地平线
存储&湖仓高级研发工程师
存储&湖仓高级研发工程师
发布于 2 小时前中层管理(经理/总监)
全职员工仅现场办公数据工程
数据工程
Spark/Flink
分布式系统
团队管理
数据基础设施
数据治理
湖仓一体
自动驾驶数据
值不值得投
82综合评分
综合评分 82
自动驾驶头部大厂核心数据基建岗位，技术前沿、管理属性强、行业前景好，WLB信息不明确。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
5.5万
比数据工程中位数高
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 430 个在招
市场机会
选择不多
南京 · 数据工程 · 4 个在招
职位详情
关于这个职位
负责智能驾驶AI数据基础设施的架构规划与演进，建设PB~EB级湖仓存储及Data Supply Chain
带领湖仓研发团队完成平台建设、技术决策及人才培养，推动跨部门合作，提升数据生产效率与模型迭代效率
最低要求
年以上数据开发/数据平台经验，其中至少2年具备系统设计或技术负责人经验
具备大型分布式系统架构设计及工程落地能力，能主导核心系统设计及关键代码开发
熟悉AI数据生产流程，对模型训练数据管理、数据闭环、数据飞轮有深入理解
熟悉至少一门主流工程语言：Python / Java / Go / C++
熟悉大规模数据系统性能优化、高可用架构及稳定性建设
熟悉Spark、Flink、Trino等计算引擎
熟悉Iceberg/Paimon/Hudi等Lakehouse技术
熟悉对象存储、元数据管理、Catalog、数据治理体系
工作职责
负责 AI 数据基础设施架构建设
负责智能驾驶 AI 数据基础设施整体架构规划与演进
构建 PB~EB 级多模态数据基础设施，支撑视频、图片、点云、日志、标签等数据统一管理
建设面向端到端模型训练的数据供应链（Data Supply Chain），支撑数据生产、治理、交付及持续迭代
建设 Data Loop / Data Flywheel，不断提升数据价值和模型效果
负责数据平台建设
建设元数据、Catalog、权限治理、数据质量、数据血缘等基础能力
建设统一数据服务能力，支撑训练、分析、评测及业务系统的数据访问
建设数据开发、数据分析、数据交付等平台工具，提高数据生产效率
建设流批一体的数据采集、加工及数据生产能力
建设端到端模型训练数据管理能力，提升训练数据质量与迭代效率
带领湖仓研发团队完成平台建设及持续演进
带领湖仓研发团队完成平台建设
负责平台长期技术演进及关键技术决策
负责团队目标制定、项目管理及研发交付
推动跨部门合作，支撑算法、标注、PnC、感知等团队
能深入理解算法团队需求，将 AI 数据生产流程抽象为平台能力
建立研发规范、质量体系及人才培养机制
持续跟踪 AI Data Infrastructure、Lakehouse、Data Engineering 等前沿技术，推动新架构在智能驾驶场景落地
AI 洞察
优缺点分析
优点
- 接触PB~EB级海量数据，技术栈前沿（湖仓一体、Data Supply Chain）
- 拥有团队管理职责，可积累从技术到管理的复合经验
- 数据规模极大，架构设计和性能优化难度极高
- 需频繁跨部门协作（算法、标注、感知等），沟通成本高
- 适合拥有深厚大数据架构经验、对自动驾驶行业感兴趣且具备一定团队管理能力的资深工程师或技术Leader
缺点 / 挑战
- 处于自动驾驶核心赛道，技术挑战大，行业前景广阔
- 作为技术负责人，需兼顾技术攻坚与团队管理双重压力
角色解读
- 向首席数据架构师或AI基础设施技术总监方向发展
- 深入自动驾驶数据领域，成为数据驱动AI研发的核心专家
- 拓展至更广泛的AI中台或云平台架构管理角色
- 规划并搭建PB~EB级的智能驾驶AI数据基础设施，包括湖仓存储和数据供应链
- 带领湖仓研发团队进行平台建设、技术选型及日常研发管理
- 深入理解算法需求，优化数据闭环（Data Loop）以提升模型迭代效率
- 精通大数据组件（Spark/Flink/Trino）及湖仓技术（Iceberg/Paimon/Hudi）
- 具备大型分布式系统架构设计能力及至少2年技术负责人经验
- 熟悉AI数据生产流程、数据治理体系及至少一门主流编程语言
申请策略
- 关注地平线在自动驾驶领域的最新技术动态
- 准备关于如何平衡数据通用性与算法特异性需求的面试回答
- 突出PB~EB级数据平台的架构设计与落地经验
- 强调在数据治理、数据质量提升及Data Loop优化方面的具体成果
- 展示团队管理经验，如人员培养、项目交付及技术决策案例
- 深入研究Iceberg/Paimon等最新湖仓技术的特性与最佳实践
- 补充对端到端自动驾驶模型训练数据需求的理解
- 强化分布式系统高可用与性能优化的实战案例总结
面试指南
- STAR法则：情境-任务-行动-结果，重点量化数据规模和处理效率提升
- 架构权衡：阐述不同技术选型的利弊及最终选择理由
- 业务结合：将技术方案与自动驾驶业务痛点（如长尾场景数据获取）紧密结合
- 请描述你设计过的最大规模数据平台架构，遇到的最大挑战是什么？
- 如何构建高效的Data Supply Chain以支持端到端模型训练？
- 在湖仓一体架构中，如何处理数据一致性、查询性能与写入吞吐量的平衡？
- 作为技术负责人，如何制定团队的技术演进路线并推动落地？
- 如何评估和优化数据质量，确保训练数据的有效性？
职位点评
薪资福利85
成长发展92
工作生活60
使命价值88
薪资福利
85较高
地平线作为已上市的自动驾驶头部企业，提供具有竞争力的薪酬包，包含高额奖金和潜在的股票期权，符合高级专家岗位的市場水准。
薪资信号未披露（AI估算：4.0千–7.0万/月）
成长发展
92较高
职位涉及前沿的AI数据基础设施和湖仓技术，且要求带领团队，技术成长空间和管理晋升路径清晰，极具发展性。
技术前沿前沿/新兴技术
技术栈Lakehouse、Iceberg、Paimon、Hudi、Spark、Flink、Trino、Data Supply Chain、Data Loop
成长机会带领湖仓研发团队、负责团队目标制定、建立...人才培养机制、推动新架构在智能驾驶场景落地
业务类型profit_center
工作生活
60中等
JD未明确提及弹性工作制或WLB保障，作为核心研发岗位且涉及跨部门高强度协作，工作强度可能较大，但属于正常研发节奏。
工作模式未明确
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
88较高
投身于智能驾驶这一改变交通出行的前沿领域，通过构建高效数据基础设施直接赋能自动驾驶技术突破，社会价值和技术使命感强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号智能驾驶 AI 数据基础设施、端到端自动驾驶模型训练
创新程度积极采用新技术
Watch Jobs