职位描述

小鹏通用智能AI数据闭环平台团队，负责构建支撑百万级路采数据、千卡GPU集群的自动驾驶，具身智能数据与AI基础设施。从路测车辆上每秒产生的GB级传感器数据和多模态具身智能传感器数据，到最终训练出能够应对复杂城市道路的感知/预测/决策模型——我们打造的平台是这一切的底座。你将与国内顶尖的分布式系统、AI基础设施、自动驾驶算法工程师并肩工作，直面PB级数据处理、大规模分布式训练、大模型辅助标注等前沿技术挑战。
真实场景，海量数据：你将处理来自摄像头、LiDAR、毫米波雷达、GPS/IMU等多传感器的真实路采和数采数据，规模达到PB级——这不是课堂作业，而是工业级挑战。
前沿技术，深度应用：VLM自动化标注、Milvus向量检索、流批一体架构、GPU集群调度……你接触的不是纸上谈兵的技术，而是正在重塑行业的关键能力。
完整链路，全局视野：从数据接入→清洗治理→特征提取→模型训练→推理部署→数据回流，你将有机会参与到AI平台的全链路建设中，理解自动驾驶数据闭环的每一环。
高速成长，快速扛事：27届校招专属培养计划，mentor一对一引导，但绝不只让你做边角料——我们希望你尽快独立负责核心模块的研发与优化。
方向一：大规模数据处理
开发高可靠的ETL数据处理流水线，处理车载传感器数据（摄像头图像、LiDAR点云、GPS轨迹、CAN总线信号等）
基于Spark/Flink优化数据清洗、转换、聚合任务，持续提升云端数据处理的吞吐与稳定性
构建多模态Embedding生产流水线，支持CV/NLP模型对海量数据的分布式特征提取
探索基于VLM（视觉语言模型）的自动标签生成方案，减少对人工标注的依赖，加速算法迭代
构建驾驶场景的语义索引系统，支持复杂语义检索（如“夜间雨天前车急刹”“高架桥上旁车近距离切入”）
方向二：数据建模与治理
设计多源异构数据仓库的分层模型（ODS/DWD/DWS/ADS），支撑感知、预测、规划等算法的训练数据需求
构建数据血缘与元数据管理体系，确保每一帧训练数据的来源、处理过程与版本都可追溯
制定多模态数据的向量化规范（图像/点云/文本的Embedding标准），为后续检索与训练提供高质量特征输入
方向三：AI平台架构与优化
搭建数据湖仓一体架构（基于Iceberg/Delta Lake + StarRocks/Doris），兼顾数据湖的灵活性与数据仓库的查询性能
开发高性能特征向量数据库（基于Milvus/Pinecone或自研引擎），支撑亿级向量的低延迟检索
持续优化存储与计算性能（分区策略、压缩算法、缓存机制），探索流批一体、存算分离等新架构的落地
设计高效的数据存储、分区与读取策略（Parquet/ORC），优化存储与网络I/O，保障训练与推理的数据吞吐
方向四：分析工具与可视化
开发BI数据看板，实时监控数据质量及自动驾驶核心指标（感知准确率、接管率、场景覆盖率等）
提供多模态检索接口，支持通过文本描述（如“从左后方快速切入的摩托车”）检索对应的驾驶场景视频片段

职位要求

1、2027届硕士/博士毕业生，计算机、软件工程、人工智能、自动化、电子信息等相关专业
2、扎实的编程基础，熟练掌握 Python/C++/Java/Scala 中至少一门语言，有良好的工程习惯与代码质量意识
熟悉至少一项大数据处理框架（Spark/Flink）或深度学习框架（PyTorch/TensorFlow）
3、对自动驾驶场景有基本认知和浓厚兴趣——你不一定懂感知算法细节，但要理解数据对算法训练的价值
加分项（满足1-2项即可，非硬性要求）
1、有数据仓库建模或数据湖（Iceberg/Delta Lake/Hudi）实际使用经验
2、熟悉分布式计算原理，有Spark/Flink任务性能调优经验
3、了解Kubernetes及GPU虚拟化技术，有集群资源调度相关实践
4、使用过Milvus、Weaviate、Pinecone等向量数据库，或对向量检索算法（HNSW/IVF）有研究
5、熟悉VLM/多模态模型（如CLIP、LLaVA、Qwen-VL等），有特征提取或模型微调经验
6、有自动驾驶相关数据集（nuScenes/Waymo/Argoverse）的处理经验
在ACM、Kaggle、天池等编程/数据竞赛中取得过优异成绩
7、有高质量技术博客或开源项目贡献
收获
1、有竞争力的薪酬与校招专属福利包（薪资面议，对标一线互联网/自动驾驶公司）
2、真实的工业级技术挑战，你的代码将直接运行在千卡GPU集群和PB级数据湖上
3、技术广度与深度的双重成长，在数据工程、AI基础设施、分布式系统、多模态模型等方向持续积累
4、广阔的成长空间：团队技术氛围浓厚，鼓励技术分享、论文阅读与创新探索，支持将前沿成果转化为实际生产力
5、清晰的校招培养路径：入职前3个月mentor带教，半年内逐步独立负责核心模块，1年内具备技术owner能力