Career Roadmap
具备 C++ 模块开发、Python 自动化、HMI Server、覆盖率测试和功能测试经验。
这是你最顺的方向。现在智驾从规则栈走向端到端、大模型，但越复杂越需要评测、回归、仿真、场景库、指标体系。自动驾驶仿真开发、测试开发、评测平台岗位薪资空间还不错，自动驾驶仿真开发有 30-60k·15 薪的例子。
例如 DDS、SOME/IP、IPC、日志、诊断、HMI server、数据链路、模块通信、部署工具。这个方向比算法学历门槛低一些，更看工程能力。你做过 HMI server 和覆盖率，可以往车端软件平台 C++ 开发靠。
如果想学深度学习，别一上来卷感知算法研究。双非一本去卷纯算法岗，头部公司常常更偏硕士、博士和论文竞赛。更适合学模型怎么落地：ONNX、TensorRT、CUDA 基础、模型推理、感知结果评测、数据闭环。
不是说不能做，而是学历和履历不占优。端到端、大模型智驾岗位通常强调深度学习、LLM/VLM/VLA、规划算法经验，很多还偏硕士及以上。行业确实热端到端和物理 AI，但最拥挤的也是这个方向。
先用 C++ 基础语法建立模块化开发意识，再学 ROS 数据流，随后补多线程、CMake、gtest、gdb 和覆盖率。这个顺序贴近真实工作：先能写模块，再能接工程，再能测试和定位问题。
对象生命周期、引用与指针、const、RAII、STL、现代 C++ 常用写法。
进入章节节点、话题、服务、参数、消息定义、launch、常见数据流调试方式。
进入章节线程同步、锁、条件变量、原子变量、内存泄漏、CPU 火焰图与性能瓶颈定位。
进入章节target、include、link、编译选项、依赖管理、工程组织与跨平台构建。
进入章节单测结构、fixture、断言、参数化测试、mock 思路、测试覆盖边界。
进入章节断点、栈回溯、变量查看、core dump、线程调试、常见崩溃定位流程。
进入章节gcov、lcov、llvm-cov 的使用、覆盖率报告生成、增量覆盖率与质量门禁。
进入章节这一块的目标是把你从“会写一个模块”推进到“理解模块之间怎么连起来”。先学通信模型，再学接口协议，再学 HMI 状态链路和日志回放，最后能说清楚一条车端数据链路怎么观测、怎么调试、怎么回归。
这一块最贴近你涨薪路线：测试开发、仿真评测平台、场景库、CI 回归。先把 Python 自动化框架和 pytest 打牢，再把 CI/CD、场景生成、rosbag 回放和仿真指标串成一个完整评测闭环。