自动驾驶感知算法/部署岗秋招总结

在秋招过程中，各种平台上的内容和博主对自己帮助很大，也来分享下自己的秋招经历，作为对自己研究生三年的总结，也希望可以帮助到大家~

先介绍下楼主BG，楼主211本硕，车辆本计算机硕，无论文，4实习，在2023年秋招中，拿到了元戎，地平线，字节AI Lab，旷视，美团，百度，NVIDIA，图森等offer，最终选择了NVIDIA作为职业生涯的第一站。 

秋招秋招投递方向主要为自动驾驶感知算法岗和模型部署岗，进面的公司基本都拿到了offer。

首先说下对工业界就业的整体认知，工业界比较在意能不能进来就上手干活，能证明这件事情的，楼主觉得主要就两个：相关实习项目和强相关论文。除非实验室的方向和工业界非常一致，且有稳定的论文产出，否则优先级都是实习>论文，因为论文有可能花了很长时间，最后没中或者不是公司需要的方向，但是实习一方面大概率是各种公司都需要的项目，另一方面进去发现方向不好想换项目也比较方便（和leader说或者直接换公司）。当然如果老师不放实习的话就得具体情况具体分析，可能需要一些因人而异的trick：)

秋招的经验单独说的话可能有些抽象，就和实习经历结合着来说吧，没有说到的后面再补充一些。

楼主第一份实习因为简历上没有太多拿得出手的项目，而且当时只是了解基于图像的2D感知算法，想找一家可以带我零基础搞点云算法的公司，只好从小自驾公司开始实习起，主要做一些基于传统聚类算法的点云目标检测。这些工作现在看起来很简单，但是确实让我对一个完全不熟悉的领域有了比较清晰的认识，发现比起自己乱七八糟学一堆理论，最快的成长路径还是直接去工业界中，直接做项目，看大家是怎么用这个技术的，找到其中核心的部分，或者说能放到简历（听起来比较有难度，能体现自己思考/工作量）的部分进行深入学习。

有了第一份实习，再找实习的时候感觉不管是对面试的把握还是简历的充实程度上都比第一份好了很多。第二份实习在某家新势力做一些数据挖掘的工作，主要就是通过离线感知或者无监督/设计规则的方法挖一些bad case数据出来（比如异形车）给到感知组，让他们基于这些数据进一步微调模型。有些工作实际没什么，但是要学会包装，就是把和项目相关的上下游都整明白，比如我们为什么要做这件事，前期调研了哪些方案，为什么选择这个方案，以及这个方案最后的效果，如果可以进一步拓展到实际使用过程中这个方案遇到的问题，并且自己解决了，这个在面试中是非常加分的。但是在实际中，这个过程是非常费时间的，如果时间不允许，也可以只走一遍思考的过程，想一想哪些地方可以做contribution，可以不实现，面试时候被问住了再查缺补漏：）

第三份实习在某自驾大厂，当时投递的是感知算法岗位，但是进去以后被安排用NV的工具做线上模型的量化压缩。这个方向之前完全没有接触过，是mentor带着从头开始。一开始还比较抵触，因为本来是想做感知算法的，模型部署感觉比较边缘，但是尝试做了一下发现还蛮有兴趣，没想到这个项目也成为了后面NVIDIA面试时候面试官最看重的一个项目，因为和NV组内的工作很像，但是当时是完全没有想到这一步的，当时想的是赶快把这个项目搞完去做算法hh，后来也确实是这么干的，做了几个月量化压缩后，就去搞BEV算法了，主要是一些打杂的工作，但是从公司内部的知识库多学学还是可以基本吃透整套算法框架，了解了公司模型如何从刚开始的baseline迭代到当前的版本，每一步遇到了什么问题或者bad case，是通过什么方式改进的，这个是非常重要的。现在总结来看，当时只是觉得算法岗高大上，所以想搞算法，但是忽略了同行的数量haha，从我自己的面试体验来看，算法岗位的竞争远远大于模型部署，所以我们在选择方向的时候，不仅要考虑技术，也要考虑好卷度（大佬请忽略）。不过，这里取舍是在对各个方向有基本了解的前提下的，如果你是刚决定入行的小白，还是推荐各个方向都去实习体验一下再做决定，以了解为目的的话，一两个月的实习就够用了。总之有很多事情确实是我们当时想不到的，当时觉得最不可能的路线反而有可能成为了我们的最终选择，interesting ：）

