哈啰出行
智驾系统架构工程师（数据闭环方向）-【自动驾驶】
智驾系统架构工程师（数据闭环方向）-【自动驾驶】
发布于 1 天前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
本科
自动驾驶
QNX
数据闭环
仿真测试
CAN
DDS
SOME/IP
Linux Auto
AI 估算 · 25k–45k
自动驾驶数据闭环核心岗位，技术难度高，市场稀缺，上海地区2年经验薪资较高，竞争力强。
职位详情
关于这个职位
这个职位是自动驾驶数据闭环方向的核心岗位，主要负责构建从车端数据采集、回传到分析挖掘的完整链路，直接提升智驾系统的性能
你将设计智能数据触发策略，优化车云数据传输，并与算法团队协作开发闭环工具链，推动场景挖掘与仿真测试
最低要求
学历与经验：计算机科学、电子工程、车辆工程、自动化等相关专业本科及以上学历，具备2年以上相关工作经验
编程能力：熟练掌握 C++/Python 中的至少一种，具备扎实的编程基础和良好的代码风格
车端知识：熟悉车载系统（如QNX, Linux Auto）和车载网络（如CAN, SOME/IP, DDS），有实际的ECU或车机软件开发经验者优先
数据基础：具备扎实的数据处理能力，熟悉常用的数据结构和算法
系统理解：对智能驾驶系统（感知、预测、规划、控制）有基本的理解，了解各模块的输入输出和常见问题
工具使用：熟练使用 Git、Linux 开发环境
团队协作：具备出色的沟通能力和团队协作精神，能够承担压力，自我驱动
工作职责
车端数据触发与采集：
· 设计与开发基于特定场景（如Corner Case、接管、模型不确定性高）的智能数据触发策略
· 负责车端数据采集模块的开发与优化，确保数据的高效、可靠上传
· 定义和规范车端数据的格式、质量和合规性标准
数据回传与分析：
· 参与构建和管理车云数据传输 pipeline，确保数据的完整性和时效性
· 对回传的海量数据进行初步分析、清洗和标注管理，为模型训练准备高质量数据集
· 利用数据分析工具，定位系统缺陷，挖掘影响智驾性能的关键场景
闭环工具链与平台支持：
· 与数据平台和算法团队紧密合作，参与开发数据闭环相关的工具链和平台
· 优化数据检索、场景切片、仿真回灌等流程，提升算法迭代效率
· 负责车端软件OTA与数据闭环任务的联动，确保新模型能有效验证并部署
场景挖掘与仿真测试：
· 基于真实路采数据，挖掘、构建和泛化高价值的测试场景库
· 将关键场景应用于仿真测试，快速验证算法修复和优化效果
AI 洞察
优缺点分析
- 处于自动驾驶核心赛道，数据闭环是提升智驾性能的关键环节，技术价值高
- 哈啰出行作为大型互联网公司，平台资源丰富，可参与完整的数据闭环流程，技能积累全面
- 职位涉及车端、云端、算法等多领域交叉，有助于培养系统思维和综合能力
- 需要同时掌握车端知识、数据工程和算法理解，技术跨度大，学习曲线陡峭
- 自动驾驶行业迭代快，工作强度可能较大，需要较强的自驱力和抗压能力
- 数据闭环对数据质量和时效性要求高，容易出现反复调试和优化，工作细致度要求高
- 适合具有2年以上软件开发经验，对自动驾驶充满热情，擅长处理数据并喜欢钻研车端技术细节的工程师
角色解读
- 可向自动驾驶数据平台架构师或算法架构师方向发展，深入参与核心感知、决策系统的数据驱动优化
- 在数据闭环方向积累经验后，可转型为自动驾驶系统架构师，统筹整车智驾系统设计
- 随着自动驾驶量产落地，成为稀缺的闭环数据专家，在行业内具有广阔的发展空间
- 设计和开发基于Corner Case等场景的智能数据触发策略，定义车端数据采集规范，确保高效上传
- 参与构建车云数据传输pipeline，对海量回传数据进行清洗、分析，定位系统缺陷并挖掘关键场景
- 与算法团队协作开发数据闭环工具链，优化场景切片、仿真回灌等流程，提升算法迭代效率
- 负责车端软件OTA与数据闭环联动，以及基于真实路采数据构建高价值场景库并应用于仿真测试
- 扎实的编程能力，熟练使用C++或Python，具备良好的代码风格和工程实践
- 熟悉车载系统（QNX、Linux Auto）和车载网络协议（CAN、SOME/IP、DDS），有实际开发经验
- 对自动驾驶感知、预测、规划、控制等模块有基础理解，能分析各模块输入输出
- 具备数据处理和工具使用能力，熟悉Git、Linux环境，有数据闭环或仿真经验更佳
申请策略
- 关注哈啰出行在自动驾驶领域的布局和产品方向，在面试中展现对公司和业务的兴趣
- 准备一个完整的项目案例，包括问题背景、方案设计、实现细节和成果量化
- 突出C++/Python编程项目经验，尤其是大型系统或数据处理相关项目
- 如果有车端开发（QNX、Linux Auto、CAN等）或自动驾驶相关经验，重点描述
- 展示数据闭环或仿真测试相关成果，例如设计的数据采集策略、优化的pipeline等
- 强调团队协作和沟通能力，以及解决复杂问题的案例
- 补充熟悉车载网络协议（CAN、SOME/IP、DDS），可通过开源项目或模拟环境实践
- 学习数据工程工具，如Kafka、Spark等，提升数据处理pipeline构建能力
面试指南
- 对于系统设计类问题，可以采用T-S-D框架：先说目标（Target），再讲方案（Solution），最后总结优势（Differentiation）
- 对于场景问题，使用STAR法则：情境（Situation）、任务（Task）、行动（Action）、结果（Result）
- 对于概念理解问题，先阐述基础定义，再结合自身项目经验举例说明
- 请描述你设计一个智能数据触发策略的思路，如何定义Corner Case？
- 如何处理车端到云端的海量数据回传，保证数据完整性和时效性？
- 谈谈你对自动驾驶感知、预测、规划、控制模块的理解，以及数据如何影响这些模块
- 你用过哪些数据分析和可视化工具？如何定位系统缺陷？
- 请举例说明你如何与算法团队协作优化数据闭环流程
匹配度报告
75
综合匹配度
自动驾驶数据闭环核心岗，顶级技术成长空间，薪资中上，工作强度较大。
适合人群
最适合追求前沿技术成长、看重职业发展空间和行业影响力的工程师，对工作强度有一定承受能力。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展90
工作生活50
使命价值85
薪资福利匹配
75中等
职位薪资估算处于行业中上水平，且公司规模大、融资靠后，稳定性较好，但JD未明确列出具体福利。
薪资信号未披露 (25K-45K/月)
成长发展匹配
90较高
自动驾驶数据闭环是前沿技术方向，职位涉及车端、数据、算法多维技能，成长空间大，JD突出数据驱动和核心研发，发展信号强烈。
技术前沿前沿/新兴技术
技术栈C++、Python、QNX、Linux Auto、CAN、SOME/IP、DDS、自动驾驶、数据闭环
成长机会数据驱动研发体系、核心成员、技术突破
业务类型profit_center
工作生活匹配
50较低
JD未提及弹性工作或WLB，自动驾驶行业通常工作强度较高，且要求现场办公，生活化动机满足有限。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
85较高
自动驾驶是高速增长赛道，对社会安全出行有积极影响，创新性强，职位直接推动技术突破，意义感较强。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号实现技术突破
创新程度积极采用新技术
Watch Jobs