小鹏汽车自动驾驶数据生产管理总监
任职要求
1. 6年以上数据生产（采集/标注）团队管理经验，3年以上自动驾驶、智能驾驶、机器人或大模型相关行业背景优先。 2. 有大型项目/团队（30人以上）运营管理、跨团队/跨部门协作经验，具备数据生产质量体系搭建与高效交付经验。 3. 熟悉自动驾驶或AI领域的数据采集、标注流程及质量控制体系，对数据采集与标注平台、工具研发有…
工作职责
1. 负责数据采集、数据标注团队的整体管理与日常运营，统筹人员分工、工作计划和绩效考核。 2. 制定并优化数据采集、数据标注的流程、规范和质量标准，确保数据任务高效、准确、按时交付。 3. 结合端到端大模型训练需求，科学制定多源异构数据（视频、传感器、日志等）采集与高质量标注计划，动态分配任务资源。 4. 领导数据采集、数据标注相关的技术平台和工具开发团队，推动平台架构演进与工具链优化，提升生产效率和自动化水平。 5. 负责数据生产全流程的质量管控与风险预警，建立多维度的数据质检与监控体系，持续优化数据交付标准与验收流程。 6. 分析数据采集/标注过程中的异常与瓶颈，及时推动整改、复盘与知识沉淀，确保端到端大模型训练数据的高标准交付。 7. 负责数据采集、数据标注及技术平台团队的组织建设、能力提升和人才梯队打造，营造积极、高效。
1. 产品战略与规划 制定公司Robovan业务线中长期产品战略与 Roadmap，对齐公司业务目标与技术路线，明确 ODD、核心场景、产品定位与差异化优势。 深度洞察政策法规、技术趋势、竞品动态与客户需求，输出市场洞察与产品创新方向，支撑规模化商业落地。 定义产品系列（底盘 / 载具 / 调度平台 / 云平台）、规格参数、核心性能指标与成本目标，主导产品立项与评审。 2. 全生命周期产品管理 主导从0→1→N产品全流程：需求挖掘、功能定义、PRD / 规格书、研发管控、测试验收、量产上市、运营迭代与退市管理。 统筹硬件（线控底盘 / 传感器 / 域控 / 车规部件）、软件（自动驾驶 / 调度 / 车联网）、系统与解决方案一体化设计。 建立产品数据体系与迭代机制，通过运营数据持续优化效率、安全、成本与体验。 3. 跨部门协同与资源统筹 协同研发 / 算法 / 测试 / 供应链 / 生产 / 销售 / 交付 / 运营，推进产品量产、项目交付与客户验收，对进度与质量负责。 对接头部客户与生态伙伴，输出定制化解决方案，支撑大客户拓展与标杆项目落地。 建立产品开发、变更、验收与合规流程，保障车规、功能安全与行业准入合规。 4. 团队与体系建设 搭建与管理产品团队，明确分工、考核与成长机制，提升组织能力。 构建产品管理体系、需求管理、版本规划与项目管控机制，支撑公司高速扩张。 5. 商业化与经营结果 制定产品定价、套餐、商务策略与市场推广方案，对营收、毛利、市占率、客户满意度负责。 推动 PMF 验证与规模化复制，提升产品商业效率与竞争力。
我们是小红书中台大模型 Infra 团队，专注打造领先易用的「AI 大模型全链路基础设施」！团队深耕大模型「数-训-压-推-评」技术闭环，在大模型训练加速、模型压缩、推理优化、部署提效等方向积累了深厚的技术优势，基于 RedAccel 训练引擎、RedSlim 压缩工具、RedServing 推理部署引擎、DirectLLM 大模型 API 服务、QuickSilver 大模型生产部署平台等核心产品，持续赋能社区、商业、交易、安全、数平、研效等多个核心业务，实现 AI 技术高效落地！ 1、参与设计实现支持RLHF/DPO等对齐技术的高效训练框架，优化强化学习阶段的Rollout、Reward Model集成、多阶段训练 Pipline； 2、研发支持多机多卡 RL 的分布式训练框架，开发TP/PP/ZeRO-3与RL流程的动态协同机制，解决 RL 算法在超长时序下的显存/通信瓶刭 3、构建端到端后训练工具链，主导框架与 MLOps 平台集成，提供训练可视化、自动超参搜索等生产级能力 4、与公司各算法部门深度合作，参与大语言模型LLM、多模态大模型 MLLM等业务在 SFT/RL领域的算法探索和引擎迭代； 5、参与分析各业务 GPU 利用率与饱和度等指标，结合业务场景持续优化训练框架能力，提升框架领先性。
滴滴出行国际化金融测试团队，负责核心业务质量保障，包括支付、风控、现金贷、信用卡等业务，团队技术导向，紧跟公司业务，质量保障能力处在行业前沿水平。 1、负责国际化支付系统的核心链路测试架构工作； 2、负责金融域内质量保障体系的构建和实践； 3、参与前线调研，负责前线业务对接，打通国际前线和质量Team信息渠道，消灭认知GAP、赋能国际金融业务 4、通过前瞻性的能力、机制建设， 规避业务质量风险；
1. 负责万亿级别QPS的分布式缓存/存储集群，支撑公司所有产品线的业务需求； 2. 设计、研发高可用、高性能的缓存/存储架构和中间件，应对弹性扩缩容，秒级故障自动切换，异地多活，分布式事务等极具挑战性的工作内容和方向； 3. 优化系统性能，深入内核，提升基础服务相关资源的使用率，增加系统稳定性，保障业务运行； 4. 设计并研发自动化运维平台，提升运维质量和效率，探索运维自动化和智能化技术和方向。