单位简介:
赛可智能科技(上海)有限公司是国内汽车行业较早成立的人工智能实验室,以上汽云计算平台、大数据平台以及丰富的业务场景位基础,重点聚焦智慧出行、智能制造、智能驾驶。实验室算法水平国内前列,被誉为“工业领域的alpha go”。为“电动化、智能网联化、共享化、国际化”新四化创新战略提供核心技术支撑。加快推进互联网技术与汽车产业的深度融合,增强创新策源能力。作为公司核心竞争能力的重要组成部分,实验室投资上不封顶。 实验室研究方向: 深度学习、运筹优化、计算机视觉、知识图谱、自然语言处理、机器学习、数据挖掘、分布式智能、智能出行、智能驾驶、智能制造、智能物流等人工智能核心技术和解决方案。
招聘文本:
上汽集团人工智能实验室
2023校园招聘火热来袭
以“让出行充满ai”为使命,
致力于实现“让世界向你驶来”的愿景。
最大风口——我们邀您共往
世界正在经历百年未有之大变革
汽车处于百年大变革的风口浪尖
软件驱动硬件,这是汽车行业转型最快的时代
软件定义汽车,这是加入汽车行业最好的时代
最强平台——我们邀您共舞
这里是上汽集团战略重点项目的孵化器
这里是中国首个汽车人工智能实验室
这里是上海市人工智能创新中心
这里是robotaxi(l4级智能驾驶)的技术策源地
“汽车自动驾驶”引领者“汽车智能网联”推动者
最牛团队——我们邀您共进
这里是中国知识最厚、最有活力的人工智能团队
团队成员来自清华大学、北京大学、复旦大学、上海交通大学等
与优秀者为伍,与智者同行
最佳位置——我们邀您共创
创智天地
长三角最大的科技孵化器,位于上海市杨浦区五角场
毗邻大学路、复旦大学,毗邻5个国家级大学科技园
这里是人工智能发轫的摇篮,软件人才创新的沃土
最棒项目——我们邀您共建
l4级robotaxi战略项目
l2+量产项目
智能座舱项目
简历投递方式:
立即申请:请扫描下方二维码填写个人信息,投递简历!
![](https://scc.pku.edu.cn/data:image/png;base64,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)
请扫描二维码进行职位申请!
或将个人简历投递至招聘邮箱:hrlab@saicmotor.com
校招面试流程:
在线投递>;简历筛选>;笔试>;面试>;发放offer
2023年校招岗位:
点击微信左下方“阅读全文”,查看职位介绍
基础架构工程师
岗位职责:
1.负责智驾系统soc配置脚本及启动脚本的编写及测试;
2.负责自动驾驶软件各模块的集成和调试,与各模块对接,协同优化系统鲁棒性;
3.实现和优化传感器驱动,优化数据流水线,保证低延迟,高质量的车载传感器数据,完善传感器之间的同步;
4.负责公用组件及相关工具的设计与开发。
任职资格:
1.本科及以上学历;
2.熟悉linux系统,掌握shell脚本编程,有linux环境下调试开发经验;
3.熟悉c/c++编程语言,掌握常用的数据结构,熟悉cmake、gdb等开发工具;
4.了解tcp/ip通信协议;
5.具有较强的代码阅读能力和debug能力
6.了解计算机基本原理、自动驾驶常用soc和mcu者优先;
7.熟悉docker等容器技术,熟悉ros等中间件者优先;
多传感器融合定位算法工程师
岗位职责:
1. 负责自动驾驶车辆定位核心算法的研发落地。尤其是基于多传感器(包括imu、gnss、轮速、camera、lidar等)的融合定位算法。
2. 负责算法部署、实车路测与以及上下游模块的对接。
任职资格:
1. 本科学历加3年以上工作经验、或研究生以上学历。
