AI 系统架构师（智能车控方向）

人才画像 — 我们在找什么样的人？ 一位既懂汽车控制系统架构、又具备AI算法落地经验的资深技术专家。 你不需要在每个AI子领域都是顶尖科学家，但你需要能从架构层面设计"AI + 汽车"的技术方案， 带领团队完成从0到1的核心能力建设。 一句话概括：用 AI 重新定义智能车控系统的架构师。 一、岗位背景 我们正在组建核心AI研发团队，寻找一位AI 系统架构师，主导智能汽车在 智能车控与安全、物理AI仿真两大方向的系统架构设计与核心能力建设。 该岗位的核心价值在于：定义技术架构、搭建能力平台、推动认知越级——而非单纯的算法研究或单一模块开发。 你将直接汇报给部门总监，带领5-15人技术团队，从架构层面为组织的AI+汽车能力体系奠定基础。 二、岗位职责 方向一：智能车控与安全架构 1. 覆盖 SOTIF（预期功能安全）+ 强化学习 VMC（车辆运动控制）+ 路面感知系统，均围绕底盘控制系统 2. 系统架构设计：主导底盘控制系统（制动系统、EPS转向控制）的 SOTIF 技术架构设计，定义安全目标、功能修改及验证确认策略；主导基于强化学习的底盘 VMC 系统架构设计，定义状态/动作空间、奖励函数、训练-部署架构及安全层（Safety Layer）方案；设计路面感知系统架构，融合视觉、雷达与底盘传感器，实现路面附着系数、不平度及类型识别，为 VMC 提供精准路面输入。 3. 方案落地：推动 SOTIF 方案在核心项目中的工程落地，建立危害分析、风险评估及 V&V 方法论；推动 RL-VMC 从仿真训练到实车部署的闭环验证，解决 Sim-to-Real 迁移关键问题；推动路面感知与 VMC 的联合标定与端到端验证。 4. 能力建设：搭建 SOTIF 开发流程体系与验证能力平台；搭建 RL 训练基础设施（仿真环境、训练集群、模型管理），建立技术储备与迭代闭环；建立路面感知数据采集与评测体系。 方向二：物理AI仿真平台 覆盖高精度动力学仿真、智能灯光环境仿真、整车热系统仿真 + 舱内多模态感知 1. 平台架构设计：设计物理AI仿真平台整体架构，定义动力学仿真、传感器仿真、环境仿真的模块化分层方案与数据流拓扑；设计舱内多模态感知系统架构，融合视觉、声音与基础传感器，实现驾驶员状态、乘员意图及舱内环境感知。 2. 核心模型构建：主导高精度车辆动力学仿真模型（多体动力学+轮胎模型+参数辨识）、智能灯光系统环境仿真（光源物理建模+场景光照渲染）、整车热系统仿真（电池热管理+空调+电驱冷却多回路耦合）的架构设计与关键技术选型。 3. 能力建设：打造"物理建模 → 仿真生成 → AI训练 → 实车验证 → 模型校准"的数据驱动闭环，建立仿真可信度评估体系与平台运营能力；搭建舱内多模态数据采集与标注平台，建立感知系统评测体系。 【任职要求】 🔴 必须项（硬性门槛） 1. 系统架构能力：具备汽车控制系统（底盘控制/车辆动力学/智能灯光/智能空调/座椅协同控制）的系统级架构设计经验，能从架构层面定义系统边界、模块划分、接口规范及性能指标。 2. AI 工程落地经验：在以下至少 2 个方向有实际项目落地经验（非纯研究）： ① 感知（底盘传感器信号处理/车辆状态估计/路面状态感知） ② 认知（场景理解/意图预测） ③ 规控（轨迹规划/MPC/RL控制） ④ 数据（数据闭环/标注/挖掘） 3. 技术栈匹配：熟悉以下至少 2 类工具/框架（详见下方技术栈参考）。 4. 学历：硕士及以上，计算机/AI/自动化/车辆工程/控制工程/机器人学等相关专业。 5. 团队管理：具备 5 人以上技术团队管理经验，能制定技术路线图并推动落地。 领域 技术栈关键词（熟悉其中部分即可） 1. 仿真平台 CARLA、NVIDIA Isaac Sim、Gazebo、MATLAB/Simulink、CarSim、AMESim、Dymola 2. AI/ML 框架 PyTorch、TensorFlow、JAX、Ray/RLlib、ONNX、TensorRT 3. 感知算法多模态融合（前融合/中融合/后融合）、车辆状态估计、路面参数辨识 4. 强化学习 RLlib、Stable-Baselines3、Isaac Gym / Isaac Lab、MuJoCo、Gymnasium、Domain Randomization、Sim-to-Real、Safety RL 5. 控制与安全 MPC、RL（PPO/SAC/DDPG）、ISO 21448（SOTIF）、ISO 26262（FuSa）、ROS2、DDS 6. 工程基础 C++、Python、Linux、Docker、Kubernetes、CI/CD、数据闭环管线 🟢 加分项（优先考虑） 1. 有 ISO 21448（SOTIF）标准实际应用经验，或 ISO 26262 功能安全项目经验。 有强化学习 Sim-to-Real 迁移的成功案例（仿真训练→实车部署）。 2. 在 ICRA、IROS、CVPR、NeurIPS、CoRL 等顶会/期刊发表过相关论文。 有端到端车控模型（感知-规划-控制联合优化）、世界模型、Foundation Model for Robotics 相关研究或工程经验。 3. 有大规模仿真平台（千级并行仿真节点）或数据闭环平台的建设经验。 熟悉整车电子电气架构（E/E Architecture）或 SOA 架构。 四、我们提供 1. AI 架构主导权：从 0 到 1 定义两大技术方向的系统架构，你的设计将直接影响核心产品的技术路线。 2. 能力建设空间：充足的算力、仿真及实车验证资源，支持搭建行业标杆级研发平台。 3. 团队配置：带领 5-15 人精锐技术团队，拥有技术路线决策权与资源调配权。 创新土壤：鼓励前沿探索与顶会发表，支持开源贡献与行业影响力建设。