首页 > 最后,还是选择了智加科技Plus(秋招总结,长文)
头像
不改了求好offer
编辑于 2022-05-15 13:25
+ 关注

最后,还是选择了智加科技Plus(秋招总结,长文) 内部员工回复

从秋招开始到秋招结束,大概有两三个月。期间,我感觉自己一直处于一种在焦虑和欣喜中反复横跳的状态。到现在,终于一切尘埃落定。我写下了这篇文章,既是对我秋招的总结,也希望各位牛友能从我的心路历程中获得一些参考。

我的行业选择

当前世界经济进入下行通道,我的老师上课时总说,这一年是近五年中求职最差的一年,但也可能是未来五年中最好的一年。也有人说,后面的这个五年可以换成二十年。虽然身处象牙塔内,但在这次秋招期间,我也确实感受到了这股时代寒流。

我所在的学校允许学生转专业。13年,大批学生转土木、汽车等专业。14年,土木行业遇冷,土木转专业绩点应势触底,土木成为转出大户。及至19年,汽车行业遇冷,因为有自动驾驶这个新兴增长点,转入绩点还不至于碰到底线,但大幅度下降已在眼前。与之相对,从14年起,电信专业成为新的转入大户,转入绩点一路上升至顶。

转专业是个好政策,本意是让学生们结合自己的兴趣和能力,多一次选择的机会。但按实来说,在本科阶段,大部分学生是无法确定自己真正的兴趣的,想确定下来需要时间、运气或人生经验。在这样的前提下,去一个前景好的专业是最佳选择,这一点无可厚非。不过学弟学妹们也要当心,随着生化环材机土等"天坑专业"的同学们越来越“看透”本专业的前景,提前断了在老本行里混出头这个念头。接下来的几年里,无数学生会转入计算机行业,届时大量初级职位会发生内卷,知乎上有很多类似问题算法岗诸神黄昏,算法初级职位内卷,如何选择适合自己的方向?大家可以参考。

我不会唱衰计算机和互联网,它们是当前最好的专业之一。我也相信未来是计算机的,但需要注意的是,它不一定完全是属于程序员的。所以在选择行业时,我的个人建议是,在不断提升自身技术的同时,可以稍微多关注一些交叉领域,从而避免35岁时被更年轻的更有拼劲儿的小伙子们替代的命运。

具体要投身什么领域,学弟学妹们可以仔细想想。当然不限于交叉领域,但一定要多想想,再多想想。

对我个人而言,我很早就确定了第一份工作会在计算机+交通运输这一块儿。现在外界看衰自动驾驶比较多,但我相信这是一个能改变世界的行业,只不过前进路上还有很多障碍要克服。其实在深度学习还没火以前,搞这一行的也沉寂过很长一段时间,而到了现在,那些人都获得了坚持的成果,现在再想入门分一口蛋糕已经很困难了。既然没赶上这一个风口,那就耐住五年十年寂寞,提前为下一个可能的风口做准备?这也是一种选择。

我的公司选择

行业认识

对有的方向有的同学,选公司很简单,阿里腾讯字节就在那里,没什么好纠结的,但有些行业要更复杂些。另外,也不是每个人都是天选之子,对于大多数的“我们”,在具体选择第一个公司以前,一定要多深入理解这个行业,在这个基础上,再对备选offer进行评估,不要盲目追逐公司的名气,也不要太过于看重前几年的薪资,offer选择要综合考虑。

在我自己投身自动驾驶行业前,我总结了以下几点,也希望能给这行的朋友们提供一点参考。选择其他行业的同学,也可以想想自己行业有无可总结的点。

(1)自动驾驶这个大方向是没错的,这是人类出行的自然进化目标,绕不过去,但是实现它的过程是漫长而曲折的,需要技术突破,需要法律保障,需要政府推动,需要民众支持,需要协调保险等各行各业。

(2)自动驾驶拼的不仅是技术,还要拼产业整合能力,最终想成的话,在上游需要有主机厂车企支持或参与,在下游需要有可落地的场景。自动驾驶能不能真正活下来,还有一点需要关注的是,在实现最终目标的路上,有无中间输血能力。所以目标定在L4没问题,但在过程中还是要选择性地完成L2和L3的。

(3)自动驾驶的实现离不开政府推动。所以我们也能看到,除了一线大城市北京、上海等之外,苏州长沙等城市也在加快自己的自动驾驶布局,主要方法有建立自动驾驶运营示范区、拉顶级头部企业入驻。

(4)自动驾驶的发展,我们可以学习美国部分公司,尤其是技术层面和政策层面。谁能成为中国的waymo和cruise呢?它会出自车企的自动驾驶部吗?还是自动驾驶科技初创公司?