2.熟知惯性导航算法及应用,深入了解滤波算法,包括ekf, ukf等。
标定算法工程师
岗位职责:
1. 负责激光、相机、雷达、gps、imu、里程计等传感器的内外参标定算法开发;
2. 负责各传感器的时间同步、在线标定算法的开发、验证和优化;
任职资格:
1. 本科学历加3年以上工作经验、或研究生以上学历;
2. 熟悉激光、相机、imu、里程计等传感器的工作原理、特性及标定方法;精通kalman滤波、图优化等数学理论,并熟练应用于传感器标定算法中;
激光slam算法工程师
岗位职责:
1. 负责研发和优化基于激光雷达的定位和建图算法,包括(lider ,gps ,imu,轮速计)融合定位算法设计、研发。
2. 负责算法部署、实车路测与以及上下游模块的对接。
任职资格:
1. 本科学历加3年以上工作经验、或研究生以上学历;
2. 了解激光slam基本原理,能根据场景与传感器配置搭建图框架,构建各类约束;良好的数据结构与算法基础,掌握滤波与图优化等融合框架。
3. 在自动驾驶高精定位和高精地图构建方面有经验者优先。
视觉slam算法工程师
岗位职责:
1. 负责视觉slam地图构建以及定位等算法的研发;
2. 负责算法在嵌入式平台的实现、优化以及产品化;
任职资格:
1. 硕士及以上学历;
2. 熟悉ekf、粒子滤波、g2o、ba等算法/工具;
3. 掌握orb-slam2、vins-mono、dso、msckf等开源vslam。
4. 扎实的数学功底,精通线性代数、概率论、微积分;
高精度地图算法工程师
岗位职责:
1. 负责矢量高精度地图引擎及服务开发,如地图数据元素转换、接口适配译等;
2. 研发高精地图中的拓扑关系处理算法、要素自动化识别技术。负责自动驾驶中,局部高精地图的生成算法开发。
任职资格:
1. 本科学历加3年以上工作经验、或研究生以上学历,测绘遥感等专业优先;
2. 熟悉地图格式,了解高精度地图数据模型和格式;有高精地图数据生产算法经验者优先。
感知深度学习算法工程师
岗位职责:
1、负责自动驾驶环境感知算法的开发,包括但不限于激光雷达、摄像头、毫米波雷达等。
2、负责训练框架的开发及应用,包括但不限于弱监督训练框架、自监督训练框架等。
3、负责domain adaption算法的开发和落地。
4、负责模型轻量化算法的开发和落地,包括蒸馏、剪枝及int8量化
任职资格:
1、计算机、dl相关专业研究生以上学历,或其他工科专业有智能驾驶感知算法相关项目经历。
2、熟悉linux/unix开发环境,熟练掌握python,熟悉c/c++。
3、熟练掌握深度学习训练框架,如pytroch。
4、具备良好地深度学习研究开发基础。
多源感知融合算法工程师
岗位职责:
1、参与自动驾驶多传感器融合算法的开发和落地,包括但不限于lc,lrc,rc等
2、开发适用于多传感器融合算法的弱监督及自监督框架
3、开发基于多传感器的多目标追踪算法并落地
任职资格:
1、计算机、dl相关专业研究生以上学历,或其他工科专业有智能驾驶感知算法相关项目经历。
2、熟悉linux/unix开发环境,熟练掌握python,熟悉c/c++。
3、熟练掌握深度学习训练框架,如pytroch。
4、具备良好地深度学习研究开发基础,有多传感器融合算法开发经验者优先。
深度学习模型部署工程师
岗位职责:
1、负责自动驾驶感知算法的部署与调试
2、参与自定义算子或模块的gpu移植与调试
3、负责自定义算子int8移植开发
任职资格:
1、计算机、dl相关专业研究生以上学历,或其他工科专业有智能驾驶感知算法相关项目经历。
2、熟悉linux/unix开发环境,掌握c/c++,熟悉gpu编程。
