【岗位职责】 小鹏AI数据闭环平台团队，打造支撑百万级路采、千卡GPU的自动驾驶与具身智能AI基础设施。你将处理PB级多传感器数据，直面分布式训练、大模型标注等工业级挑战，深度应用VLM自动化标注、Milvus向量检索、流批一体、GPU调度等前沿技术。参与数据接入→训练→推理→回流全链路建设。27届校招专属培养，mentor带教，目标快速独立负责核心模块。 方向一：大规模数据处理 1、开发Spark/Flink ETL流水线，处理车载传感器数据（图像/点云/GPS/CAN）； 2、构建多模态Embedding生产流水线，支持分布式特征提取； 3、探索VLM自动标签生成，减少人工标注依赖； 4、构建驾驶场景语义检索系统（如“夜间雨天前车急刹”）。 方向二：数据建模与治理 1、设计数仓分层模型（ODS/DWD/DWS/ADS），支撑算法训练； 2、构建数据血缘与元数据管理体系，确保全链路可追溯； 3、制定多模态数据Embedding规范，保障特征输入质量。 方向三：AI平台架构与优化 1、搭建Iceberg/Doris湖仓一体架构，兼顾灵活性与查询性能； 2、开发Milvus向量数据库，支撑亿级低延迟检索； 3、优化存储计算性能（分区/压缩/缓存），探索流批一体、存算分离； 4、设计Parquet/ORC存储策略，优化I/O吞吐。 方向四：分析工具与可视化 1、开发BI看板，监控数据质量与核心指标（准确率/接管率/覆盖率）； 2、提供多模态检索接口，支持文本搜视频片段。 【任职要求】 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。