博世
AIGC大模型算法(智驾方向)_XC
AIGC大模型算法(智驾方向)_XC
发布于 1 天前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
机器学习工程
Aigc
Diffusion Models
Gan
Pytorch
Tensorflow
Vae
大模型
端到端
自动驾驶
AI 估算 · 30k–50k
AIGC前沿方向，自动驾驶场景，博世平台，上海地区，薪资竞争力强。
职位详情
关于这个职位
该职位负责AIGC算法在自动驾驶场景的研究与开发，包括图像/视频/3D生成、数据集增强、仿真测试等
你将与感知、规划团队协作，将生成模型应用于端到端自动驾驶，并负责算法工程化落地，推动产品迭代
适合对前沿技术有热情、有深度学习背景的算法工程师
最低要求
计算机科学、人工智能、自动化、电子工程等相关专业硕士及以上学历
年以上AIGC或相关深度学习算法开发经验，熟悉常见的生成模型（如GAN, VAE, Diffusion Models等）及其变种，并具备实际项目经验
精通Python编程，熟练掌握PyTorch/TensorFlow等深度学习框架
具备扎实的数学基础，熟悉线性代数、概率论、数理统计及优化方法
对自动驾驶领域有浓厚兴趣，了解自动驾驶基本原理和模块（感知、预测、规划、控制等）
具备良好的英文文献阅读能力，能够跟踪国际前沿技术
具备优秀的学习能力、问题解决能力和团队协作精神
工作职责
负责AIGC（人工智能生成内容）相关算法的研究、开发与优化，包括但不限于图像生成、视频生成、3D模型生成、文本生成图像/视频等，并将其应用于自动驾驶场景
深入理解自动驾驶端到端算法模型（例如感知-决策-控制一体化模型），负责AIGC技术在其中创新性应用的探索与实现
参与自动驾驶数据集的生成与增强，利用AIGC技术提高数据多样性、场景覆盖度及标注效率，为模型训练提供高质量数据支持
负责AIGC模型在自动驾驶模拟器中的集成与测试，包括虚拟场景生成、动态目标生成、天气/光照条件模拟等，以提升仿真系统的真实感和测试效率
持续关注AIGC及自动驾驶领域前沿技术，进行技术调研、论文复现及创新性算法设计，并将研究成果转化为实际产品功能
与感知、规划、控制等团队紧密协作，将AIGC技术与现有自动驾驶模块进行有效融合，共同推动端到端自动驾驶模型的迭代与性能提升
负责算法的工程化落地，包括模型训练、部署、性能优化及维护，确保算法在实际系统中的高效稳定运行
优先资格
加分项：具备自动驾驶相关项目经验，或有端到端自动驾驶模型研究与实践经验者优先
加分项：有基于AIGC进行数据生成、场景仿真或虚拟测试经验者优先
AI 洞察
优缺点分析
优点
- 处于AIGC与自动驾驶两大前沿交叉赛道，技术含量高，成长空间大
- 博世作为跨国巨头，平台资源丰富，可接触行业顶尖技术研发
- 工作内容涵盖算法研究到落地，综合能力提升显著
- 公司提供有竞争力的薪酬福利和开放创新的团队氛围
- 算法研究到工程落地周期长，可能需要应对不确定性
- 行业竞争激烈，需持续跟进前沿论文并快速实现
- 适合对前沿技术有强烈好奇心、自我驱动力强、愿意深入自动驾驶与AI交叉领域的算法工程师
缺点 / 挑战
- 技术挑战大，需同时掌握生成模型和自动驾驶知识，学习曲线陡峭
角色解读
- 纵向发展：从算法工程师成长为AIGC/自动驾驶领域的资深专家或技术负责人
- 横向发展：可转向端到端自动驾驶核心算法、仿真平台研发等方向
- 行业前景：AIGC和自动驾驶交叉领域仍处于快速发展期，具备广阔的职业空间
- 研究并优化AIGC生成算法，如图像、视频和3D场景生成，应用于自动驾驶仿真与数据增强
- 探索AIGC与端到端自动驾驶模型的结合，实现感知-决策-控制的创新应用
- 负责生成模型在自动驾驶模拟器中的集成，模拟动态目标、天气光照等场景
- 推进算法工程化，包括模型训练、部署、性能优化及团队协作
- 扎实的深度学习基础，熟悉GAN、VAE、Diffusion等生成模型的原理与实现
- 精通Python，熟练使用PyTorch或TensorFlow进行模型开发
- 了解自动驾驶基本模块（感知、预测、规划、控制），有相关项目经验更佳
- 具备良好的数学功底（线性代数、概率统计）和英文文献阅读能力
申请策略
- 在投递时附上个人GitHub或技术博客，展示AIGC相关作品
- 关注博世在智驾方向的业务布局，在面试中结合公司战略表达兴趣
- 突出AIGC相关项目经验，特别是生成模型在图像/视频/3D生成中的应用
- 展示自动驾驶或端到端模型的研究经历，强调数据生成或仿真方面的成果
- 量化项目成果，例如生成数据提升模型精度、加速仿真测试效率等
- 体现扎实的编码能力，如开源项目、竞赛获奖或高影响力论文
- 补充自动驾驶基础知识，了解感知、预测、规划等模块原理
- 深入实践Diffusion Models、NeRF等前沿生成技术，复现关键论文
面试指南
- STAR法则：描述情境、任务、行动和结果，突出量化指标
- 理解问题本质：先拆解问题，再结合原理和实际经验给出方案
- 展示深度：说明技术选型原因、效果对比和反思
- 请介绍你使用Diffusion Model或GAN完成的一个项目，以及遇到的技术难点和解决方案
- 如何利用AIGC生成自动驾驶训练数据？有哪些数据增强策略？
- 谈谈你对端到端自动驾驶模型的理解，以及AIGC如何融入其中
- 如何评估生成场景的逼真度和多样性？
- 如何保证生成模型在实时系统中的性能？
职位点评
75
综合评分
前沿AIGC+自动驾驶技术岗位，平台大成长快，薪资未披露但预计较高，WLB信息不明确。
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
最适合追求技术前沿和快速成长、对薪酬福利有一定期望、能适应现场办公的算法工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展92
工作生活55
使命价值82
薪资福利
70中等
公司平台和福利较好，但JD未披露具体薪资，市场水准未定。
薪资信号未披露（AI估算：30K-50K/月）
成长发展
92较高
该职位处于AIGC+自动驾驶前沿领域，技术成长空间大，公司提供广阔发展平台。
技术前沿前沿/新兴技术
技术栈AIGC、Diffusion Models、GAN、VAE、自动驾驶、PyTorch、TensorFlow
成长机会广阔的职业发展空间、个人成长平台、接触行业最前沿AIGC与自动驾驶技术的机会
业务类型ambiguous
工作生活
55较低
JD未提及远程或弹性工作，工作地点为上海办公室，可能以现场办公为主，工作强度未明确。
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
82较高
自动驾驶对交通安全和社会效率有积极意义，AIGC技术应用也具创新价值，行业前景广阔。
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
博世 的其他在招职位
相似职位推荐
Watch Jobs