1.参与AI平台功能设计（数据挖掘、模型算法评测、AI Agent工作流等）； 2.完成需求调研、产品原型、PRD文档撰写； 3.调研竞品与前沿技术，深度参与AI在实际业务场景的落地； 4.协助研发推进AI上线，参与测试与验收。

针对无图端到端自驾系统道路识别与导航模块，参与前沿AI算法的研究探索与落地，处理海量自动驾驶数据，拥有大规模并行GPU训练集群，数据闭环平台，具体会参与以下研究方向： 1.负责道路识别与导航算法的关键算法研发工作，设计端到端神经网络方案，完成包括但不限于车道线识别、交通要素识别、道路拓扑识别、导航选路识别等功能； 2.利用前沿的网络结构设计，尝试不断提升各个任务的识别性能； 3.优化神经网络设计，完成嵌入式平台的部署，确保线上高效运行； 4.探索大模型在无图端到端的应用。

结合场景重建、神经渲染、生成式AI等技术，为自动驾驶算法模块提供可用于训练/评估的逼真长尾数据,协助智驾系统向更安全、更智能、更舒适的方向迭代;

1.End-to-end driving system研发与落地，负责端到端/VLA模型结构搭建与调优，高质量大规模训练数据集构建，设计路径规划评估，闭环评测系统研发。 2.持续关注并跟踪自动驾驶及人工智能领域的最新技术进展，进行新技术的调研和探索。

职位概述 作为AI数据平台实习生，您将加入一个专注于人工智能、机器学习或数据科学的团队，协助构建、优化和维护数据平台，处理大规模数据集，为AI模型的开发和训练提供支持。您将与数据科学家、AI工程师和产品团队合作，参与数据收集、清洗、标注、分析以及模型开发相关的工作，为公司AI产品或服务的创新贡献力量。 主要职责 数据收集与预处理： 1.协助从多种来源（如数据库、API、公开数据集）收集数据。 2.进行数据清洗、预处理和格式转换（如JSON、PCD、CSV等格式），确保数据质量。 3.支持数据标注任务，例如图像、文本、视频或3D点云数据的标注，确保符合模型训练需求。 数据平台支持： 1.协助维护和优化数据管道，确保数据流高效、稳定地支持AI模型训练。 2.支持数据仓库或数据湖的集成，处理结构化和非结构化数据。 模型开发与测试： 1.参与机器学习模型的开发、测试和微调，例如特征选择、模型优化或A/B测试。 2.使用Python、R、SQL等工具进行数据分析和可视化，生成可操作的洞察。 协作与文档： 1.与跨职能团队（产品、工程、业务）合作，理解业务需求并提供数据支持。 2.记录数据处理流程、模型开发进展和分析结果，确保清晰可追溯。 AI工具应用： 1.探索生成式AI（Generative AI）或大语言模型（LLM）的应用场景。

1.面向乘用车量产业务的行泊车场景，开发高精度、高可靠性的定位与建图算法，解决量产中的长尾问题；针对车载计算平台特性，优化算法性能与资源占用，提升系统实时性与鲁棒性。 2.参与多传感器（GNSS/LiDAR/IMU/轮速/视觉等）数据融合方案设计，适配车规级硬件实现精准定位与动态建图。 3.参与地图构建、数据挖掘、云端模型、自动标注算法和4D真值系统等开发与研究。 4.参与基于GNSS， IMU等传感器多场景下的实时绑路、偏航算法，基于深度学习的地图匹配等算法研发。

1. 负责和车企客户的技术部分对接工作，理解客户需求，包括智驾域控、传感器、算法等等，协助客户进行系统方案设计； 2. 对客户需求进行分析，拆解到智驾相关子系统或模块，对内与相关开发人员协作，明确各子系统/模块的需求和目标； 3. 与内部各部门协作，对接研发，产品等部门，形成统一对外的技术材料，系统需求，系统方案等技术文件； 4. 持续优化内部系统架构方案，推动系统平台化建设，降低系统开发迭代成本；

1、AI 芯片编译器的架构设计及开发; 2、AI 编译器各类 Pass设计与开发（计算图优化、融合、向量化、CodeGen）; 3、模型性能调优工具的设计及开发。

1.参与行车泊车及主动安全等相关功能的业务设计以及优化； 2.负责车端业务软件以及状态机等相关模块的开发以及优化； 3.与第三方完成相关协议的对接,快速接入主机厂相关车型； 4.与硬件、算法团队协作，集成并优化自动驾驶系统。

