小米
自动驾驶世界模型算法工程师
自动驾驶世界模型算法工程师
发布于 大约 18 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
Pytorch
世界模型
仿真
分布式训练
大规模训练
扩散模型
生成式Ai
自动驾驶
视频生成
值不值得投
81综合评分
综合评分 81
前沿生成式AI算法岗，技术成长性强，行业前景好，WLB需进一步确认。
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。
薪资怎么样
25K
比自动驾驶中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 3180 个在招 · 其中自动驾驶 21 个
市场机会
选择面较广
上海 · 自动驾驶 · 74 个在招
职位详情
关于这个职位
该职位负责自动驾驶世界模型算法的设计与研发，推动生成式AI技术（如扩散模型、视频生成）在自动驾驶场景中的应用，旨在构建下一代端到端自动驾驶技术体系
需要硕士及以上学历，1年以上生成式AI相关研发经验
最低要求
硕士及以上学历，计算机、人工智能、自动化、数学等相关专业
毕业后具备 1 年以上生成式AI相关研发经验
在以下一个或多个方向具备深入技术积累：Diffusion Model、Video Generation、AIGC、Multimodal Generation、VLM / MLLM、World Model、3D Generative Model、Generative Simulation
深度参与过生成算法相关核心项目，或主导过具有代表性的研究工作/论文/开源项目
具备较强的算法架构设计能力与技术判断能力，能够推动复杂系统落地
熟悉 PyTorch、大规模模型训练、分布式训练与模型优化
具备良好的团队协作与技术推动能力
工作职责
负责自动驾驶世界模型（World Model）算法架构设计，推动生成式AI在自动驾驶场景中的落地
推进世界模型相关核心技术研发，包括但不限于：Video Generation、Diffusion Model、Generative Transformer、Multimodal World Model、4D Scene Generation、Generative Simulation、Closed-loop World Model
推进构建自动驾驶“重建 + 生成 + 仿真 + 闭环训练”统一技术体系，推动下一代端到端自动驾驶（AD 2.0）技术演进
跟踪国际前沿技术方向，推动核心技术创新与顶级论文、开源项目及行业影响力建设
优先资格
加分项：
有以下方向经验者优先：自动驾驶、Embodied AI、Reinforcement Learning、3DGS / NeRF、Gaussian World Model
有顶会论文（CVPR / ICCV / ECCV / NeurIPS / ICLR 等）或高影响力开源项目经验
有大规模视频生成、世界模型、闭环仿真系统研发经验
AI 洞察
优缺点分析
优点
- 技术前沿，涉及生成式AI与自动驾驶的交叉创新，成长空间大
- 参与下一代自动驾驶技术研发，有潜力推动行业变革
- 公司资源丰富，能接触大规模数据和工程化实践
- 技术门槛高，需要跨学科知识积累，学习曲线陡峭
- 行业竞争激烈，需持续创新以保持技术领先
- 适合对生成式AI和自动驾驶有浓厚兴趣，具备扎实算法基础和较强工程能力的硕士及以上学历求职者
缺点 / 挑战
- 项目周期长，从研究到落地面临工程化和不确定性挑战
角色解读
- 深耕自动驾驶世界模型领域，成为技术专家或团队负责人
- 向更高级的算法架构师或研发管理岗位发展，参与技术战略制定
- 通过学术和工业界影响力建立个人品牌，拓展职业机会
- 负责自动驾驶世界模型算法的架构设计与实现，推动生成式AI技术在实际场景中的落地
- 研发扩散模型、视频生成等核心技术，构建统一的技术体系支持自动驾驶仿真与训练
- 跟踪前沿技术方向，通过论文、开源项目提升团队和公司的行业影响力
- 精通生成式AI技术，如扩散模型、视频生成、多模态模型等
- 熟练使用PyTorch进行大规模模型训练和分布式训练优化
- 具备算法架构设计能力，能够将复杂研究转化为工程实践
申请策略
- 研究小米自动驾驶技术方向和团队成果，在面试中展示匹配度
- 准备技术方案设计和系统落地案例，突出解决问题的思路和能力
- 突出生成式AI项目经验，详细描述扩散模型、视频生成等技术实现
- 展示算法架构设计能力，举例说明如何推动复杂系统落地
- 列出相关论文、开源项目或竞赛成果，体现技术深度和影响力
- 深入学习世界模型、多模态生成等最新研究，关注顶会论文和开源代码
- 提升大规模模型训练的工程能力，熟悉分布式训练框架和优化技巧
- 补充自动驾驶基础知识，了解端到端自动驾驶技术栈和发展趋势
面试指南
- 使用STAR法则结构化描述项目经验，重点说明技术决策和成果
- 从问题分析、技术选型、系统设计、验证迭代等角度阐述架构设计
- 结合具体案例，展示分析问题、解决问题和推动落地的完整思路
- 请介绍你过去在生成式AI项目中的经验，特别是涉及扩散模型或视频生成的部分
- 如何设计一个自动驾驶世界模型的算法架构？关键组件和权衡因素有哪些？
- 在大规模模型训练中，你遇到过哪些挑战？是如何解决的？
- 你对下一代端到端自动驾驶技术有什么理解？世界模型在其中的作用是什么？
- 如何确保算法从研究阶段有效落地到工程系统中？
职位点评
薪资福利80
成长发展95
工作生活60
使命价值85
薪资福利
80较高
JD未明确披露薪资和福利，但作为技术岗，市场薪资可能具有竞争力。
薪资信号未披露（AI估算：15K-35K/月）
成长发展
95较高
涉及生成式AI和自动驾驶前沿技术，技能成长空间大，推动行业创新的机会多。
技术前沿前沿/新兴技术
技术栈World Model、Diffusion Model、Video Generation、Generative Transformer、PyTorch
业务类型ambiguous
工作生活
60中等
JD未明确提及办公模式和WLB，算法工程岗位通常需要现场办公，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
自动驾驶是高速增长赛道，生成式AI技术有广泛应用前景，推动技术进步的社会价值较高。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
Watch Jobs