算法落地了，公司却没了。。。

2024年，对于我来说是一个曲折坎坷的一年。

我是一名自动驾驶算法工程师，准确来说是做感知模型的。都说男怕入错行，我毕业后就进入了一家豪华新能源车企，在自动驾驶快速发展的这两年，吃到了一波红利，薪水比同期毕业的同门都高很多，说实话，还是有点小骄傲的。

到了2023末，技术的更新迭代让我感到有点害怕，BEV、OCC这些我都只有一点理论知识，没有真的落地到车上。于是，2024年初在前同事的内推下跳槽到了一家明星自动驾驶公司，背靠大型主机厂，高管都是豪华履历，虽然也有点传闻陷入危机，但我感觉应该能扛过去，毕竟有技术实力，能将项目实际大规模量产是我很看重的一点。

在这里我学习到了很多模型量产中遇到的问题，尤其是支持泊车项目，技术栈丰富了很多。但有一点要吐槽，公司人员太分散了，基本一线城市全覆盖了，确实交流没那么方便。在这里的几个月虽然动荡，但同事都还算nice，不过眼瞅着每况愈下，我也实在撑不下去，想着试用期还没过呢，夏天快到了，我却感到寒冷无比。不过我们技术人员不愁工作，很快在猎头的推荐下，我凭借泊车项目中现学的一些技能（简历也包装了下），上岸一家泊车明星公司，据说马上要上市了，希望可以多多稳几年，现在大环境不好，希望能抱个大树，好乘凉。

今年来，明显感觉到，智驾的趋势正在往端到端和大模型上靠拢，通过一些专业平台（如自动驾驶之心）的内容趋势就能看出来，确实对方向的把握是一个算法工程师未来发展不可或缺的能力，前同事中有几个就趁着动荡期去学习大模型和端到端技术，学了学UniAD，跑了跑demo，现在都跑到某有理想的头部新势力端到端和大模型相关组去了，薪资直接double，感叹选择太重要了。

我业余时间也开始关注端到端和大模型，学习了很多自动驾驶之心平台的课程，越是了解的多了，就越感觉真的是降维打击，传统的方案一定会被淘汰，大厂投重金去做的事情，大概率错不了。

平时和公司同事一起聊天，发现大家还是懂概念的多，真的一些细节就说不清了，要不咋说好多智驾公司是个草台班子呢，粗看看论文解读就觉得自己懂了，这是要不得的，还是还是得沉下心来学习，很多坑得亲自踩一踩，要加速就只能是跟着大佬学习。

转眼过了几个月，我也成功转正，并受那几个搞端到端的前同事的邀请加入了自动驾驶之心知识星球，内部就像个自动驾驶版知乎，省了我很多找资料的时间，还能私聊问一些问题，随着了解的增加，也坚定了要从传统感知模型转端到端和大模型的信念。

没想到今年的坎坷还没有结束，这快到年底了，公司通知停薪了。虽然我前面两家公司都基本倒闭了，没想到会迎来第三家，真的非常抱歉，我成了影响大环境的人了。

成年人没有退路可言。继续投简历面试，现在这个时间点求职市场却是热闹非凡，还有两家车企的很多人都在这个时间点求职，竞争激烈。一家杭州的主机厂在面试我的时候，和我聊了很多关于端到端的技术，虽然我并没有实际落地经验，但理论还算扎实，也跑了 几个课程项目，最终在2024年的最后一天顺利拿到offer。

今年的心情就像过山车，失望希望再失望，还好2024年最后是希望。真的非常感谢遇到的同事还有技术交流社区的很多大佬，算法工程师这个岗位，已有经验很重要，但能及时快速的切入新的热点更重要。

希望2025年和我一样有糟心经历的大家能时来运转。

坦白的说，这两年自动驾驶的前沿技术栈更新非常快，从BEV、无图到端到端用了不到两年时间，而现在 各大厂商又瞄向VLA、闭环仿真、通用大模型等等，2025年会有新一批的领先玩家上桌，让我们拭目以待。自动驾驶之心始终认为 保持终身学习 才是不变应万变之法，打铁还需自身硬。而 自动驾驶之心知识星球 就是为了这个目的打造的，两年时间我们一直在路上，一直在进步。目前已经陪伴了近4000名小伙伴的日常学习和工作。 年底了，自动驾驶之心知识星球进行了盘点，从成立到现在2年多时间里，我们：

• 发布内容6500+篇；
• 内容阅读超200万+次；
• 文字记录超500万+字，相当于写了6.5本《三体》。

在内容和知识分享这件事上，我们充满热情，绝不含糊。 每天只需6毛钱 就能拥有以上所有，且每天都在更新的自动驾驶私域知识宝库。

新用户96元现金优惠！微信扫码领取

如何成功苟住？

成功苟住的前提是个人技术和视野要常用常新，要让自己能搞定一个或多个模块，要常和行业内人士交流（比如经常参加行业大佬的直播）。一起为智驾站台，一起相信智驾的未来！最后真心推荐大家加入 『自动驾驶之心知识星球』 ！

『自动驾驶之心知识星球』 已经近4000人了！说句心里话， 作为长期排名前十，内容和活跃度超过99%的平台，我们倾注了全部心血， 社区就像个孩子一样，在大家细心的照料下，终于长大成人了。我们给大家准备了一个现金优惠大礼包，绝对超值。