3、熟悉deep learning相关知识及典型网络。
4、熟悉矩阵计算理论、有int8量化经验者优先。
感知数据挖掘工程师
岗位职责:
1,负责半自动化数据标注生成算法开发
2,负责自动化数据转换与生产平台的搭建
3,从事自动化数据挖掘、场景筛选、数据集构建等算法及系统的开发
任职资格:
1、计算机、dl相关专业本科以上学历,有智能驾驶感知算法相关项目经历。或工科背景,有良好的数据集生成或数据挖掘算法开发基础
2、熟悉linux/unix开发环境,熟悉python/c/c++。
3、熟悉deep learning相关知识及典型网络。
4、有数据集设计与构建经验者优先。
感知系统集成及测试工程师
岗位职责:
1,负责感知模块框架集成、维护与版本管理
2、负责对子系统内的传感器,如激光雷达/camera/毫米波雷达的可靠性进行专项测试,验证测试传感器的边界能力,撰写测试报告;
3、负责根据系统或产品的功能需求完成测试计划的制定,测试方案的编写。
4、通过构建合理的测试集,验证融合感知子系统模型整体功能,包括感知/融合/跟踪等模块,同时反馈故障问题给算法工程师。设计专项数采和测试,建立专项数据场景库,开发数据分析及工具。
任职资格:
1、车辆工程、计算机、自动化、控制工程、信息工程、机械工程等相关专业硕士及以上学历背景;
2、熟悉linux/unix开发环境,熟悉python/c/c++。
3、熟悉ros或类ros系统,有相关开发经验者优先
4,有车企或tier1公司实习工作经历优先;
5,熟悉系统测试基本理论、硬件测试流程及其规范者优先;
6、有汽车通讯(can,uart,spi,i2c,ethernet等)等调试经验优先。
算法工程师-预测
岗位职责:
负责自动驾驶系统预测算法的研发,包括但不限于:机动车/非机动车/行人的行为预测、轨迹预测。
1. 负责研发交通参与者的行为预测和轨迹预测算法;
2. 负责设计先进的深度学习/机器学习算法,解决开放性问题,如拥堵场景加塞等行为预测;
3. 负责算法性能和稳定性的评测和优化;
4. 负责真实路测问题分析与跟踪;
任职资格:
1. 计算机及相关专业本硕士及以上学历;
2. 工作积极主动,具备优秀的问题转化与建模能力,快速定位和解决问题;
3. 优秀的编程能力,熟悉c、c++、python等至少一种主流编程语言,熟悉常用的数据结构和算法;
4. 优秀的沟通与协作能力;
算法工程师-决策与交互
岗位职责:
负责根据道路、周围环境、周围交通参与者等实时交通情况,决定自动驾驶车辆的驾驶行为及动作的执行。算法工程师负责以下一项或几项工作:
1. 负责高性能、高可靠性的预测决策规控的架构设计、系统与模块设计、性能评估指标等;
2. 负责对自动驾驶车辆与周围交通参与者的交互行为进行分析和建模,基于大量路测数据使用ml/dl/rl/gt等方法,快速且稳健地作出行为决策,使系统表现符合人类驾驶习惯,且保证安全与舒适性;
任职资格:
1. 计算机或数学等相关专业硕士及以上学历,或至少2年相关技术领域的行业经验;
2. 工作积极主动,具备优秀的问题转化与建模能力,快速定位和解决问题;
3. 优秀的编程能力,熟悉c、c++、python等至少一种主流编程语言,熟悉常用的数据结构和算法;
4. 优秀的沟通与协作能力;
算法工程师-规控
岗位职责:
负责根据道路、周围环境、周围交通参与者等实时交通情况,决定自动驾驶车辆的驾驶行为及动作的执行。算法/软件工程师负责以下一项或几项工作:
1. 负责高性能、高可靠性的决策规控架构设计与系统开发;
2. 负责高精度、高性能的数值计算算法开发与优化;
