滴滴智能驾驶集成负责人（量产交付）(JR2026072700H)
任职要求
1. 学历&年限
本科及以上，汽车、自动化、电子、车辆工程相关专业；8年以上智能驾驶整车集成经验，5年以上团队管理经验，必须具备完整乘用车智能驾驶量产上车交付经验。
2. 核心硬性经验
- 完整经历至少2款L2+ /高阶智驾车型从立项→开发→测试→公告→量产SOP全流程；
- 精通L2整车公告、CCC、机动车准入、新能源备案、国标合规全套流程；
- 熟悉国内L3、L4自动驾驶高阶准入政策、试点细则、无人车运营法规、申报流程；
- 具备自动驾驶…工作职责
1. 智能驾驶整车集成总负责 全面主导智能驾驶系统整车集成工作，统筹智能驾驶硬件、软件、算法、整车电气、底盘、车身的跨域集成落地；以量产交付为核心目标，搭建自动驾驶集成开发流程、阀点管控机制、问题闭环体系，保障车型准时SOP、质量稳定、交付可控，对整车智驾量产交付结果全权负责。 2. 智驾硬件系统集成 统筹智能驾驶全链路硬件集成交付，包含传感器布置校核等；主导硬件匹配、结构干涉校核、透波性能验证、装车匹配、路试验证、产线EOL下线标定，确保智驾硬件系统整车可量产、可制造、可售后。 3. 项目管理与团队管理 负责集成团队搭建、任务拆解、进度管控、技术评审、风险前置、跨部门协同；统筹整车、零部件、算法、测试、供应链、试制、工厂资源，推进版本冻结、阀点交付、冻结管控、变更管理，解决量产阶段系统级耦合问题，保证项目节点100%达成。 4. 法规、公告、准入政策全流程精通落地 深度精通L2级智能辅助驾驶量产公告、法规认证、国标GB/新能源准入细则，可独立完成L2全功能公告送检、合规校核、资料统筹、问题整改； 熟悉国内L3、L4高阶自动驾驶准入政策、试点法规、无人车运营准入、属地落地规则，能够提前做车型合规预研、技术储备与风险规避，支撑高阶智驾车型预研与落地申报。 5. 系统验证、质量闭环与量产稳定性保障 统筹智驾系统台架、实车、场地、耐久、高低温、极端环境验证；主导量产阶段质量问题、偶发故障、系统兼容性问题的定位、攻关、闭环；建立量产智驾整车集成质量标准、测试规范、验收基线，保障上市车型零重大系统级失效。 6. 技术沉淀与体系建设 搭建智能驾驶整车集成技术体系、标准规范、校核清单、交付物模板；沉淀传感器布置、透波设计、整车电磁兼容、高低温适配、量产匹配的工程经验，持续提升团队量产交付能力。
1、负责智能驾驶端侧深度学习模型推理框架开发以及具体模型部署工作； 2、深入征程芯片平台软件研发，负责应用软件平台化，增强软件方案的业界竞争力； 3、与感知算法、规控工程师协同完成系统集成以及车端研发工作，重点负责模型在嵌入式平台的集成工作； 4、参与应用软件车规化的工作，满足车载软件开发流程与质量；
驾驶安装“智能驾驶系统”的汽车完成测试工作，保证汽车在行驶过程中的安全，同时站在用户角度，严格遵守工作流程完成测试工作，主动发现并将追踪到的问题系统化地整理成文档，推动“智能驾驶系统”完善 ＊驾驶智能驾驶车辆在开放道路进行测试，每天道路测试时间5-7小时 ＊测试过程中，记录道路情况和系统情况，保障车辆和人员安全 ＊学习自动驾驶技术，真实详细记录反馈智能驾驶系统相关问题 ＊应对简单的自动驾驶软硬件故障，并和工程师沟通反馈，推动问题解决 ＊发现并反馈工作中的安全和待完善问题，促进自动驾驶技术和管理完善
智能驾驶系统产品线大规控部门负责城区、高速、停车场等全场景高阶辅助驾驶系统的规控和预测算法开发，同时搭建完善的仿真评测体系提升研发质量和效率。 开发理念： 打破惯性思维，根据问题本质寻找答案和设计解决方案； 不技术自嗨，守住性能底线后再做技术创新，用实车效果说话； 用数据驱动的思维做开发，做好数据闭环，注重评测迭代； 不做简单的规则堆叠，传统方法要提炼简洁优雅的“解析解”； 重视工具开发，提升研发效率，打开算法黑盒，尽量做解释性强的方案。 精益求精，打磨产品细节，做出亮点，提升产品体验。 1. 负责轨迹预测、行为决策、路径规划和运动控制等算法开发，并完成嵌入式量产平台部署； 2. 基于海量数据进行道路参与者行为预测算法研发，设计高性能、高准召、高稳定的预测模块； 3. 开发交互式决策和预测模型，改善自动驾驶车辆在复杂环境中的应对能力； 4. 负责自动驾驶系统产品级仿真引擎的架构设计，仿真平台自动化测试及可视化工具链的构建； 5. 构建可扩展的云端仿真框架，以在集群环境中运行批量仿真模拟，减少云端部署和运行成本； 6. 构建完善仿真场景库替代大部分路测，同时生成挑战性的场景增广路测能力； 7. 建立数据自动标注、难例批量挖掘和分析机制工具链，通过数据闭环持续提升算法能力。
智能驾驶系统产品线大规控部门负责城区、高速、停车场等全场景高阶辅助驾驶系统的规控和预测算法开发，同时搭建完善的仿真评测体系提升研发质量和效率。 开发理念： 打破惯性思维，根据问题本质寻找答案和设计解决方案； 不技术自嗨，守住性能底线后再做技术创新，用实车效果说话； 用数据驱动的思维做开发，做好数据闭环，注重评测迭代； 不做简单的规则堆叠，传统方法要提炼简洁优雅的“解析解”； 重视工具开发，提升研发效率，打开算法黑盒，尽量做解释性强的方案。 精益求精，打磨产品细节，做出亮点，提升产品体验。 1. 负责轨迹预测、行为决策、路径规划和运动控制等算法开发，并完成嵌入式量产平台部署； 2. 基于海量数据进行道路参与者行为预测算法研发，设计高性能、高准召、高稳定的预测模块； 3. 开发交互式决策和预测模型，改善自动驾驶车辆在复杂环境中的应对能力； 4. 负责自动驾驶系统产品级仿真引擎的架构设计，仿真平台自动化测试及可视化工具链的构建； 5. 构建可扩展的云端仿真框架，以在集群环境中运行批量仿真模拟，减少云端部署和运行成本； 6. 构建完善仿真场景库替代大部分路测，同时生成挑战性的场景增广路测能力； 7. 建立数据自动标注、难例批量挖掘和分析机制工具链，通过数据闭环持续提升算法能力。