新用户96元现金优惠！微信扫码领取

自动驾驶之心知识星球，创办于2022年7月份，致力于打造为自动驾驶行业中的 ”黄埔军校“，目前 已近 4000 人 ，聚集了近60+自动驾驶行业专家为大家答疑解惑。这是国内首个以自动驾驶技术栈为主线的交流学习社区，汇总了 自动驾驶感知 （目标检测、语义分割、车道线检测、BEV检测、Occupancy、在线地图、目标跟踪、多模态、多传感器融合等）、 自动驾驶定位建图 （高精地图、SLAM）、 自动驾驶规划控制与预测、多传感器标定、端到端自动驾驶、自动驾驶仿真、自动驾驶开发、领域技术方案、AI模型部署落地 等几乎所有子方向的学习路线！除此之外， 还和数十家自动驾驶公司建立了1v1内推渠道 ，简历直达！这里可以自由提问交流， 许多算法工程师和硕博日常活跃，解决问题 ！初衷是希望能够汇集行业大佬的智慧，在学习和就业上帮到大家！星球的每周活跃度都在国内前30，非常注重大家积极性的调度和讨论，欢迎加入一起成长！

星球内已经打磨出近 30+ 的学习路线，涉及端到端自动驾驶、BEV感知、动态/静态障碍物检测、多传感器融合、多传感器标定、目标跟踪、模型部署与cuda加速、仿真等方向，沉淀了大量工程上的解决方案、学术上的优化思路！星球主要内容一览：

这些热门技术方向，星球里面全都有！

现在自动驾驶技术迭代期越来越短，从原来的单目3D到BEV，再到OCC，再到大模型和端到端，高阶智驾现阶段的技术点已经比较清晰。

O、热门方向大佬视频分享

1.前沿工作

• 【Senna: 一种将LVLM（Senna-VLM）与端到端模型（Senna-E2E）相结合的自动驾驶系统】对两个数据集的广泛实验表明，Senna在规划性能上达到了最先进的水平；

• 【Ramble：具有强化学习的高交互交通场景中的端到端驾驶】Ramble在CARLA Leaderboard 2.0上实现了路线完成率和驾驶评分的最新性能；

• 【CARLA中的端到端自动驾驶全面综述】讨论了基于CARLA的最先进实现如何通过各种模型输入、输出、架构和训练范式解决端到端自动驾驶中遇到的各种问题；

• 【端到端预测和规划最新SOTA！一种用于端到端自动驾驶的新交互机制：PPAD】。

2.报告和行业大佬直播分享

大模型

1.前沿工作

• 【全面回顾当前关于L(V)LM在自动驾驶应用方面的研究】重点关注四个关键领域：模块化整合、端到端整合、数据生成和评估平台。

• 【自动驾驶中的大语言模型（LLM4AD）：概念、基准、仿真和实车实验】LLMs在提升自动驾驶技术各个方面的显著潜力，包括感知、场景理解、语言交互和决策；

• 【基于 LLM 驱动的鲁棒 RL 自动驾驶数据合成与策略调整】RAPID能够有效将LLM的知识整合到缩减版的RL策略中，以高效、适应性强且鲁棒的方式运行；

• 【大型语言模型会成为自动驾驶的灵丹妙药吗？】本文对LLM在自动驾驶系统中的潜在应用进行了详尽的分析。

2.报告和行业大佬直播分享

BEV感知

1.前沿工作

• 【nuScenes和nuScenes最新SOTA!】Focus on BEV: 基于自标定周期视图变换的单目BEV图像分割；

• 【MambaBEV：一种基于mamba2的BEV目标检测】还采用了端到端的自动驾驶范式来测试该模型的性能。模型在nuScenes数据集上表现出了相当好的结果：基础版本达到了51.7%的NDS；

• 【QuadBEV: 高效的多任务感知框架】它利用四个关键任务——3D目标检测、车道检测、地图分割和占用预测——之间共享的空间和上下文信息。

• 【nuScenes-360和DeepAccident-360最新SOTA！】OneBEV：利用一幅全景图像进行鸟瞰语义建图！在nuScenes-360和DeepAccident-360上分别达到了51.1%和36.1%的mIoU，取得了最先进的性能。

2.报告和行业大佬直播分享

Occupancy感知

1.前沿工作

• 【OccLoff框架：旨在“学习优化特征融合”以进行3D占用预测】具体提出了一种稀疏融合编码器和熵掩模，该编码器可以直接融合3D和2D特征，从而提高模型的准确性，同时减少计算开销；

• 【nuScenes最新占用预测SOTA! TEOcc: 一种基于Radar-相机多模态的时间增强占用预测网络】所提出的时间增强分支是一个即插即用的模块，能够轻松集成到现有的占用预测方法中以提升占用预测的性能；

• 【SyntheOcc: 通过扩散模型生成的系统，它通过在驾驶场景中以占据标签为条件来合成真实感和几何控制的图像】

• 【RELIOCC：一种旨在增强基于相机的占用网络可靠性的方法】首次从可靠性角度对现有的语义占用预测模型进行全面评估。显著提高了模型的可靠性，同时保持几何和语义预测的准确性。