1. 负责设计、开发和维护基于云原生架构的高可用、高并发、可扩展的业务服务平台，包括机器人管理、三方业务接入与管理、数据闭环等 2. 持续优化，并根据法律法规及业务需要保障系统的信息安全、隐私及合规。

岗位概述：负责管理工程部分的开发进度、资源协调工作，在技术与业务之间搭建桥梁，确保项目顺利量产。需具备技术和项目管理能力，协调各方资源，解决复杂问题。 岗位职责： 1.在项目启动且具有高不确定性时，明确交付物和边界条件，建立可执行的阶段里程碑与检查点，合理拆解复杂目标； 2.统筹人、车等一切资源，预判并补足资源缺口，主动协调跨部门资源冲突，最大化核心技术人员的 “有效输出时间”； 3.作为信息中枢，向下对接技术研发，关注逻辑边界与实现成本；向上对接项目组，关心进度节奏与客户预期； 4.针对已识别风险建立监控指标，为关键风险配置预案与缓冲时间，及时上报项目中的风险； 5.能看懂系统架构图，理解技术路径的难点与变更成本，参与架构选型与实现方式的讨论； 6.依据技术理解更合理地制定计划；分资源时，准确安排人员和测试工作；风险识别上，更好地识别潜在风险。

岗位概述：负责管理工程部分的开发进度、资源协调工作，在技术与业务之间搭建桥梁，确保项目顺利量产。需具备技术和项目管理能力，协调各方资源，解决复杂问题。 岗位职责： 1.在项目启动且具有高不确定性时，明确交付物和边界条件，建立可执行的阶段里程碑与检查点，合理拆解复杂目标； 2.统筹人、车等一切资源，预判并补足资源缺口，主动协调跨部门资源冲突，最大化核心技术人员的 “有效输出时间”； 3.作为信息中枢，向下对接技术研发，关注逻辑边界与实现成本；向上对接项目组，关心进度节奏与客户预期； 4.针对已识别风险建立监控指标，为关键风险配置预案与缓冲时间，及时上报项目中的风险； 5.能看懂系统架构图，理解技术路径的难点与变更成本，参与架构选型与实现方式的讨论； 6.依据技术理解更合理地制定计划；分资源时，准确安排人员和测试工作；风险识别上，更好地识别潜在风险。

职位描述： 参与自动驾驶决策、规划的深度强化学习算法研发与调优。 参与构建、维护和优化高性能的自动驾驶仿真测试环境与基准测试（Benchmark）。 撰写高质量的代码、技术文档，并定期进行成果分享与技术汇报。 跟踪学术界和工业界在强化学习及自动驾驶相关领域的最新进展。

我们正在寻找一名经验丰富的智驾软件集成工程师，主要负责自动驾驶系统的软件系统集成和版本管理工作。您将与软件开发团队、系统工程师、质量保证团队、以及产品与项目紧密合作，确保自动驾驶系统软件版本的无缝集成和高效运行。 职位描述： 集成交付：负责自动驾驶系统的软件版本管理，为高质量的交付保驾护航。具体职责包括但不限于：与系统工程师共同完成项目初期的评审、设计与对接，与产品和项目共同把控技术细节与项目周期，与各技术负责人共同执行代码与方案的评审，监督、管理和发布对外的软件版本，等等。 内外对接：监控整车系统的集成状态，及时牵头解决集成与交付过程中出现的各式技术难题（有时不仅限于软件），在必要时需要与第三方沟通协作。 流程优化：思考如何优化现有集成流程，共同参与各类指标的制定，深度参与自动驾驶系统的测试及验证。

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。

1.负责自动驾驶中预测、决策、规划相关的算法研究和落地。 2.参与行泊或主动安全产品研发，提高模型性能和产品安全性。 3.持续跟踪行业最新技术进展，进行新技术探索。

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.数据工具建设 负责端到端数据集管理平台的规划与设计； 提出数据管理工具的需求，推动工具研发落地。 2.数据质量体系建设 组织数据规则质检、模型质检、人工质检等工作； 参与制定数据质量检测标准与流程，保障数据生产及交付质量。 3.数据生产管理 负责数据标注与生产流程的推进，包括pipeline的搭建与优化； 跟踪数据生产进度，确保按计划交付符合需求的数据集。 4.数据挖掘与评测 设计并实施多场景数据挖掘方案，推动数据在模型训练中的应用； 组织并实施对挖掘数据的离线及线上评测，输出质量评估结果。 5.需求对接与协作 对接上下游需求，包括产品、感知、PNC、仿真等模块，梳理并定义所需的数据集； 跨部门协作，确保数据产品满足业务需求。 6.工艺及规范制定 制定数据标注和数据审核的工艺规范，编写文档及培训资料； 推动规范在标注和采集产线的落地实施。

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。