文远知行感知软件工程师 -- Infra（2026届校招）
任职要求
你： 1.丰富的Linux/Unix系统C++、Python开发经验，熟悉多线程，内存管理，泛型，及设计模式； 2.对于大数据的基础架构有深刻的理解，如流式数据处理架构等能够独立思考，具有良好的沟通能力、判断力、数据分析能力、执行力，自我驱动； 3.有较强的沟通协调能力，能够很好的组织协调多部门将方案推进落地。 加分项： 1.具有分布式系统相关项目经历，复杂系统软件的设计能力和调试能力，熟知常见的设计模式和架构的trade-off； 2.熟练掌握一种机器学习引擎框架，如TensorFlow、PyTorch等 熟悉GPU体系架构，精通CUDA，精通cuDNN，在深度学习计算框架等领域有丰富优化经验者优先； 3.熟悉模型训练各optimizer基本原理，了解分布式训练基本方法与框架； 4.对于最新训练加速方法有所了解，例如混合精度训练、低比特训练、分布式梯度压缩等。
工作职责
base地 北京/上海/广州/深圳 关于感知方向 感知是无人驾驶中非常复杂和有趣的部分之一，你构建的是一个人工智能集大成的系统，不是一项按部就班就能完成的工作！感知软件工程师负责无人驾驶感知系统的设计和实现，应对无人驾驶中各种最有挑战的问题： 设计高效可靠的深度学习模型，在几十毫秒内精确检测和跟踪车周围200米之内所有的障碍物（人，车，非机动车辆，交通锥等），并对场景进行理解 如何设计一般性的模型和算法去处理各式各样的长尾情况，如路面上的垃圾袋，洒水车的水花，前车掉下来的挡板 如何保证感知模型和算法在极端的环境里的准确性和可靠性，如大雨，大雪，雾霾，风沙等 把模型优化到极致，让十几个到几十个模型在车上有限的计算资源上欢快的运行 如何搭建一个高效可靠的计算框架，支撑一个周期内接收几十个传感器的输入，做各种同步融合，并进行几十个深度学习模型的推理。 关于感知Infra方向 感知infra构建感知系统的基石，包括但不限于： 搭建高效可靠的计算框架； 实现模型的inference engine并对模型进行优化； 建立精确稳定高效的评估系统；搭建高效好用的训练框架等。
base地 北京/上海/广州/深圳 1.进行数据闭环，分布式模型训练框架和管理系统的软件研发； 2.基于云原生和 Kubernetes 生态系统，打造高可用和高稳定性的复杂业务系统； 3.负责训练框架前沿技术的探索和研究，负责分布式训练架构体系的演进； 4.打造自动驾驶领域的数据闭环系统，自动驾驶大规模离线仿真技术等高水平大模型基础软件。
-负责云原生产品 Kubernetes 容器引擎、镜像服务、可观测服务等的设计与研发工作，提升产品竞争力及体验 -负责大规模 AI Infra 云原生底座的设计与研发工作，基于云原生技术打造异构多元芯算力底座，支持国产化信创，支持业务进行大规模训练、容错及弹性推理，构建异构多元芯算力底座 -负责打造现代化的云原生智能运维能力，设计和实现覆盖 AI 场景全栈的故障感知、诊断及自愈能力 -持续提升云原生产品服务及基础设施的稳定性，优化服务性能，提升架构的可扩展性 -探索业界最新技术方向，参与开源社区，提升百度云原生核心竞争力
关于公司 文远知行（WeRide）成立于 2017 年，是全球领先的 L4 级自动驾驶科技公司，致力于“以无人驾驶改变人类出行”，已在全球超过 25 个城市开展自动驾驶研发、测试及运营，累积自动驾驶里程超1600万公里，应用场景覆盖智慧出行、智慧货运和智慧环卫，形成自动驾驶出租车、自动驾驶小巴、自动驾驶货运车、自动驾驶环卫车、高阶智能驾驶等五大产品矩阵，提供网约车、随需公交、同城货运、智能环卫、高阶智能驾驶解决方案等多种服务。 凭借“1个平台+3大场景+5大产品”的多元商业化战略，文远知行商业营收居同类自动驾驶企业之首，已与多家全球顶级主机厂和一级供应商达成战略合作伙伴关系，包括雷诺日产三菱联盟、宇通集团、博世、广汽集团等，不断为人类出行提供更多新选择。 文远知行目前的团队既有来自谷歌、微软、亚马逊、苹果、百度、滴滴的高阶工程师，也不乏刚从顶尖高校毕业的青年才俊。来到我们当中，你会发现这是一个专业、专注、有趣、有料的队伍。大家为了一个激动人心而富有挑战的目标走到一起，互相激励、脑力碰撞，为实现产品落地、创造社会价值、推进行业技术而努力。 对有抱负的工程师，还有什么比这更有意义的呢？我们虚位以待，真诚期待技术过硬、志趣相投的小伙伴加入我们！ 更多信息请访问：http://www.weride.ai，或关注官方微信号：文远知行WeRide 关于感知Infra - Offboard方向(C++) 对周围环境与事物的感知能力是无人车与机器人技术发展的基础，是目前深度学习技术最前沿的应用之一，也是人工智能目前最具商业潜力的方向，是未来生产力提升的突破口。对于这样一个深度学习系统而言，模型的结构仅仅是冰山一角，围绕模型与应用建立起的工程能力，才是推动算法快速迭代的关键。例如一个应用于机器人的智能算法，需要通过高性能的仿真框架，处理海量的传感器数据，全面评估算法的行为，才能建立起快速的反馈与迭代。Offboard工程师的工作，就是围绕感知系统建立起闭环迭代所需的高效率基础设施，以实现感知系统的快速进化。 基于云原生和 Kubernetes 生态系统，打造高可用和高稳定性的复杂业务系统。 负责训练框架前沿技术的探索和研究，负责分布式训练架构体系的演进。 打造自动驾驶领域的数据闭环系统，自动驾驶大规模离线仿真技术等高水平大模型基础软件。 指导团队内技术工作，规划下一代自动驾驶感知领域离线基础架构技术，引领自动驾驶感知领域的离线基础架构理念变革