英伟达
Senior Software Engineer, L4 - Autonomous Vehicles
Senior Software Engineer, L4 - Autonomous Vehicles
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公自动驾驶
自动驾驶
Ai基础模型
Cuda
世界模型
大规模机器学习
机器人技术
系统架构
自动驾驶
值不值得投
83综合评分
综合评分 83
顶尖AI自动驾驶研发岗，技术栈极度前沿，成长空间广阔，但工作模式与强度需做好心理准备。
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
7.5万
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
负责构建下一代AI原生自动驾驶系统架构，涵盖预测、决策、规划与控制模块
需结合经典安全栈与大规模AI模型，开发端到端数据驱动驾驶管线及世界模型推理系统，推动机器人前沿研究向量产落地转化
最低要求
计算机科学、计算机工程或相关领域的博士学位（4年以上经验）、硕士学位（6年以上经验）或学士学位（8年以上经验）
具备自动驾驶系统的生产环境开发经验
有AI基础模型或大规模机器学习系统工作经验
曾主导或参与端到端驾驶模型的推进工作
具备机器人或具身智能系统相关经验
掌握从0到1再到规模化扩展的系统架构知识
工作职责
构建下一代自动驾驶车辆技术的核心架构
负责预测、决策、规划和控制架构的开发
接触并应用经典安全栈
构建稳健的系统级安全与降级策略
开发端到端数据驱动的自动驾驶管线
具备DVLA/VA驾驶模型的实际操作经验
开发基于世界模型的规划与推理模型
接触并参与大规模模型推理架构的设计
促进机器人创新研究在自动驾驶技术中的集成
深入掌握从感知到控制的端到端AV软件集成，包括依赖管理、接口管理与性能调优
优先资格
相关领域博士学位或相关研究经验
熟悉CUDA技术为加分项
AI 洞察
优缺点分析
优点
- 身处全球AI与自动驾驶技术最前沿，直接参与下一代核心架构研发
- 技术栈高度前瞻，深度融合大模型、世界模型与经典控制理论
- 平台资源雄厚，拥有顶尖算力基础设施与跨学科专家团队支持
- 职业背书极强，履历含金量高，利于长期技术品牌积累
- 技术迭代极快，需持续跟进学术界与工业界最新突破并保持高强度学习
- 系统复杂度极高，端到端模型与安全栈的耦合调试与性能调优难度大
缺点 / 挑战
- 交付与合规压力大，需在快速迭代的同时满足车规级安全认证要求
- 适合具备深厚系统架构功底、对自动驾驶与大模型交叉领域有强烈热情，且能承受高技术挑战的资深工程师
角色解读
- 纵向可晋升至L5/L6资深专家或架构师，主导更大规模的技术战略规划
- 横向可拓展至具身智能、边缘AI计算或高性能芯片协同优化领域
- 长期可向技术总监或自动驾驶首席科学家方向发展，引领行业技术演进
- 设计并搭建下一代自动驾驶系统的核心软件架构，覆盖预测、决策、规划与控制模块
- 开发端到端数据驱动的驾驶管线，整合世界模型与大规模AI推理能力
- 构建系统级安全机制与降级策略，确保算法在复杂路况下的可靠运行
- 推动机器人前沿研究成果向实际车载软件系统的工程化落地
- 精通C++/Python等编程语言，具备扎实的底层系统与高性能计算基础
- 熟练掌握自动驾驶全栈流程，尤其是端到端模型训练与部署
- 深入理解AI基础模型、大规模分布式训练与推理架构
- 具备系统架构设计能力，能独立完成从0到1的技术方案落地与性能优化
申请策略
- 提前研究英伟达DRIVE平台架构与Orin/Thor芯片特性，面试时展现技术匹配度
- 准备1-2个完整的端到端项目案例，重点阐述架构选型依据与踩坑复盘
- 突出端到端自动驾驶系统的全链路开发经验，强调从感知到控制的完整闭环
- 量化展示系统架构设计成果，如性能提升百分比、延迟降低指标或规模化部署案例
- 明确列出AI基础模型训练、大规模推理优化及CUDA加速的具体项目细节
- 强化C++底层编程与高性能计算能力，熟悉现代C++特性与内存管理
- 补充分布式训练框架（如PyTorch Distributed）与模型压缩/加速实战经验
- 深入学习车规级功能安全标准（ISO 26262）及预期功能安全（SOTIF）规范
面试指南
- 采用STAR法则结构化回答，重点突出技术选型的权衡过程（Trade-off）与量化结果
- 针对架构类问题，先阐明整体设计原则，再分层解析核心模块，最后总结迭代优化路径
- 结合具体代码或架构图说明性能调优手段，体现底层原理掌握程度
- 请详细描述你过去负责的端到端自动驾驶系统架构，如何平衡经典控制与数据驱动模型？
- 在大规模AI模型推理场景中，你如何优化延迟与吞吐量？遇到过哪些瓶颈？
- 如何设计系统级安全与降级策略，确保在传感器失效或模型异常时的行车安全？
- 请分享一个你从0到1搭建技术系统的经历，关键决策点是什么？
- 复习自动驾驶核心算法（BEV、Occupancy Network、World Model）的最新论文与开源实现
职位点评
薪资福利85
成长发展92
工作生活65
使命价值88
薪资福利
85较高
提供具有市场竞争力的薪酬包，结合大厂福利体系与年终奖，整体补偿水平处于行业中上。
薪资信号未披露（AI估算：5.5千–9.5万/月）
成长发展
92较高
深度聚焦AI原生自动驾驶前沿架构，技术栈极具前瞻性，内部培训与跨团队协作机会丰富。
技术前沿前沿/新兴技术
技术栈自动驾驶、AI基础模型、端到端驾驶模型、世界模型、CUDA、大规模机器学习、具身智能
业务类型profit_center
工作生活
65中等
未明确提及弹性工时或远程政策，研发岗通常以现场协作为主，工作节奏受项目节点影响。
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
致力于定义自动驾驶与机器人技术的未来，技术成果具有显著的行业变革潜力与社会价值。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号定义计算的未来、推动机器人创新研究落地、构建下一代自动驾驶系统
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