负责模型训练框架和工具的开发、优化等, 提高模型训练的吞吐； 1.模型训练框架的优化 a 提升模型训练框架训练的吞吐, 上手的易用程度； b 提升模型训练的效率, 包含不仅限于数据流的优化(NVIDIA DALI), 模型(forward & backward)的优化, (包含不仅限于高效算子编写替换, torch compiler), amp使用(accelerate)； c 模型训练精度提升, amp/int8 aware training； d 模型训练框架的重构, 推进文档化, 易用性； 2.模型训练可观测性的提升 a 建立模型训练客观性指标, 基于torch.profile或者其他打点工具, 进行多层次粒度上的观测性； b 基于现有的模型, 探索模型训练的linear scaling raw；

1、负责无人驾驶软件系统的开发、优化及平台迁移； 2、负责公共组件、算法框架的迭代优化和性能提升（含onboard pipeline优化、算法逻辑优化）； 3、构建算法自动化测试框架及相关工具链，制定并推行代码性能、质量的标准规范。

1. 参与自驾系统中间件的设计、开发、测试和交付，包括域内外通信、算法模块调度、基础库等； 2. 参与自驾系统基础服务的设计、开发、测试和交付，包括应用生命周期管理、日志管理、数据闭环等； 3. 参与自驾系统的性能分析、调优，包括系统资源分配，算法业务代码优化等。

1. 负责高通平台，推理框架与高性能算子的设计、开发、优化和测试； 2. 支持自动驾驶算法业务中各模型的端到端推理

1.作为DBA负责公司数据库服务的部署、运维、调优、数据库管理工作； 2.负责PostgreSQL、MongoDB、Clickhouse、Hbase、Redis、TiDB等相关组件云运维工作，提高容灾能力。 3.负责k8s大规模集群自动化运维平台规划和建设；

参与AI Infra软件架构的开发，包括但不限于： 1. 推理框架与高性能算子的设计、开发、优化和测试 2. 负责公共组件、算法框架的迭代优化和性能提升（含onboard pipeline优化、算法逻辑优化） 3. 负责模型结构优化，模型训练框架，模型量化框架，以及相关工具的开发

职位描述： 前端开发： 使用现代化React进行开发。 与一流的团队成员合作，确保创建实验，记录实验，模型评测，模型部署等流程的落地与优化。 后端开发： 使用Golang进行开发。 基于OpenAPI/Protobuf完成API设计，基于脚手架开发功能，基于容器云平台完成服务自动化部署。拥有良好的文档撰写能力，清晰地表达后端系统的可扩展能力。基于K6，Locust等工具完成服务的性能测试。 编写高质量的代码，并能够基于mock，unittest等工具完成单元测试，保证系统安全、稳定和高效运行。 对象存储，分布式系统和微服务的基础知识。 数据库管理： 设计和优化数据库模型，确保数据存储和访问的高效性。 对数据库进行维护和优化，保证数据的完整性和安全性。 团队合作与沟通： 与产品经理、设计师和其他团队成员密切合作，理解和实现需求。 参与团队讨论和决策，为产品和技术方案提供建议和反馈。 具备良好的沟通能力和团队协作精神，能够有效地与团队成员合作解决问题。

1. 参与人形机器人的机械结构设计，确保设计满足功能性、可靠性和成本效益的要求； 2. 负责机器人关节、驱动器等关键部件的选型与开发，包括电机、减速器、传感器等； 3. 进行电机控制算法的开发与优化，实现机器人的精确运动控制； 4. 配合软件工程师，进行机器人控制系统的集成与调试； 5. 编制技术文档，包括设计说明、测试报告； 6. 跟踪并分析机器人的运动性能，不断优化机器人的动态响应和能效； 7. 与供应商合作，确保硬件部件的质量和交付时间符合项目需求。

1. 独立开展自动驾驶量产产品与客户的技术方案展示和需求对接工作，对用户场景和其潜在需求进行分析，综合国内外法规和行业标准对用户需求进行管理，形成平台产品规划，保证自动驾驶产品安全、合规且具有显著的市场竞争力； 2. 负责量产自动驾驶项目中L2+功能的对接，客户需求管控，并清晰的规划并驱动设计、研发和测试人员理解产品需求，保证需求高质量交付； 3. 跟踪产品的用户反馈和功能表现，并积极系统性剖析竞品优劣，针对性提出优化性和创新性的产品解决方案与策略，保持产品的差异化优势。

负责计算机视觉关键算法研发，包括不限于视觉障碍物目标检测、车道线识别、场景语义理解等算法研发； 负责无人驾驶场景中激光雷达感知或多传感器融合感知算法开发与优化，包括但不限于目标检测、目标分类、点云分割、点云补全和目标Tracking等算法研发； 负责自动驾驶场景下感知算法落地与系统集成。 在机器学习、深度学习和强化学习领域前沿展开创新性的研究，探索智能驾驶感知解决方案的新方向。

负责设计, 搭建自动驾驶实时监控系统、数据链路、数据分析系统，包括实时、离线数仓，在高并发、高吞吐场景下提供高性能数据服务。