具备良好的问题分析与解决能力，能从复杂数据中发现规律并提出优化策略
工作职责
负责自动驾驶数据闭环核心系统的设计与开发，构建从车端数据采集到云端模型迭代的全链路自动化体系
优化车端影子模式（Shadow Mode）系统，设计高效的触发式数据采集策略，精准捕获有价值的Hard Event数据
开发智能数据筛选器（Filter），通过规则引擎与AI模型相结合的方式，从海量路测数据中高效筛选高价值训练样本
搭建云端自动化数据挖掘平台，实现异常场景、算法失效案例的自动发现与聚类分析
推动自动标注系统的迭代优化，自动化评估驾驶行为质量，自动化清洗坏行为数据，提升标注效率与质量
与EBM团队深度协作，将数据闭环产出转化为模型性能的持续提升
构建数据质量评估体系，确保训练数据的准确性、多样性与代表性
优先资格
在自动标注技术方面有实际落地案例者优先
有大规模数据处理、分布式计算经验者优先，熟悉Spark、Flink等大数据框架者优先
AI 洞察
优缺点分析
优点
- 处于自动驾驶核心数据基建环节，技术壁垒高，能接触到车云协同、大模型等前沿技术
- C轮及以后的大型企业，业务场景丰富，数据量级大，利于技术深度积累与履历背书
- 自动驾驶数据闭环涉及车端、云端、算法端多方协作，系统复杂度高，排查问题难度大
- 适合具备扎实后端与大数据开发基础，对自动驾驶行业有热情，且具备较强跨团队沟通与复杂系统架构能力的技术人才
缺点 / 挑战
- 需要持续跟进大模型和自动驾驶算法的最新进展，技术迭代快，学习压力较大
角色解读
- 从数据闭环工程师成长为数据架构师或自动驾驶数据团队技术负责人
- 随着自动驾驶商业化落地，数据基建专家在行业内具有极高的稀缺性和广阔的发展空间
- 负责自动驾驶数据闭环核心系统的设计与开发，构建从车端数据采集到云端模型迭代的全链路自动化体系
- 优化车端影子模式，开发智能数据筛选器与云端自动化数据挖掘平台，精准捕获高价值训练样本
- 推动自动标注系统迭代，与算法团队深度协作，通过高质量数据驱动自动驾驶模型性能提升
- 熟练掌握Python、C++及SQL，具备云端自动化数据挖掘系统开发经验
- 熟悉自动驾驶数据闭环全流程或自动标注技术，了解大模型算法原理并能转化为数据解决方案
- 具备大规模数据处理与分布式计算能力，熟悉Spark、Flink等大数据框架
申请策略
- 了解初速度在自动驾驶量产落地方面的最新进展，特别是其数据闭环体系如何赋能具体车型
- 准备好复杂数据系统架构设计的面试案例，能够清晰阐述车云协同的数据流转链路
- 突出在数据闭环、影子模式部署或自动化数据挖掘方面的实际项目经验与量化成果
- 强调使用Python/C++处理大规模数据及分布式框架（Spark/Flink）的应用与调优经验
- 展示与算法团队协作提升模型性能的具体案例，体现数据驱动业务的价值
- 深入了解Transformer、VLM等大模型算法的基本原理及其对数据质量的具体需求
- 熟悉主流自动标注技术及半监督学习在数据筛选中的应用场景
面试指南
- 采用STAR法则，重点突出系统设计的复杂度、数据规模的量级以及最终对模型性能提升的量化贡献
- 对于架构问题，从车端采集、云端处理到模型迭代的链路进行分层解答，强调高可用与扩展性设计
- 请详细描述你参与过的自动驾驶数据闭环系统架构，以及你在其中解决的核心技术难点？
- 在车端影子模式下，如何设计高效的触发式数据采集策略以精准捕获Hard Event？
- 如何结合规则引擎与AI模型从海量路测数据中筛选高价值训练样本？
- 在大规模数据处理中，你是如何优化Spark/Flink任务性能并保证数据质量的？
- 复习分布式计算框架（Spark/Flink）的底层原理与性能调优经验
- 了解当前自动驾驶大模型（如端到端模型）对训练数据的具体需求与行业痛点
职位点评
薪资福利75
成长发展90
工作生活50
使命价值85
薪资福利
75中等
自动驾驶数据基建岗位技术壁垒高，薪资处于市场中上水平，C轮后大型企业能提供较好的薪酬稳定性。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
岗位涉及车云协同、大模型数据闭环等前沿技术，能深度参与自动驾驶核心基建，技术成长空间极大。
技术前沿前沿/新兴技术
技术栈Python、C++、SQL、Spark、Flink、Transformer、VLM、Shadow Mode
业务类型ambiguous
工作生活
50较低
JD未明确提及工作模式与WLB信息，自动驾驶研发通常节奏较快，生活化动机满足程度一般。
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
自动驾驶是极具社会价值的前沿科技，推动自动驾驶量产落地能带来强烈的行业使命感与技术成就感。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs