理想汽车智能车控AI专家-北京/上海
任职要求
1. 计算机科学、人工智能、机械工程等相关专业硕士及以上学历； 2. 有3年以上智能车控领域工作经验，熟悉增程能量管理、动力系统管理等模块者优先； 3. 有AI项目落地经验，具备全流程管理能力； 4. 熟悉Python、C++等编程语言，掌握TensorFlow、PyTorch等深度学习框架； 5. 熟悉环境感知、数据处理等技术，能够进行算法设计与优化； 6. 具备优秀的团队管理与协作能力，能够激励团队并推动项目进展； 7. 具备良好的沟通能力，能够与各方有效协调； 8. 对智能车控领域有深入了解，能够将AI技术与业务需求紧密结合； 9. 在国际顶级会议（如ICML、NeurIPS、ICLR、CVPR等）或期刊（如JMLR、TPAMI等）上发表过高水平学术论文，具有一定的学术影响力着优先； 10. 参与过大型AI项目的研发和落地，具有丰富的项目管理经验和实战能力优先； 11. 在特定的AI智能体技术领域（如强化学习、多智能体系统等）有深入的研究和实践经验，具备解决复杂技术问题的能力。
工作职责
1. 项目规划与推进：负责AI智能体在智能车控领域的落地战略制定，包括增程能量管理、动力系统管理、车辆健康诊断等模块的智能化应用；组织跨部门团队，协调资源，推动项目实施，确保按时交付并满足业务需求； 2. 技术研发与优化：深入研究AI智能体技术在智能车控领域的应用，如环境感知、驾乘人员喜好管理等，探索创新解决方案；优化车辆能量管理、动力系统控制等模块的AI算法，提升系统性能和用户体验； 3. 团队管理与协作：组建和管理AI智能体落地团队，合理分配任务，提升团队整体能力；与研发、产品等部门紧密合作，确保技术方案与业务需求紧密结合； 4. 数据管理与安全：建立数据管理体系，保障数据的准确性、完整性和安全性；遵守数据隐私法规，确保数据的合法合规使用。
1、负责小米汽车语音的导航、音乐、电话、车控等关键垂域产品定义和体验设计； 2、把握出行场景需求，对关联产品和技术发展高敏锐度，打造更多创新语音交互体验； 3、理解AI产品和技术特点，制定关键体验的评估方法和指标体系，把控端到端体验效果； 4、从数据及用户反馈中，洞察车载语音的新的痛点和需求，提高整体产品竞争力； 5、与小米内外各兄弟团队精诚合作，确保项目高质量落地
1.负责整车控制器平台及趋势的对标分析、功能部署定义及业务划分、需求(原始需求、系统需求,软硬件需求等)收集分析与评审定义、系统级方案及接口设计等； 2.负责拆解从芯片、AI、模型及算法、服务器等维度的系统级需求,并提供专业、灵活的系统级解决方案； 3.负责整车控制器平台的系统开发,系统及子系统架构设计,技术选型和技术方案的研究和制订(如底层功能定义和分配、通讯、诊断、功能安全、信息安全、资源配置、车云协同等)，并推动实施； 4.负责系统需求的验证测试及技术闭环； 5.负责控制器平台产品需求体系的建设和维护,持续对软、硬件架构设计提出系统性约束和建议； 6.负责以专题的形式,快节奏的对齐各专业认知,并对该专题达成共识； 7.推进整车电子架构在控制器平台上的落地,管理控制器平台产品开发闭环； 8.对接控制器平台的硬件开发、软件开发、测试Team，负责对时产品系统需求的解释和澄清拉齐。
- 负责车载多模态交互产品的规划与设计，聚焦于视觉能力在交互、识别、感知等场景的产品化落地，包括但不限于手势交互、面部识别、目光追踪、车内行为识别、车外场景识别。 - 牵头多模态感知（视觉+语音+触控）融合策略设计，定义用户关键场景中的产品体验路径。 - 深入理解车载视觉传感技术与AI模型能力，协调算法、硬件、设计、系统等跨团队高效协作，推动产品按期上线。
我们是谁？ 作为中国领先的数字地图内容及导航服务提供商，高德地图日均服务数亿用户出行决策，每日处理超百亿级位置数据。视觉技术中心是驱动高德实现厘米级高精地图、实时三维重建、多模态感知等核心技术的引擎，持续突破自动驾驶、AR导航、智慧交通等领域的技术边界。 团队gihub主页：https://github.com/amap-cvlab 为何加入我们？ 挑战世界级技术难题，追求智能上限 用AI驱动国民级APP的产品迭代和颠覆式创新 岗位职责： 团队主要聚焦多模态大模型及端到端模型在车端导航及定位应用，我们期待你的工作将覆盖以下至少一个技术方向即可： 1. 在端到端自动驾驶、BEV环境感知、多模态融合、强化学习等领域具备丰富且有独创性的研究经历； 2. 探索多模态大模型在下游任务中的技术能力，包括但不限于图文对齐/识别、跨模态理解生成、多模态检索、VLM端到端自动驾驶、世界模型等； 3. 了解大模型模型的训练/微调/推理加速方法，包括但不限于模型结构调优、训练效率提升、高效低成本微调、Muti-token推理，模型部署加速等； 4. 参与自动驾驶系统中机器学习算法的研究、开发与优化，包括但不限于深度学习算法在端到端感知大模型、规控大模型、视觉语言大模型等方面的应用； 5. 负责收集、整理和分析自动驾驶相关的数据集，进行数据预处理和标注，以提高模型的准确性和复杂场景泛化能力； 6. 设计和实现端到端自动驾驶模型的训练流程，包括选择合适的优化算法、调整超参数、评估模型性能等，确保模型在不同场景下的稳定性和可靠性。