卡特彼勒
Perception Deployment Engineer
Perception Deployment Engineer
发布于 大约 20 小时前普通员工/个人贡献者
无锡市
中级经验
全职员工
仅现场办公
本科
软件工程
Cuda
Deepstream
Linux Embedded
Ros2
Tensorrt
点云处理
深度学习部署
AI 估算 · 15k–25k
外资巨头研发岗，嵌入式深度学习人才稀缺，无锡薪资有竞争力，临时合同稍保守。
职位详情
关于这个职位
这是一个面向矿山无人驾驶场景的感知算法部署工程师岗位，负责将深度学习模型部署到车端嵌入式平台（如Jetson/Orin），使用TensorRT、CUDA等工具进行推理加速和性能优化，并参与系统集成与调试
适合有C++/Python基础、对自动驾驶和嵌入式开发感兴趣的工程师
最低要求
本科及以上学历，计算机、自动化、电子工程、人工智能或相关专业
熟练使用 C++ 与 Python，具备良好的工程代码能力与调试习惯
有激光雷达点云相关经验，理解点云数据特性及基本处理流程
熟悉深度学习模型从训练到端侧部署的基本流程，具备嵌入式平台实际落地经验
具备良好的问题拆解能力，能够在系统联调阶段独立推进问题定位与解决
工作职责
负责深度学习感知模型在车端嵌入式平台的部署、优化与验证：
在 Jetson / Orin 等 NVIDIA 嵌入式平台完成模型落地
使用 TensorRT、CUDA、cuDNN、ONNX Runtime 等工具进行端侧推理加速
针对延迟、吞吐量、内存占用、功耗等指标进行性能分析与优化
在 Linux Embedded 环境下开展系统级工程工作，包括：
驱动与系统配置协作
交叉编译、系统服务调试
Docker / DeepStream / ROS2 等运行环境构建与维护
与算法、融合、系统及硬件团队紧密协作，完成感知模块在整车系统中的稳定集成与长期演进
分担并支撑现有点云算法链路，在全流程联调和测试阶段参与问题定位与 Bug 排查，提高整体迭代效率
优先资格
熟悉或使用过多线程并行、CUDA 加速等性能优化手段
对目标检测、目标分割等感知任务有基础理解（不要求算法研究背景）
有 Jetson / Orin 等 NVIDIA 车端或机器人平台的真实项目经验
了解 ROS2、DeepStream 等感知运行框架
有长期工程能力建设意识，关注系统稳定性、可维护性与可扩展性
AI 洞察
优缺点分析
优点
- 接触前沿的自动驾驶技术栈（Jetson、TensorRT、CUDA），技能积累价值高
- 大型跨国企业平台，系统化工程流程和全球协作机会
- 矿山无人驾驶是高速增长赛道，行业前景广阔
- 固定期限合同，稳定性不如正式员工
- 嵌入式部署对性能优化要求高，调试周期可能较长
- 需要跨团队沟通，问题定位可能涉及多个子系统
- 适合有1-3年嵌入式或模型部署经验、希望在自动驾驶领域深入发展的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向资深部署工程师或系统架构师发展，主导车载平台方案设计
- 积累自动驾驶领域经验，横向转算法或系统集成方向
- 随着矿山无人驾驶行业增长，有机会晋升为团队技术负责人
- 将深度学习感知模型部署到车端嵌入式平台，实现实时推理
- 使用TensorRT、CUDA等工具优化模型性能，平衡延迟、吞吐量和功耗
- 在Linux嵌入式环境下搭建运行环境，调试驱动和系统配置，与多团队协作完成集成
- 精通C++和Python，具备扎实的工程编码能力
- 熟悉深度学习模型部署流程，有实际嵌入式平台（如Jetson）落地经验
- 掌握点云数据处理基础，了解激光雷达感知原理
- 熟悉TensorRT、CUDA等推理加速工具，以及Docker、ROS2等系统工具
申请策略
- 关注卡特彼勒的工程文化，面试中表现对系统稳定性和长期维护的重视
- 提前了解矿山自动驾驶行业现状，展现对该方向的热情
- 突出嵌入式部署项目经验，特别是Jetson平台上的模型优化案例
- 强调C++/Python编程能力和性能调优成果（如延迟降低百分比）
- 展示点云处理相关经历，以及CUDA/TensorRT的使用细节
- 补充学习DeepStream和ROS2框架，提升系统集成能力
- 练习CUDA编程和并行计算，熟悉常用的优化技巧
面试指南
- 对于项目经验问题，采用STAR法则：背景、任务、行动、结果，量化指标
- 对于技术问题，先解释原理，再举例说明应用场景，最后总结最佳实践
- 描述一次你将深度学习模型部署到嵌入式平台并优化的经历
- 如何使用TensorRT加速模型推理？遇到过哪些挑战？
- 在Linux嵌入式环境下，如何调试一个导致系统崩溃的驱动问题？
- 谈谈你对点云数据预处理和特征提取的理解
- 如何平衡模型的精度和推理速度？
- 准备一个完整的端到端模型部署案例，包括模型转换、推理优化和性能测试
职位点评
58
综合评分
前沿技术栈、高成长性，但为临时合同、福利不明确。
更适合这类人
适合追求技能成长和技术前沿、对薪资稳定性不太敏感、愿意接受临时合同的求职者。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利30
成长发展85
工作生活45
使命价值70
薪资福利
30较低
薪资未披露且为临时职位，福利未明确提及，补偿性动机满足度低。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
技术栈前沿（Jetson、TensorRT、CUDA），能大幅提升技能，但未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈Jetson、Orin、TensorRT、CUDA、cuDNN、ONNX Runtime、DeepStream、ROS2、点云、深度学习
业务类型profit_center
工作生活
45较低
仅现场办公，工作地点未明确说明，加班信号未提及，生活化动机一般。
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
自动驾驶行业高速增长，公司强调可持续使命，但岗位社会影响中性。
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
Watch Jobs