大众汽车
ADAS Data Development - backend direction
ADAS Data Development - backend direction
发布于 大约 14 小时前普通员工/个人贡献者
上海市
专家级经验
全职员工
仅现场办公
硕士
数据工程
Adas
Go
分布式系统
数据管道
自动驾驶
AI 估算 · 35k–65k
资深数据平台工程师，自动驾驶领域高需求，上海地区薪资竞争力强，外企福利稳定。
职位详情
关于这个职位
这是大众汽车自动驾驶部门ADAS数据开发的后端方向资深岗位
你将负责构建高吞吐量的数据管道、优化分布式存储与查询、管理GPU集群调度，支撑自动驾驶感知模型的训练与回放
适合拥有大规模数据平台经验的技术专家，工作地点在上海
最低要求
计算机科学、电气工程、机器人或相关领域的硕士学位（或同等实践经验）
工作经验：8年以上专业后端开发经验，其中至少4年专注于大规模数据平台或AI/ML基础设施
在设计、构建和维护生产级数据平台方面有良好记录，处理PB级或更大数据集（最好在自动驾驶、机器人或地理空间领域）
具备后端（微服务、API网关、异步任务队列、流管道）和前端（如React/Vue、仪表板）开发的实际经验
在大规模计算集群管理方面有深厚专业知识——例如，使用Kubernetes、Slurm或专有调度器协调多个GPU（NVIDIA A100/H100、AMD MI系列），包括作业优先级、抢占、自动扩展和资源碎片优化
有数据生命周期管理经验——分层存储（热/温/冷）、数据版本控制、血缘跟踪以及训练和回放工作流的高效检索
有跨职能协作经验——与感知工程师和车队运营紧密合作，将算法需求转化为可扩展的平台功能
后端：精通Python和/或Go
有FastAPI、gRPC或Django等框架的经验
扎实掌握分布式消息（Kafka/Pulsar）和流处理（Flink/Spark Streaming）
前端：能够构建直观的内部工具
数据存储：在列式格式（Parquet、Iceberg、Hudi）和查询引擎（Trino/Spark）方面有深厚经验
了解对象存储（S3/GCS）和分布式文件系统（Lustre/Weaver）以实现高吞吐量I/O
计算编排：能够设计和调整作业调度器（Slurm、AWS Batch或自定义K8s运算符），用于混合工作负载（训练、模拟、数据预处理）
有GPU配置、GPU资源调度平台经验
基础设施即代码：Terraform、Ansible或类似工具
对监控/可观测性（Prometheus、Grafana、OpenTelemetry）和云/混合环境成本管理有深刻理解
工作职责
管理和优化分布式计算任务，构建高吞吐量的数据摄取、计算、存储和查询服务
开发用于回放、数据管理和报告系统的API
使用SQL和NoSQL数据库设计和优化数据模型，并将其与现有的遗留Java系统集成
使用Docker和Kubernetes在云平台上部署和管理服务
数据管道开发：构建和优化多模态传感器数据预处理管道
优化Data Logger软件，负责高效地从摄像头、LiDAR、雷达、GPS/IMU等外设收集和缓存传感器数据
为在线和离线数据传输构建可靠的解决方案
优先资格
熟悉ROS/ROS2、ADAS数据格式（如MDF、ASAM OpenDRIVE）和标注工具集成是一个显著加分项
AI 洞察
优缺点分析
优点
- 大众汽车作为行业巨头，平台稳定，资源充足，利于长期发展
- 涉及自动驾驶前沿技术，能接触大规模数据处理和GPU调度，技术含量高
- 工作强度可能较大，需要处理生产级系统的复杂性和高要求
- 岗位要求极高，需要同时精通前后端、大数据、GPU集群等多领域技术
- 对自动驾驶领域经验有偏好，跨行业进入可能面临一定技术壁垒
- 适合有8年以上后端和大数据平台经验、对自动驾驶技术有热情、善于解决复杂系统问题的资深工程师
缺点 / 挑战
- 上海地理位置优越，薪资水平较高，外企文化注重工程规范
角色解读
- 可在自动驾驶数据平台领域成为技术专家，深入大数据架构和AI基础设施
- 有机会向技术管理方向发展，负责更复杂的数据平台系统设计
- 随着自动驾驶行业快速发展，职业前景广阔，可跨领域发展
- 构建和维护自动驾驶数据平台，包括数据摄取、计算、存储和查询服务
- 开发数据回放、管理和报告系统API，并优化数据模型
- 管理GPU集群调度和数据管道，支撑感知模型训练和仿真
- 精通Python或Go，熟悉FastAPI、gRPC等后端框架
- 深入掌握Kubernetes、Docker、Kafka、Flink/Spark等分布式技术
- 熟悉数据存储与查询引擎（Parquet、Iceberg、Trino等）和GPU资源调度
申请策略
- 了解大众汽车在自动驾驶领域的布局，特别是其在上海的研发项目，以便在面试中展现契合度
- 准备系统设计案例，详细阐述如何处理高并发数据流和存储成本优化
- 突出大规模数据平台的设计与运维经验，例如支撑PB级数据量的项目
- 强调Python/Go后端开发、Kubernetes/GPU调度等具体技术栈的实战经历
- 展示与感知团队协作、将算法需求落地为平台功能的案例
- 补充自动驾驶相关的数据格式（如MDF、OpenDRIVE）和ROS2知识
- 深入学习GPU调度和Kubernetes高级特性，特别是资源碎片优化和自动扩展
面试指南
- 使用STAR法则（情境-任务-行动-结果）回答项目经验类问题，突出具体量化指标
- 针对技术问题，先解释整体架构，再深入细节，并说明权衡取舍
- 强调业务驱动，展现对自动驾驶场景的理解
- 请描述你如何设计和优化一个PB级数据平台的数据管道
- 如何管理Kubernetes上的GPU资源调度？你如何处理资源碎片问题？
- 谈谈你使用Kafka/Flink处理实时数据流的经验，并举例说明遇到的挑战
- 在跨团队协作中，你如何将感知工程师的算法需求转化为平台功能？
- 如何确保数据平台的数据质量和血缘追踪？
职位点评
68
综合评分
汽车巨头自动驾驶数据平台，前沿技术，高要求但薪资未明确。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术深度和职业发展的资深数据工程师
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展85
工作生活50
使命价值70
薪资福利
65中等
该职位薪资未披露，但作为大型外企，薪资福利通常有竞争力，但具体未明确。
薪资信号未披露（AI估算：35K-65K/月）
成长发展
85较高
职位涉及自动驾驶数据平台的前沿技术，能积累大规模数据处理和GPU调度经验，发展空间大。
技术前沿前沿/新兴技术
技术栈ADAS、Kubernetes、GPU调度、数据管道、Python
业务类型ambiguous
工作生活
50较低
职位未提及远程或弹性工作，可能需现场办公，工作强度未知。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
自动驾驶技术有社会价值，但JD未强调使命感。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
大众汽车 的其他在招职位
相似职位推荐
Watch Jobs