小马智行
研发工程师 - 工程/算法/模型（27校招）校招
研发工程师 - 工程/算法/模型（27校招）校招
发布于 大约 15 小时前普通员工/个人贡献者
北京市 / 广州市
无经验要求
全职员工
仅现场办公
本科
自动驾驶
Cnn
L4
Pytorch
Tensorflow
分布式系统
强化学习
深度学习
自动驾驶
AI 估算 · 25k–40k
职位详情
关于这个职位
作为小马智行的研发工程师，你将参与L4级自动驾驶核心技术的研发，包括AI模型、数据生成、博弈交互算法、环境建模与定位、系统架构、模型部署优化以及可视化等方向
你将与顶尖团队合作，将前沿AI技术应用于真实物理环境，推动自动驾驶技术的商业化落地
最低要求
计算机、自动化、数学或相关专业本科及以上学历 2. 扎实的计算机基础，优秀的算法与数据结构能力 3. 熟练掌握至少一门主流开发语言，能编写高效且易读的代码 4. 在以下任一方向有扎实积累和潜能： - 机器学习与深度学习理论基础，熟悉CNN、Transformer、检测、分割等常用感知算法，或者熟悉 Imitation Learning、Reinforcement Learning等常用规划算法
熟练掌握至少一门深度学习框架（PyTorch / TensorFlow等），具备实际模型训练与调优经验 - 熟悉自动驾驶行为预测与运动规划，掌握学习与优化驱动的预测/规划方法，具备路测数据到实车部署的闭环经验
能将复杂多智能体交互场景抽象为可解释的数学模型，并完成仿真与实车环境下的算法迭代与调优 - 数学建模能力，擅长将复杂的实际问题抽象为可解释的数学模型 - 系统软件基础，熟悉操作系统、编译原理、计算机网络、分布式系统、计算机图形学等方向中的至少一个，熟练掌握C/C++，具备高性能系统设计、开发与调优经验 - 其他与上述工作方向相关的技术专长 5. 强烈的技术好奇心与自驱力，良好的沟通协作能力
工作职责
AI模型：研发驱动无人车理解物理世界、预判变化、做出决策的核心模型，探索多传感器融合感知、端到端架构、多模态大模型、强化学习、世界模型等方向
数据生成与世界模型：通过世界模型生成高保真仿真数据，构建可控、可扩展的数据引擎
博弈交互算法：研发基于博弈论、交互式预测与决策的算法，让无人车在复杂交互场景中做出安全高效的驾驶行为
环境建模与定位：构建高精度的环境地图与实时定位系统
系统与基础架构：设计与研发车载自动驾驶系统、高性能分布式基础架构，深入编译优化、操作系统级调优
模型部署与优化：研究模型量化、蒸馏与推理加速，让AI模型在车载计算平台上实时高效运行
可视化与人机交互：研发3D可视化、仿真前端或乘客端人机界面
优先资格
NOI/ACMICPC/CCPC等程序设计竞赛获奖 2. 在AI模型相关竞赛中取得优异成绩 3. 在相关领域如计算机视觉、机器学习、操作系统、机器人等领域发表高质量论文 4. 有自动驾驶、机器人或相关领域的实际项目或实习经验 5. 有参与相关方向的知名开源项目的经验
AI 洞察
优缺点分析
优点
- 公司平台大，资源丰富，有机会参与核心项目
- 团队技术氛围浓厚，与顶尖人才共事
- 行业竞争激烈，需要不断突破创新
- 工作强度可能较大，需要适应快节奏
缺点 / 挑战
- 身处自动驾驶行业前沿，技术挑战大，成长迅速
- 技术难度高，需要持续学习，压力较大
- 适合对自动驾驶技术有强烈兴趣，具备扎实技术基础，追求技术挑战和快速成长的应届生
角色解读
- 从工程师成长为技术专家，深入自动驾驶核心算法
- 向技术管理方向发展，带领团队攻克技术难题
- 跨领域发展，如从算法转向系统架构或产品方向
- 参与L4级自动驾驶核心模型的研发，包括感知、预测、规划等算法
- 构建数据生成引擎，利用世界模型生成仿真数据，提升模型性能
- 优化车载系统性能，包括模型部署、推理加速和系统架构设计
- 扎实的计算机基础和算法能力，熟练掌握C++或Python
- 熟悉深度学习框架（PyTorch/TensorFlow），有实际模型训练经验
- 对自动驾驶或机器人领域有深入理解，具备相关项目经验
申请策略
- 了解小马智行的技术方向和产品，在面试中展现热情
- 准备项目案例，展示解决实际问题的能力
- 突出相关项目经验，如自动驾驶、机器人或AI模型项目
- 强调竞赛获奖、论文发表或开源贡献
- 展示扎实的编程能力和算法基础
- 深入学习深度学习框架，提升模型训练和调优能力
- 补充自动驾驶相关知识，如感知、规划、控制等
- 加强C++编程和系统性能优化能力
面试指南
- 使用STAR法则回答项目经验，突出个人贡献和成果
- 结合理论知识和实际案例，展示深度思考
- 展现对自动驾驶行业的热情和长期规划
- 介绍一个你参与的AI项目，你负责的部分和挑战？
- 如何优化深度学习模型的推理速度？
- 谈谈你对L4级自动驾驶技术挑战的理解
- 如何设计一个多传感器融合的感知系统？
- 你如何看待端到端自动驾驶的优缺点？
职位点评
76
综合评分
自动驾驶前沿技术岗，发展空间大，但工作强度可能较高。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
适合追求技术成长和行业前沿，对薪资和WLB要求不高的求职者。
表现最好
成长发展
相对薄弱
工作生活
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
薪资水平在行业中偏高，但具体薪资未披露，福利未明确提及。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
90较高
职位处于技术前沿，提供多个高精尖方向，成长空间大，但未明确提及晋升路径。
技术前沿前沿/新兴技术
技术栈L4、深度学习、PyTorch、TensorFlow、CNN、Transformer、强化学习、C++、分布式系统
业务类型profit_center
工作生活
50较低
工作地点在一线城市，但未提及弹性工作或远程，可能加班较多。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
85较高
自动驾驶技术具有社会价值，行业处于高速增长期，创新性强。
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