第四份实习在某自驾独角兽，同样是做模型部署相关的工作。之所以来这里是因为在上一份实习中被10105毒打了，想找一家技术好也不那么卷的公司转正（小命要紧，所以也没有执着于感知算法，刚开始工作也遇到了一些问题，比如leader希望我遇到问题尽量自己想清楚解决，即使代价是项目会拖得久一点，当时我的想法是尽快完成项目，有些问题能直接问就不用费时间自己调研了，但是leader会觉得我自己思考能力比较弱。。。这个我感觉就很因人而异了，因为在之前的实习中，leader是把不要让项目block住放在第一位的。后面和leader沟通了之后，遇到问题就自己琢磨解决了，效果还不错，在这里最终也是拿到了转正offer。所以，如果感觉leader对自己不是很满意，了解leader的想法还是很重要的，最笨的办法，可以直接去问哈哈，你希望我遇到问题怎么思考，怎么解决。

在最后一段实习中，秋招就已经开始了，从7月份开始，就开始陆续投递各家公司了，基本处于一个边实习边面试的状态，在这里还是奉劝大家即使确定转正，还是要去投一投面一面，一是可以让你知道你在市场上的价值，二是有可能找到比当前更好的但是之前不了解的公司（e.g. NVIDIA），最重要的就是在和现在这家公司谈薪的时候有了议价权，不然大概率开的是比你的市场价更低的。这个也不能怨公司，毕竟HR的绩效就是用便宜的价钱招到合适的人：）如果你有其他offer拿来议价，HR也会觉得很正常，而且如果档次比现在的高一个level的话，能明显感觉到你在谈判中可以掌握主动权~

最终还是选择了NV作为自己的第一站，薪资肯定不是最高的，但是原因主要有下面几个，列出来供大家参考，以后如果有一天后悔的时候也翻回来看看自己当时选择的理由：）比较主观，大家有不同看法欢迎讨论：

1. 觉得应届生其实不用特别在意薪资，多/少出来的钱对于职业中后期可能都不算个事，还是发展前景/公司背书比较重要 

2. 楼主觉得模型部署这个偏计算的赛道还是比自驾算法稳定一些，现在各家公司都在降本增效，辅助驾驶作为一个不是那么核心的卖点，让各个抠门的甲方持续投入大量的钱感觉还是比较困难的，现在的高薪不确定是否可以持续 

3. 自驾算法的适用面实在是太窄了，基本以后只能在自驾公司了，和这个行业是强绑定的，风险一下子就上去了，而计算赛道可以有很多选择，现在LLM兴起后更是这样（楼主当时做决定时AI还没有现在这么火）

4. 感觉自己工作方向的壁垒很重要，做算法有可能出来一个新算法后，分分钟被应届生卷下去了，由于更新换代太快很难有技术积累（大佬忽略hh）最后选择也是一个平衡风险和收益的决定吧~ 

5. 当然还有最重要的wlb ;-)，图个身心健康

不过强调一下，如果对感知算法很感兴趣也有2个及以上拿得出手的项目，或者有相关顶会，秋招还是可以冲一波感知算法的，因为1. 薪资会比部署略高 2. 在自动驾驶公司更容易成长为leader，不过在NV这种芯片公司就还好

然后再说几个秋招/面试注意事项：

1. 做完一个项目后，一定要及时总结到简历上，突出其中有自己贡献，最有挑战性的部分，时间长自己也会忘。。
2. 简历上的一个项目，在至少经历了2家公司的拷打，并把被问住的地方搞清楚后，才算基本合格，在秋招时候理想的状态是你基本都知道面试官要问什么问题，回答接近于背诵的程度（每次面试都一样。。想记不住都难）
3. 如果面试时候被问住了，可以回答：这个时间太久有点忘了，不过我知道XXX(一些相关的)，面试官的思路有可能就被引导到你熟悉的地方去了