(5)自动驾驶的发展有圈地效应,也有头部效应,我不认为这个市场能被一家公司分完,但你要加入的必须是这一行最有可能出来的前几家公司之一,而在选择这样的公司时,圈地效应可以作为参考。

(6)自动驾驶落地时要选好场景,在我个人看来,商用车自动驾驶比乘用车自动驾驶会更先落地。原因有三条:需求,成本,难度。首先是需求,以干线物流为例,商用车人力成本居高不下,且司机劳动力已严重不足,未来推进自动驾驶几乎是必经之路。对成本而言,相比于商用车本来的基础成本,对其附加自动驾驶系统是在成本可接受范围内的,另外自动驾驶带来的人力成本削减和一些汽车运行成本(油费等)削减对实际运营是有价值的。就难度而言,商用车一般应用在限制场景下,因此要处理的问题在大部分维度上都减少了。

(7)商用车自动驾驶主要有干线物流、最后一公里、以码头等代表的封闭场景,其中真正有万亿市场的还是干线物流。目前在干线物流里国内做的比较好的有图森未来,智加科技Plus等。前者不必多说,后者联合了一汽解放、满帮等,打通了上下游场景。

考虑因素

回到选offer本身,在以上行业认识的基础上,我给的公式是:岗位>平台>生活>薪酬。其中,岗位包括技术水平,培养机制等。平台指的是岗位的base、当前的段位和未来的发展潜力。生活包括,是否996?公司工作氛围文化等。996真的不是“福报”,是剥削。不要感觉自己年轻可以一直熬夜,合理地时间分配才能发挥出最大产能,我一直认同这一点。薪酬,包括起薪、福利和涨薪机制等。

我秋招时一共投递了八家公司,共拿到七个面试,最后获得了五个offer,大致可分为三类,以智加为代表的初创科技企业offer,以商汤科技为代表的AI独角兽(互联网)自动驾驶部offer,以某车企前瞻部为代表的主机厂offer。对了,需要补充一点,由于个人原因,我投递的公司base都在江浙沪。

最终选择

中间也纠结了一小段时间,最后选择了智加Plus作为第一家加入的公司,整体上都是很个人化的原因,但还是记录下来。

从岗位上看,相比于其他部分公司给我提供的岗位,我更偏向于智加这里提供给我的,能让我接触更多,成长更快的系统岗。通过一些渠道,我也了解了这里的创始人和技术人员的背景,且知道它们当前的技术水平已经跨过了demo期,并已经在下一个阶段发展了相当长一段时间。另外关键一点是,我确定真正入职时,会有大牛mentor带我一段时间,而不是自己完全solo,这样试用期会稍微好过一些。

平台这一点是让我纠结时间最长的,商汤等整体上应该是更好的平台,自动驾驶部也汇集了很多顶尖人才,来这里镀金不能否认是一个很好的选择。不过正如我前面所调研的一样,我非常看好智加科技的未来潜力,因为它选择的商用重型卡车自动驾驶这个落地场景,因为它和一汽解放成立了挚途这个上游绑定关系,因为它和满帮集团深度合作这个下游绑定关系,因为它和相城/苏州/江苏地方政府的关系,因为它的创始人的成功创业背景。

生活和薪酬这两项反而是完全没有纠结的,工作很重要,生活也很重要,要寻求一个平衡。身体是自己的,毁了就真的没了,没了就什么都没了。

薪酬整体上令人满意,且因为在苏州也提供岗位,想毕业初就攒钱的同学可以多考虑考虑。

以上这些是我自己选择公司的心路历程,正如我所言,这是一个非常个人化的过程。不过这个心路历程应该也能给其他朋友们提供一些参考。

面试和准备

关于各家公司的面试问题和面试感受,我会抽时间再单独开一个帖子介绍。有几点是各家公司面试共通的。第一,项目一定要深挖,自己项目优缺点都要知道的清清楚楚,对于缺点也要了解可能的预期方案是什么,是否有一些公司/学术机构已经解决了这些问题。第二,基础知识要扎实,编程等。

单单针对准备的话,简略可以概括如下

(1)C++11/14 ,multithreading ,cocurrency control,smartpointer,virtual等各种语言特性要了然于心

(2)leetcode越早刷越好,刷到400题以上

(3)熟练掌握git/linux/docker/cmake等工具链

当然你得定个方向,自动驾驶这块儿太大了,做全栈是很难的。这里随便列举几个,中间参考了一些“一亩三分地”上的论坛讨论。

(1)vehicle simulation在将来会有更大的市场,尤其是multi-agent的interaction,可以多关注一些Carla这种平台,多关注一些云仿真技术。具体可以查看下公众号“自动驾驶仿真”的一些文章。

(2)perception,应该是目前最火的方向,基于camera的computer vision和lidar的point cloud processing,一些传统算法像3D reconstruction, optical flow, LK tracking要了解,能用python或C++实现。lidar的看看PCL上的tutorial。像YOLO这些state-of-art的算法可以从Github上drag一个下来跑一跑。数据集可以在kitti dataset上找。还有可以学一些sensor fusion的算法,在ROS上把lidar data和camera data register到一起。

(3)SLAM, 尤其是visual SLAM可以先了解下prediction & motion planning,这两者是不分家的,可以学习下RRT算法和一堆衍生算法

(4)Control, 经典的PID和业界较常用的LQR,这里可建议的不是很多,请大家再多搜索。

(5)machine learning,这个就不用说了,Andrew Ng的课可以看看,pattern recognition那本书也很推荐,要把数学基础打好不能只会套用框架。熟练掌握一种框架,推荐新手入手Pytorch

(6)System, 有的地方也叫嵌入式,basis是编译原理,操作系统,计算机系统等,具体要求都可以看各大公司的岗位描述。

全部评论

(28) 回帖
加载中...
话题 回帖

相关热帖

历年真题 真题热练榜 24小时
技术(软件)/信息技术类
查看全部

近期精华帖

热门推荐