小鹏汽车
校招【27届校招】AI软件工程师
上海 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- 硕士及以上学历，计算机、电子、软件、通信、自动化、数学等相关专业。
- 精通 C/C++ 与 Python，熟悉Linux开发环境，掌握gprof/perf等性能剖析工具，具备扎实的数据结构与算法基础和良好的软件工程习惯。
- 具备极强的学习能力、良好的沟通协调能力和团队合作精神。
- 核心技术要求 (满足以下至少一项):
- * 高性能计算：理解GPU架构（如SM/Tensor Core/Memory Hierarchy）及CUDA编程模型（Kernel/Thread Hierarchy/Stream），了解并行计算、缓存优化、向量化指令集（AVX/NEON）等知识。
- * 深度学习工程化：熟悉深度学习模型从训练到部署的全流程，对CUDA、PyTorch/TensorFlow、ONNX Runtime以及Transformer、VLM等流行模型架构有一定了解。 * 底层系统软件：对CPU体系结构、操作系统原理、Linux驱动和应用有较深入的理解。
- 加分项 (有以下经验者优先):
- 有CUDA/OpenCL/ROCm等异构计算平台的算子开发与性能优化经验（课程设计、实验室项目、相关竞赛或开源贡献。
- 熟悉深度学习框架底层，如PyTorch CUDA Extension, TensorFlow XLA等。
- 有嵌入式软件开发、芯片验证或机器人操作系统（ROS）相关项目经验。
- 在RoboMaster、大学生电子设计大赛、大学生智能汽车竞赛等科创比赛中获得优异成绩者。
岗位描述
- 1. 高性能计算核心开发：针对自研芯片架构，设计、开发并优化高性能的CUDA及DSP算子，以支撑大模型推理、实时图像处理等关键业务。
- 2. AI系统集成与验证：负责自研芯片上AI加速器系统的集成与验证，并搭建与完善算子自动化测试验证平台，确保代码的工程化质量与高效落地。
- 3. 嵌入式与算法软件交付：参与高实时性、高算力的嵌入式软件平台与通用机器人操作系统的设计与交付。
- 4. 前沿算法探索与实现：参与自动驾驶/机器人算法（如识别、规划、导航、多模态大模型等）的设计、交付与优化。
- 5. 全栈生态建设：深度参与从芯片需求到架构设计的转换，并为建设高性能计算软件栈的生态做出贡献。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。