3. 负责开发基于数据驱动、机器学习等方法的自动驾驶规控算法;
4. 负责开发和优化兼顾安全性与舒适性的车辆控制算法;
5. 负责基于海量路测数据的数据回注仿真平台开发与评估;
6. 负责内部工具的开发;
任职资格:
1. 计算机、自动化、车辆、控制等相关专业硕士及以上学历,或至少1年相关技术领域的行业经验;
2. 工作积极主动,具备优秀的问题转化与建模能力,快速定位和解决问题;
3. 优秀的编程能力,熟悉c、c++、python等至少一种主流编程语言,熟悉常用的数据结构和算法;
4. 优秀的沟通与协作能力;
5. 对于机器学习方向的算法工程师,除编程能力外还需掌握常见的机器学习算法且对规控算法有一定的理解。
诊断软件开发工程师
岗位职责:
1. 负责底层算法代码维护及接口适配工作;
2. 负责感知融合接口适配及调试工作;
3. 负责底层代码集成及实车部署工作;
4. 参与传感器标定及信号解析工作;
5. 参与adas仿真平台搭建工作;
任职资格:
1. 硕士及以上学历;
2. 扎实的linux环境下c++和python开发能力,熟悉常用数据结构和算法。
3. 熟悉摄像头及毫米波雷达和工作原理,有相关使用经验。
adas标定工程师
岗位职责:
1. 负责adas功能及性能参数实车标定工作;
2. 负责标定文档编写及维护;
3. 参与adas算法调试过程中的问题分析;
4. 负责标定相关工具链研发;
任职资格:
1. 硕士及以上学历,具有标定开发经验;
2. 了解adas相关算法原理,能够熟练使用simulink语言,掌握c++语言;
3. 熟练掌握inca、canoe、canape(至少一种)工具使用及数据分析;
规划控制算法工程师
岗位职责:
1 负责fcw/aeb/acc/ldw/lka/bsd/dow/hwa/lca等adas算法开发
2 参与l2/l3级别自动驾驶感知、融合、决策、规划、控制等算法的开发
3 与其他各模块的工程师协同完成adas算法的集成和实车调试工作
任职资格:
1、计算机/自动控制/应用数学/车辆工程等相关专业,硕士及以上学历;
2、熟练simulink c++和python,有丰富的建模及编程经验;
3、有adas和自动驾驶功能开发经验者优先,参与过量产项目交付者优先
远程驾控开发工程师
岗位职责:
1. 负责远程驾控车端控制器的开发,实现车身横向、纵向的控制和调试;
2. 负责远程驾控视频流传输的开发,实现视频编码、云服务器通信等;
3. 负责与自动驾驶决策融合的策略制定,为自动驾驶的落地运营做安全冗余。
任职资格:
1. 硕士及以上学历,通信、自动化、汽车电子、计算机相关专业;
2. 熟练掌握c/c++语言,掌握常用开发工具和调试手段;
3. 有车载软件项目开发经验,熟悉嵌入式软件开发、测试流程;
4. 了解汽车电子can总线标准及协议栈;
5. 了解视频编码基础,熟悉通讯协议传输开发;
6. 责任心强,具有强烈的团队合作意识,有较强的自我驱动意识。
智能座舱开发工程师
岗位职责:
1. 负责智能座舱平台(安卓/linux)的客户端应用研发、优化工作;
2. 参与app架构设计,并且独立承担部分模块的开发工作;
3. 依据项目进度和需求完成软件功能实现;
4. 以用户为中心,关注产品体验,持续进行体验升级和产品优化;
5. 代码维护,bug修改,性能优化;
任职资格:
1. 本科及以上学历;3年左右工作经验
2. 具有丰富的安卓平台开发经验,且独立负责过安卓程序模块的开发工作
3. 深入理解安卓的消息机制、事件传递机制;熟悉安卓常用控件的使用,具有安卓ui架构的设计经验;熟悉安卓framework原理、阅读过安卓源码的优先;
