主分类：机器人与自动驾驶算法研发
辅助：大模型与生成式算法研发（仅展示）
来源 JD 数据（旧分类保留，当前主分类见上方）
{
"schema_version": "via_ai_product_manager_jobs_v1",
"data_type": "ai_product_manager_jobs",
"job": {
"job_title": "高德-多模态大模型/端到端算法工程师/专家-车道级导航方向-视觉技术中心（急招）",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "阿里集团",
"location": "北京",
"work_mode": "未披露",AI生成
"job_category": "技术类-算法"AI生成
},
"company": {
"company_name": "高德",
"company_industry": "数字地图 / 导航服务",
"company_size": "未披露",
"company_website": "alibaba.com",
"company_description": "高德提供电子地图和导航服务。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": 5,
"degree": "硕士及以上学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "我们是谁？\n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。\n团队gihub主页：https://github.com/amap-cvlab\n为何加入我们？\n挑战世界级技术难题，追求智能上限\n用AI驱动国民级APP的产品迭代和颠覆式创新\n岗位职责：\n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：\n1. 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；\n2. 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；\n3. 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；\n4. 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；\n5. 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；\n6. 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。",
"requirements_text": "学历与专业背景：\n5 年以上自动驾驶或机器人领域算法研发经验，硕士及以上学历，计算机视觉、自动驾驶、机器人等相关专业。有车道级定位、高精地图或视觉导航方向的核心模块负责人经历优先。\n能力要求:\n- 精通视觉定位与多传感器融合定位技术（端到端定位、Map-basedLocalization、VIO），有从算法设计到车端落地的完整经验\n- 熟悉视觉语言模型（CLIP/LLaVA/Qwen-VL）及多模态对齐方法，有 VLN 或 VLM在驾驶场景的研究或落地经验\n- 具备大规模模型训练与分布式训练（DeepSpeed/FSDP）的工程能力，熟悉端侧推理优化（量化/蒸馏/TensorRT）\n- 对\"\"车端定位&导航\"\"、\"\"视觉语言模型导航\"\"等技术路线有系统性判断力，能独立做技术选型决策\n- 具备前沿技术敏感度与学术输出能力，能持续跟踪 SOTA 并推动技术转化",
"skills": [AI生成
"计算机视觉",
"算法设计",
"模型训练"
],
"preferred_qualifications": "有车道级定位、高精地图或视觉导航方向的核心模块负责人经历优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://talent.amap.com/off-campus/position-detail?positionId=100003440007"
}
]
},
"posting": {
"posting_id": "100003440007",
"post_date": "2026-09-14",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://talent.amap.com/off-campus/position-detail?positionId=100003440007"
},
"fulltext": "高德-多模态大模型/端到端算法工程师/专家-车道级导航方向-视觉技术中心（急招）\n高德-多模态大模型/端到端算法工程师/专家-车道级导航方向-视觉技术中心（急招）\n\n基础信息\n职位类别：技术类-算法\n工作地点：北京\n\n职位描述\n我们是谁？\n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。\n团队gihub主页：https://github.com/amap-cvlab\n为何加入我们？\n挑战世界级技术难题，追求智能上限\n用AI驱动国民级APP的产品迭代和颠覆式创新\n岗位职责：\n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：\n1. 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；\n2. 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；\n3. 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；\n4. 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；\n5. 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；\n6. 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。\n\n职位要求\n学历与专业背景：\n5 年以上自动驾驶或机器人领域算法研发经验，硕士及以上学历，计算机视觉、自动驾驶、机器人等相关专业。有车道级定位、高精地图或视觉导航方向的核心模块负责人经历优先。\n能力要求:\n- 精通视觉定位与多传感器融合定位技术（端到端定位、Map-basedLocalization、VIO），有从算法设计到车端落地的完整经验\n- 熟悉视觉语言模型（CLIP/LLaVA/Qwen-VL）及多模态对齐方法，有 VLN 或 VLM在驾驶场景的研究或落地经验\n- 具备大规模模型训练与分布式训练（DeepSpeed/FSDP）的工程能力，熟悉端侧推理优化（量化/蒸馏/TensorRT）\n- 对\"\"车端定位&导航\"\"、\"\"视觉语言模型导航\"\"等技术路线有系统性判断力，能独立做技术选型决策\n- 具备前沿技术敏感度与学术输出能力，能持续跟踪 SOTA 并推动技术转化\n我们是谁？\n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。\n团队gihub主页：https://github.com/amap-cvlab\n为何加入我们？\n挑战世界级技术难题，追求智能上限\n用AI驱动国民级APP的产品迭代和颠覆式创新\n岗位职责：\n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：\n1. 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；\n2. 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；\n3. 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；\n4. 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；\n5. 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；\n6. 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。\n学历与专业背景：\n5 年以上自动驾驶或机器人领域算法研发经验，硕士及以上学历，计算机视觉、自动驾驶、机器人等相关专业。有车道级定位、高精地图或视觉导航方向的核心模块负责人经历优先。\n能力要求:\n- 精通视觉定位与多传感器融合定位技术（端到端定位、Map-basedLocalization、VIO），有从算法设计到车端落地的完整经验\n- 熟悉视觉语言模型（CLIP/LLaVA/Qwen-VL）及多模态对齐方法，有 VLN 或 VLM在驾驶场景的研究或落地经验\n- 具备大规模模型训练与分布式训练（DeepSpeed/FSDP）的工程能力，熟悉端侧推理优化（量化/蒸馏/TensorRT）\n- 对\"\"车端定位&导航\"\"、\"\"视觉语言模型导航\"\"等技术路线有系统性判断力，能独立做技术选型决策\n- 具备前沿技术敏感度与学术输出能力，能持续跟踪 SOTA 并推动技术转化",
"standard_classification": {
"std_category_code": "T013",
"std_aux_codes": [
"T010"
],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}