英伟达
Deep Learning Senior Engineer, End-To-End Autonomous Driving
Deep Learning Senior Engineer, End-To-End Autonomous Driving
发布于 2 小时前普通员工/个人贡献者
全职员工混合式弹性办公自动驾驶
自动驾驶
Llm
Vla
Vlm
强化学习
模型部署
深度学习
自动驾驶
车规级软件
值不值得投
79综合评分
综合评分 79
顶尖大厂、前沿多模态大模型技术、侧重工程落地与安全合规、WLB待确认
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
9.0万
比自动驾驶中位数高
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 · 其中自动驾驶 8 个
市场机会
选择面较广
上海 · 自动驾驶 · 约 180 个在招
职位详情
关于这个职位
负责设计、训练和部署端到端自动驾驶系统，利用大语言模型（LLM）、视觉语言模型（VLM）及视觉语言动作模型（VLA）提升车辆的规划与推理能力
需将AI模型集成至车规级固件，确保生产环境下的性能、安全与可靠性
最低要求
具备从零构建 LLM、VLM 或 VLA 系统的实战经验，或作为顶级程序员在自动驾驶系统领域有深厚积累
深入理解现代深度学习架构与优化技术
有在大规模场景中成功部署生产级 ML 模型用于自动驾驶、机器人或相关领域的记录
精通 Python 编程，熟练掌握主流深度学习框架
熟悉 C++，用于安全关键型系统中的模型部署与集成
计算机科学、计算机工程或相关专业博士学位且具备 2 年以上经验，或硕士学位（或同等经验）且具备 4 年以上相关经验
工作职责
设计并训练创新型大规模模型（包括生成式、模仿学习和强化学习），以提升驾驶系统的规划与推理能力
构建、预训练并微调 LLM/VLM/VLA 系统，以部署于真实的自动驾驶和机器人应用场景
探索新颖的数据生成与收集策略，以提高训练数据集的多样性与质量
与跨职能团队协作，在生产环境中部署 AI 模型，确保满足性能、安全性和可靠性标准
将机器学习模型直接与车辆固件集成，交付符合生产质量标准的安全关键型软件
优先资格
拥有可部署至自动驾驶车辆或通用机器人的 LLM/VLM/VLA 系统经验
在 LLM/VLM/VLA 系统方面有论文发表、开源贡献或竞赛获奖经历
深入理解真实世界 AV 应用中的行为与运动规划
具备构建和训练大规模数据集及模型的经验
证明能够在资源受限环境中优化算法以实现实时性能，并有从概念到生产部署的完整项目落地记录
AI 洞察
优缺点分析
优点
- 接触行业最前沿的端到端自动驾驶与多模态大模型技术，平台算力与数据资源雄厚
- 参与量产车落地项目，技术成果直接转化为实际产品价值
- 国际化团队氛围，技术成长路径清晰
- 安全关键型系统对代码质量与测试覆盖率要求极高，容错率极低
- 大模型训练与部署涉及海量数据与算力协调，跨部门沟通与对齐成本高
- 实时性与资源受限环境下的算法优化难度较大
- 适合具备扎实深度学习功底、对自动驾驶/机器人领域有强烈兴趣，且能胜任高复杂度系统工程落地的资深算法工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向自动驾驶首席算法专家、AI架构师或技术总监方向发展
- 随着具身智能与通用机器人赛道爆发，也可横向拓展至多模态大模型底层研发或机器人感知决策领域
- 负责端到端自动驾驶核心算法的研发，重点训练和优化基于LLM/VLM/VLA的大规模模型
- 将AI模型与车辆固件深度集成，解决生产环境下的性能与安全验证问题
- 探索高质量数据生成策略，支撑模型持续迭代
- 精通Python/C++及主流深度学习框架，具备从零构建大模型的能力
- 深入理解自动驾驶行为规划、运动控制及安全关键系统开发流程
- 熟悉强化学习与生成式模型在复杂动态场景中的应用
申请策略
- 提前研究英伟达Drive平台架构及端到端自动驾驶技术路线，面试时准备1-2个从数据闭环到模型上线的全栈项目复盘
- 展现对安全冗余设计与实时推理优化的工程思维
- 突出从零搭建大模型（LLM/VLM/VLA）的完整链路经验，强调模型在真实物理场景（如自动驾驶/机器人）中的部署效果与性能指标
- 详细列出C++集成、安全规范遵循及数据Pipeline优化案例
- 补充车规级软件功能安全标准（如ISO 26262）知识，强化C++高性能编程与模型量化/剪枝部署技能
- 关注多模态对齐与强化学习在决策规划中的最新进展
面试指南
- 采用STAR法则结构化回答：背景目标->技术选型与实施细节->核心难点突破（如算力瓶颈/数据分布偏移/安全验证）->最终业务指标提升
- 强调工程落地能力与理论深度的结合
- 请分享一个你从零训练并部署大模型的完整项目，遇到的最大挑战及解决方案？
- 如何保证自动驾驶模型在边缘设备上的实时推理性能与安全性？
- 针对端到端自动驾驶中的数据长尾问题，你有什么数据生成或采样策略？
- 复习Transformer架构变体、RLHF/IRL原理及模型压缩技术
- 梳理过往项目中关于数据质量管控、仿真测试与实车验证的衔接经验
- 了解行业主流端到端方案的技术差异与演进逻辑
职位点评
薪资福利85
成长发展92
工作生活45
使命价值88
薪资福利
85较高
薪资福利处于行业领先水平，上市公司稳定性强，但高强度研发节奏可能部分抵消补偿性收益。
薪资信号偏高 (6.0千–12.0万/月)
成长发展
92较高
聚焦LLM/VLM/VLA与自动驾驶交叉前沿，技术迭代极快，能提供顶尖算力与海量真实数据支持，个人技术天花板极高。
技术前沿前沿/新兴技术
技术栈LLM、VLM、VLA、深度学习、强化学习、Python、C++
业务类型profit_center
工作生活
45较低
未明确提及弹性工时或远程政策，安全关键型系统与量产交付节点通常伴随较高工作强度与密集协作。
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
88较高
致力于推动自动驾驶与通用机器人技术落地，具有显著的社会变革潜力与行业引领价值。
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）
英伟达 的其他在招职位
相似职位推荐
Watch Jobs