4. 熟练掌握java语言,具有多线程编程经验;具有良好的编程习惯和面向对象的编程思想。
数据闭环后端研发工程师
岗位职责:
1、参与数据闭环工具链平台的架构设计与研发,编写核心代码;
2、持续提升系统在大规模分布式环境下的稳定性、安全性,不断迭代优化架构。 负责robotaxi数据链路的相关研发工作,包括数据在车辆上的产生、落盘、上传、标签挖掘、分析、问题管理等。
3. 负责自动驾驶数据标注平台、数据管理平台、场景管理平台、模型训练及评测平台的研发工作。
3. 负责robotaxi车队管理平台的研发工作,包括车队实时监控、故障报警、故障处理、数据回放、ota软件迭代管理。
任职资格:
1、计算机相关专业本科及以上学历,有智能驾驶数据挖掘、后台设计、工具链等相关经验优先。
2. 理工科专业本科及以上,学习过计算机专业相关课程。系统性思考、科学分析能力突出,处理过复杂的系统性问题。
3. 熟悉linux/unix开发环境,掌握python/c++/go/java等任意一种;熟练运用sql等数据分析工具及语言。
4、熟悉k8s、docker等开源组件架构及实现原理;有aws/阿里云等公有云使用经验;熟悉devops/ci/cd,具有相应的二次开发能力,优先。
数据闭环前端研发工程师
岗位职责:
1、参与数据闭环工具链平台的前端研发工作;
2、负责前端各类交互设计和实现,持续优化前端体验和页面响应速度,为用户提供更好的体验。
任职资格:
1、计算机相关专业本科及以上学历
2、扎实的计算机知识基础,包括但不限于:操作系统、网络、数据库、算法等;
3、扎实的web技术栈基础,熟悉掌握html,css,javascript,nodejs等;
4、有数据可视化开发经验者优先。
自动驾驶cicd工具链研发工程师
岗位职责:
1、通过框架、平台、工具、流程建设提高代码开发的质量和效率;
2、ci/cd/ct建设和基础设施维护,实现软件开发的持续集成,持续部署,持续测试;
3、负责持续探索软件工程的最佳实践并推动落地。
任职资格:
1、本科及以上学历,
2、熟悉软件工程,了解依赖管理、环境管理、配置管理等相关方法;
3、熟悉c++编译工具链、git、jenkins等持续集成工具;
4、熟悉linux操作系统,熟悉docker容器相关技术;
5、熟悉shell、python或golang等编程语言;
6、具备良好的沟通能力以及协调能力、团队合作、责任心。
自动驾驶数据场景开发工程师
岗位职责:
1、负责制定有效的数据验收流程体系规范,完成第三方数据处理团队的对接、数据标注培训、场景构建培训;
2、负责制定数据处理、数据挖掘、场景挖掘、场景标签方案,对结构化和非结构化数据进行统计分析,针对项目需求提出数据开发方案;
3、对标注数据和场景数据进行质量及成本跟踪分析,实时完成相应的标注体系优化,制订和完善各项数据管理机制。
任职资格:
1、本科及以上学历,有图片、视频、点云、场景标签等数据标注经验,有仿真场景构建等工作经验;
2、深入了解数据标注、场景打标、场景构建的工具链与流程,耐心细致,认真负责;
3、有较强的沟通能力和逻辑思维能力,对新技术有持续的热情,了解ai发展现状和趋势。
自动驾驶仿真平台开发工程师
岗位职责:
1. 参与自动驾驶仿真引擎的架构设计和开发工作;
2. 负责构建仿真环境与工具链,为感知,规控,预测,定位,虚拟交通流等模块开发仿真测试接口;
3. 参与开发及优化车辆动力学模型,并接入仿真平台;
4. 参与设计并开发仿真算法评测工具,构建多维度评价自动驾驶系统;
5. 负责开发仿真平台其他相关工具链。
任职资格:
