
文远知行智驾应用原生客户端研发(Android)
任职要求
精通 Java/Kotlin,熟悉 Android SDK 和 NDK 开发; 熟悉 Android 系统架构,了解 Activity、Service、BroadcastReceiver 等组件; 熟悉多线程编程、网络通信(HTTP/WebSocket)和数据存储(SQLite、Room); 有地图 SDK(如高德地图、百度地图、Google Maps)集成经验; 熟悉车载系统(如 Android Automotive OS、QNX)或车机应用开发; 熟练掌握常用的设计模式和架构模式,具备良好的编码习惯; 具备良好的沟通和团队协作能力,注重成果与效率; 能够独立解决问题,对新技术有着敏锐的洞察力,能够快速学习并掌握新技术。 加分项: 有车机导航应用或 HMI 交互开发经验; 熟悉 OpenGL ES 或 Vulkan,有 3D 图形渲染经验; 了解自动驾驶或 ADAS(高级驾驶辅助系统)相关技术; 有跨平台开发经验(如 Flutter、React Native); 熟悉 Linux 内核或 Android 系统底层开发。
工作职责
负责车端导航应用的开发与优化,包括地图显示、路径规划、实时导航等功能; 设计和实现车机系统的人机交互界面(HMI),确保用户体验流畅、直观; 与硬件团队合作,集成车辆传感器数据(如 GPS、陀螺仪、车速等)到导航应用中; 开发和维护与车辆 CAN 总线、车载娱乐系统(IVI)的通信模块; 优化应用性能,确保在高性能车机系统上的流畅运行; 参与需求分析、技术方案设计、代码编写和测试,确保项目按时交付; 解决开发过程中的技术难题,持续改进系统架构和代码质量。
-建设业界领先的AI异构算力容器平台,提供高性能、高稳定性、高易用性的百舸产品,支持智驾、AIGC、金融能源、智算中心客户AI应用高效部署 -负责云原生AI容器相关产品的架构设计和产品研发,引入开源社区先进的AI框架、AI调度、AI工作流和AI可观测能力组件构建全栈AI应用云原生解决方案 -构建异构多元芯算力底座,支持国产化信创,支持GPU虚拟化和混部调度,提升AI应用资源效率 -无缝对接客户和云上AI开发平台,支持文心和开源大模型训练推理任务部署,提供训练容错和弹性伸缩能力 -对接客户基础设施环境构建异构算力平台解决方案,支持大模型训练/推理ToB交付 -探索业界最新技术方向,参与开源社区,提升百度云原生AI核心竞争力
-建设业界领先的AI异构算力容器平台,提供高性能、高稳定性、高易用性的百舸产品,支持智驾、AIGC、金融能源、智算中心客户AI应用高效部署 -负责云原生AI容器相关产品的架构设计和产品研发,引入开源社区先进的AI框架、AI调度、AI工作流和AI可观测能力组件构建全栈AI应用云原生解决方案 -构建异构多元芯算力底座,支持国产化信创,支持GPU虚拟化和混部调度,提升AI应用资源效率 -无缝对接客户和云上AI开发平台,支持文心和开源大模型训练推理任务部署,提供训练容错和弹性伸缩能力 -对接客户基础设施环境构建异构算力平台解决方案,支持大模型训练/推理ToB交付 -探索业界最新技术方向,参与开源社区,提升百度云原生AI核心竞争力
-负责建设业界领先的AI异构算力容器平台,提供高性能、高稳定性、高易用性的混合云产品,支持AIGC、智算中心、智驾、金融能源等客户AI应用高效部署 -负责云原生AI容器相关产品的架构设计和产品研发,引入开源社区先进的AI框架、AI调度、AI工作流和AI可观测能力组件构建全栈AI应用云原生解决方案 -结合 SOTA 模型训练推理优化原理,深入模型结构与设计思路,将训练推理优化手段工程实践化,为客户提供系统性加速方案,提升训推效率 -针对大规模异构集群场景下,探索训推任务管理、异构资源调度、虚拟化混布、容器存储、高性能网络、分布式训练和推理等技术的创新和应用 -探索业界最新技术方向,参与机器学习框架等开源社区,提升百度混合云AI核心竞争力,提升团队技术影响力

1、数据闭环体系搭建与落地:负责自动驾驶全链路数据闭环体系设计与搭建,日均处理亿级传感器原始数据及标注数据,保障数据从采集、处理到模型训练的端到端流转,支撑感知、决策规划等端到端模型的高效训练; 2、数据闭环工具链研发: 2.1 云端数据处理 pipeline 开发: •针对标注数据、场景数据,设计并落地数据清洗(去噪、去重、异常过滤)、解析、切片、抽帧、送标(对接标注平台)的全流程自动化 pipeline; •优化 pipeline 吞吐量与延迟,目标支撑日均 10 万 + 场景数据处理,服务算法团队数据生产需求; •推动工具链部署落地,解决线上运行故障(如数据阻塞、接口兼容问题),保障工具链可用性。 2.2 高价值场景数据挖掘体系建设: •搭建 “规则 + 大模型” 双驱动的数据挖掘产线:针对规则挖掘,设计接入多种传感器、定位、感知、底盘、车身信号并优化规则策略;针对大模型挖掘任务,完成数据方案制定、模型微调、loss优化、模型评测等; •与算法团队协作迭代挖掘策略,提升 corner case 召回率(目标≥85%)。