吉利汽车
AI算法开发岗
AI算法开发岗
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公自动驾驶
自动驾驶
Bev感知
Occupancy Network
Pytorch
模型部署
端到端算法
自动驾驶
值不值得投
75综合评分
综合评分 75
技术挑战性高、成长性强的前沿算法岗，薪资有竞争力，但工作强度与WLB需在面试中进一步确认。
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
33K
比自动驾驶中位数高
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
约 1550 个在招 · 其中自动驾驶 45 个
市场机会
选择适中
杭州 · 自动驾驶 · 36 个在招
职位详情
关于这个职位
负责吉利汽车自动驾驶核心端到端算法的研发与优化，涵盖从感知、预测到规划的全链路技术栈
你需要利用Transformer等前沿技术解决实际场景中的复杂问题，并推动算法从仿真到实车的部署与落地
最低要求
计算机、自动化、电子工程或相关专业，硕士及以上学历
精通端到端算法设计，熟悉主流框架（PyTorch/TensorFlow/等），具备深度学习模型训练与调优经验
熟悉多传感器融合、路径规划、运动控制等核心模块，有BEV感知、Occupancy Network等项目经验者优先
熟悉自动驾驶开发工具链（如ROS/ROS2、Apollo等），有实车测试或量产项目经验者优先
熟悉地平线、英伟达等主流车载计算平台，具备模型量化、部署优化经验者优先
良好的工程实现能力，精通C++/Python，熟悉Linux开发环境
工作职责
负责自动驾驶端到端算法的研发与优化，涵盖感知（多传感器融合、BEV感知、Occupancy Network等）、障碍物轨迹预测、learning-based planning等
设计并实现基于Transformer、大模型等前沿技术的端到端算法框架，提升系统决策的实时性与安全性
针对实际场景问题（如复杂交通、极端天气等），优化算法鲁棒性与泛化能力，推动算法从仿真到实车的迭代验证
参与算法性能评估体系搭建，制定量化指标，通过数据驱动持续优化模型效果
协同硬件团队（如地平线芯片平台）完成算法部署与量化压缩，确保模型在车载计算平台的高效运行
跟踪行业动态（如BEV+Transformer、SparseDrive/VAD/DiffusionDrive端到端大模型等），探索新技术路径并推动技术落地
参与技术文档撰写、专利布局及学术论文发表（如CVPR、ICCV、NeurIPS等顶会）
优先资格
有BEV感知、Occupancy Network等项目经验者优先
有实车测试或量产项目经验者优先
熟悉地平线、英伟达等主流车载计算平台，具备模型量化、部署优化经验者优先
AI 洞察
优缺点分析
优点
- 能够直接参与从算法研发到实车部署的完整流程，获得宝贵的量产落地经验
- 吉利作为头部车企，拥有丰富的数据、资源和测试场景
- 自动驾驶技术迭代极快，需要持续跟踪并学习最新的学术成果和工业实践
- 算法需要在严苛的车规安全、实时性要求下运行，对工程实现能力和鲁棒性要求极高
- 对自动驾驶技术有浓厚兴趣，具备扎实的深度学习基础与工程落地能力，希望将前沿算法应用于真实世界的硕士或博士毕业生
缺点 / 挑战
- 处于智能电动汽车最前沿的自动驾驶领域，技术挑战性强，成长空间大
角色解读
- 在算法专家方向深耕，成为自动驾驶某一感知或规控领域的权威
- 向技术管理方向发展，负责算法团队或子模块的技术路线与项目交付
- 持续参与前沿技术探索（如具身智能、世界模型），推动技术成果转化与量产落地
- 研发与优化自动驾驶感知、预测、规划的端到端算法模型
- 设计并实现基于Transformer、大模型的先进算法框架，解决复杂交通场景下的决策问题
- 将算法模型部署到车载计算平台（如地平线芯片），并进行性能优化与压缩
- 精通深度学习、端到端算法设计与主流框架（如PyTorch）
- 熟悉自动驾驶核心模块，如BEV感知、Occupancy Network、路径规划等
- 具备扎实的编程能力（C++/Python），熟悉Linux和自动驾驶开发工具链（ROS/ROS2）
申请策略
- 仔细阅读JD，了解吉利汽车自动驾驶的技术栈和近期研究方向（如端到端大模型），在面试中展现你的匹配度和思考
- 准备一个能完整讲述的、从问题定义到实车验证的算法项目案例，突出你的系统化解决问题能力
- 重点展示在自动驾驶相关算法（如BEV感知、预测、规划）的项目经验与成果
- 突出使用PyTorch等框架进行模型训练、调优及性能提升的具体案例
- 强调C++/Python编程能力，以及在Linux环境下部署、调试模型的经验
- 如有在顶会发表论文或参与知名开源项目（如Apollo）的经历，务必写明
- 深入学习最新的端到端自动驾驶架构，如BEV+Transformer、SparseDrive等
- 加强车载计算平台（如地平线J5/J6）的模型部署、量化与加速技术实践
面试指南
- 使用STAR原则（情境、任务、行动、结果）来结构化地描述你的项目经验
- 回答技术问题时，从问题背景、核心思路、技术选型理由、遇到的困难及解决方案等方面展开
- 对于开放性问题（如未来趋势），结合具体技术细节和学术/产业动态来阐述你的观点，体现你的思考深度
- 请介绍一个你参与过的自动驾驶（或深度学习）项目，你在其中扮演什么角色，解决了哪些技术难点？
- BEV感知相比传统传感器融合有哪些优势？实现BEV感知的关键技术挑战是什么？
- 如何将一个在服务器上训练好的深度学习模型高效部署到车载计算平台上？需要考虑哪些关键因素？
- 对于端到端自动驾驶，你认为感知、预测和规划模块之间如何联合优化效果最好？
- 你如何看待自动驾驶中‘数据驱动’与‘规则驱动’的关系？未来哪个方向会更主导？
职位点评
薪资福利75
成长发展90
工作生活50
使命价值80
薪资福利
75中等
作为上市公司核心技术岗位，薪资待遇处于市场中上水平，能够提供有竞争力的薪酬包和基本保障。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
90较高
该岗位直面自动驾驶领域最前沿的技术挑战，要求掌握从算法设计到硬件部署的全栈技能，技术成长性极高。
技术前沿前沿/新兴技术
技术栈Transformer、BEV感知、Occupancy Network、端到端算法、模型量化
业务类型profit_center
工作生活
50较低
JD未明确提及办公模式和工作生活平衡相关信息，无法判断。研发岗位通常需要一定的现场办公和协作。
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
80较高
参与自动驾驶技术从研发到量产的全过程，对提升驾驶安全与智能化有直接社会价值，且身处高速增长的智能汽车行业。
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
Watch Jobs