1、硕士以上学历,博士优先;计算机,自动化等相关专业;
2、熟练试用linux系统和ros开发,具有良好的c++与python编程技术和编程规范;有扎实的数学,算法,网络,数据库基础, 熟悉深度学习、强化学习相关算法;
3. 具备仿真测试工具链开发经验或仿真测试(mil,sil,hil等)经验,熟悉常用的相关仿真软件或开源仿真平台(包括且不限于apollo/vtd/sumo/carsim/carmaker)优先。
自动驾驶仿真测试开发工程师
岗位职责:
1. 搭建仿真测试环境,构建测试数据,部署测试系统;
2. 负责测试计划的实施,测试用例的执行,问题的追踪,并撰写测试报告;
3. 参与设计与开发自动化测试框架,独立完成测试脚本的编写。
任职资格:
1、*本科(或)以上学历(第一学历为*本科),硕士博士优先;计算机,自动化等相关专业;
2、熟练试用linux系统和ros开发,具有良好的c++与python编程技术和编程规范;有扎实的数学,算法,网络,数据库基础, 熟悉深度学习、强化学习相关算法;
3. 具备仿真测试(mil,sil,hil等)经验,具备良好的分析解决问题的能力和逻辑能力,有互联网大厂测试经历优先。
自动驾驶项目助理
岗位职责:
1、负责自动驾驶项目对外合作的项目管理,包括但不限于项目规划、进度安排、难点跟进等;
2、联动多部门及角色确认实施方案,收集和明确需求,保证各项资源投入包括但不局限人力资源,高效任务拆解,对项目进度进行控制和管理;提出合理建议;
3、定期分析和汇总项目状态绩效,提交项目实施内外部阶段报告,多阶段项目状态总结管理;
4、与产品技术紧密协作,理解并落实自动驾驶发展规划,促进项目的落地;
5、负责供应商的管理和跟进,确保供应商按时交付相关产品。
任职资格:
1、硕士学历,计算机、自动化、软件工程等相关专业;
2、勤奋,能够接受饱和的工作状态;
3、热爱学习,能够主动的发现自己的盲点,持续学习包括项目管理,软硬件技术,市场调研,产品定义等各种知识;
4、极富责任心,遇事不推诿,不拖延,把自己当作第一责任人去推进落地解决。
pr/宣发助理
岗位职责:
1、根据公司业务市场发展阶段及产品特性,提出品牌发展策略、公关策略与传播建议。
2、配合完成公司品牌宣传内容、公关传播方向,能够控制具有针对性的传播节奏,负责新闻选题,撰写各类公关稿件。针对不同传播内容精准输出品牌与产品价值,向目标人群进行品牌透传,提升知名度。
3、组织开展前期调研、定位、规划等工作,为新品牌提供品牌宣传、公关传播解决方案,建立对外沟通渠道,维护重要网络媒体、新媒体与自媒体关系,拓展媒体资源库。
4、策划组织品牌活动、公关活动,如媒体采访、发布会、签约仪式、媒体日常交流,对公关活动等市场营销需求及相关资源进行沟通,进行活动效果评估。
5、负责舆情监测与危机公关工作, 建立公司负面曝光响应处理机制。拟定及统一对外口径,监控、评估发布媒体的宣传效果,组织实施和监督公关计划。
任职资格:
1、 硕士学历,新闻、传播、中文等专业,有汽车、科技、人工智能、互联网出行类行业及相关领域媒体实习经历优先。
2、 文字功底强,有较强的新闻敏感性和洞察力,擅长新闻写作,可撰写不同类型宣传稿件、公关稿件。具备良好的语言逻辑能力、较强的创意和审美力。
3、有优秀的策划能力,具有缜密的逻辑策略思维能力,能够洞察市场需求为立场,善于洞察社会情绪、 总结传播规律,对宣传内容制作与传播有心得经验。
4、善于沟通、 抗压性强、乐观细心,能妥善处理复杂的内部与外部需求,协助完成市场扩展、品牌宣传、对外公关等对外事宜。
请发送简历到hrlab@saicmotor.com