自动驾驶/智能座舱
自动驾驶 / 智能座舱垂直工程岗——OEM 主机厂 + 一级供应商主导，技能要求和大模型应用层差异极大。
101 条岗位里，sample title 集中在「自动驾驶项目经理 / 安全员 / 智能座舱工程师 / 测试」，top 公司是百度、奔驰、京东物流和一些 Tier 1 工程公司。这是一条相对独立于大模型浪潮的赛道——automotive 行业占 73 条，明显汽车产业链导向。技能栈以 C++ / 视觉 / 嵌入式为主，和 ai_engineer 那条 LLM 应用线几乎不重叠。中位月薪 26.9k，5 年经验中位，是车产业升级的工程位子而不是 AI 风口位子。
JD 明确写出来的卡控项（学历 / 专业方向）+ 实际工作内容（职责短语原文）
学历分布
107 条样本高频专业 top 5
0 / 107 条 JD 提到（0%）该角色簇 JD 中未明确写专业方向。
CN/EN 同义词已合并（如「计算机」/「Computer Science」/「计算机科学」 → Computer Science）
高频职责短语 top 5
9 / 107 条 JD 写出职责（8%）- ×2数据飞轮构建：主导座舱多模态大模型（VLM/LLM）的数据飞轮架构设计，构建涵盖自动抓取、智能清洗、高质量合成（Synthetic Data）及自动化评估的全链路管线
- ×2数据策略研发：深度参与模型后训练（SFT/DPO）策略，通过数据实验挖掘“黄金样本”，解决座舱场景下语音、视觉、车辆信号等多模态对齐的疑难杂症
- ×2合成数据创新：探索利用大模型进行数据合成与增强（SDG），解决长尾场景（Corner Cases）数据稀缺问题，从源头提升模型的泛化能力
- ×2大规模算力优化：基于 Ray/Spark 等框架，优化万亿级 Token 的处理效率，挑战多模态超大规模数据的计算瓶颈
- ×2质量度量体系：建立数据与模型效果的强关联指标，通过自动化评测闭环，量化每一批次数据对模型“智商”的贡献
样本量小（仅 8.4% JD 有职责文字），下面更像 JD 示例而非高频共识。该角色的 JD 多为列表页快照，缺正文
直接取 JD 中职责描述原文做简单计数，重复频次反映这岗位日常做什么
精选核心技能（手挑信号清晰的 4 项，不完全按计数排序）
完整技能分布 — Required（在 JD 中作为硬性要求） vs Preferred（加分项），按 JD 出现次数
汽车 / 嵌入式 / 视觉算法背景的人；有 C++ + ROS / SOA / AUTOSAR 实战经验更佳。
只懂大模型 / Agent 应用层、没碰过实时系统 / 嵌入式的人——这条线工程约束和 AI 应用层的开发节奏完全不同。
车端 / 座舱专用栈 vs 通用算法栈——这条线的工程约束（实时性 / 安全 / 法规）和大模型岗完全不同。
- ·自动驾驶安全员
- ·智能座舱项目管理
- ·智能座舱工程师
- ·智能座舱测试
- ·智能座舱测试工程师/测试专家
- ·智能座舱系统工程师
- ·智能座舱平台项目管理
- ·智能座舱软件项目经理
薪资 = 月薪人民币口径（海外岗已用各币种汇率换算 ÷12 月化）。样本量小于 30 的分位值参考性弱。