【3011】シニアソフトウェアエンジニア （自動運転MLOps基盤開発）

職種

組み込み

勤務地

東京都

年収

800万～1,500万円

仕事内容

◆本求人は、技術負債・CI/CDなどの思想や経験を持つソフトウェアエンジニアを対象としています／大規模データ基盤・MLOps構築がミッションです◆チューリングでは、車載カメラの映像を入力に車の制御を行う「End-to-Endの自動運転MLモデル」の開発を行っています。モデルの開発には Data-Centric AI と呼ばれるアプローチを取っていますが継続的なデータおよびモデルの改善には高度なソフトウェアエンジニアリングやクラウドを活用した自動化が必要不可欠です。E2E自動運転MLモデルの開発効率を圧倒的に向上させるソフトウェアエンジニアを募集します。
【業務内容】
・機械学習エンジニアと協力し、データやモデルの継続的な改善
・クラウド等を活用した処理の自動化や内部ツール・サービスの実装
・システムアーキテクチャの設計
【SaaSやWeb開発とは異なる仕事の面白さ】
われわれが扱うテーマや自動運転です。開発したソフトウェアが車に搭載され、公道を走ります。また、E2Eのアプローチで自動運転モデルを開発するのは日本でチューリングだけです。この開発を行える唯一無二の環境となっています。E2Eの自動運転は通常の機械学習モデルとは違う難しさがあります。それはデータ多様性（モダリティ）、データ量、車両への搭載の大きく3つです。
・データ多様性（モダリティ）について
テーブルデータ・点群データ、画像データなどさまざまなモダリティのデータを扱います。これらの異なるデバイスからデータを収集するため、デバイス間の誤差や時刻同期のタイミングの違いを考慮してデータセットを作っていかなけばなりません。これにより品質の高いデータを多く適切に集め管理する難易度が高まっています。
・データ量について
数十TBのデータをクラウドで扱う必要がある
・車両への搭載について
E2E自動運転開発は1チームで行っています。MLOpsを担うエンジニアも実際にモデルが搭載された車に乗ります。モデルが現実世界でどう振る舞うかを体験できます。自身の開発を五感で味わえる環境です。強いMLエンジニアとソフトウェアが組むことで自動運転は実現していきます。これまでのソフトウェア開発経験を活かして人類のグランドチャレンジに一緒に挑みましょう。

応募条件

【必須スキル】
・チューリングの理念への共感
・C/C++、Python などの言語を使用した5年以上の開発経験
・クラウドなどを活用したDevOpsの実践経験
【歓迎スキル】
・機械学習プロジェクトの経験
・分散システムの開発、運用経験
・SQL、Spark 等を用いたデータエンジニアリングの経験
・AWS CDKやTerraformを用いた IaC の実践経験
・ユニットテストの作成とテスト駆動開発の実践経験
【求める人物像】
・世界的企業をつくる強い気概のある方
・自走力がありなんでも積極的に取り組める方
・常に謙虚で、相手目線を忘れない人間性
・急激な事業、組織の成長に伴う様々な変化を楽しめる柔軟性
・成長に対して前向きなスタンス
・困難も楽しみながら乗り越えられるタフさ

◆技術スタック
言語：Python
ライブラリ：PyTorch、OpenCV、MMDetection、ONNX
ミドルウェア：Slurm
Cloud：AWS、GCP
プラットフォーム：Jetson、Linux

休日休暇

慶弔休暇　年末年始　夏期休暇　有給休暇　入社時に13日間の有給休暇付与・出産休暇・育児休暇制度完備・小学校3年生が終わるまで取得可能な育児時短制度・子の看護休暇・介護休暇(無給）

年間休日数

124日

就業時間

10:00～19:00

企業概要

＜日本発の完全自動運転の実現を目指すAIスタートアップ／ミッション「We Overtake Tesla（テスラを超える）」／累計資金調達額278億円＞
■LiDARに見えないものまで、カメラで、見る
マルチカメラ映像のみから3次元点群/3D物体検出/3D追跡 を生成。カメラに映らない遮蔽領域はもとより、他車の自車から見えない裏側まで、学習済みの世界モデル的事前知識から精度高く予測する
■国内初、VLAモデル公道リアルタイム制御
2026年3月、国内初となるVision-Language-Actionモデルによる公道リアルタイム推論自動運転制御を実現
20億パラメータ、10Hz、100ms以下のレイテンシで車両を直接制御する
■富岳の40%、国内トップ級の計算基盤
2024年にNVIDIA H100 96基の自社GPUクラスタ「Gaggle Cluster」を構築
クラウドGPUと合わせるとスーパーコンピュータ富岳のAI演算性能の40%に相当し、2027年までに3.5～7エクサフロップス（5～10倍）へ拡張する計画
★Youtubeチャンネル：
https://www.youtube.com/@TuringMotors
★カンパニーデック：
https://tur.ing/company-deck/
＜これまでの挑戦と実績＞
◆1.Day1からE2Eに賭けるという選択
チューリングは創業以来、完全自動運転という人類のグランドチャレンジに対して、End-to-End（E2E）を軸に開発を進めてきました。
センサーや高精度地図、ルールの積み上げで条件付きの自動化を成立させるのではなく、カメラ映像をそのまま入力として受け取り、単一のニューラルネットワークが運転行動を出力する構造に賭ける。
ロングテール事象が無限に存在する道路環境では、最終的にこの構造でなければスケールしないという前提に立っています。
E2Eは、立ち上げが難しく、初速も遅い技術です。だからこそ、初期フェーズではモデルそのものよりも、データ、車載、検証、改善サイクルを成立させるための「土台づくり」に多くの時間を投じてきました。
ここで積み上げた前提条件が、その後の改善速度を決めています。
◆2.実世界で回る改善サイクルの確立
完全自動運転は、モデルを作って終わる開発ではありません。走らせ、失敗を観測し、学習し直し、また走らせる。この循環を止めずに回し続けることが必要です。
チューリングは、データ収集→学習→車載デプロイ→実走検証→フィードバックという改善サイクルを、実世界の条件下で成立させることに取り組んできました。
机上評価だけで完結せず、実車で動かして初めて見える差（できた／できないに加え、できたけど良くない）を開発の中心に据えています。
この改善サイクルが回り始めると、課題は「何ができるか」ではなく「どれだけ速く改善できるか」に移ります。
チューリングが積み上げてきた実績は、成果の列挙というより、この循環を回し続けられる構造を構築してきたことにあります。
◆3.データセントリックな開発の前進
チューリングはデータ中心の開発を重視してきました。走行データは膨大で、そのままでは学習に使えません。
欠損や不整合を取り除き、学習に効く分布へ整え、仮説検証に合わせてデータセットを作り分ける必要があります。
重要なのは、データの量だけでなく、データの分布設計です。
どの状況が足りていないのか、どの種類の難しさに対して学習が不足しているのかを見極め、狙って集め、狙って学習へ接続する。これを繰り返すことで、ロングテールへの対応力が積み上がります。
こうしたデータ設計と改善の繰り返しは地味ですが、長期的に効く土台です。
自動運転をスケールさせるために欠かせない要素として、データの整備と運用の蓄積を進めてきました。
◆4.MLOpsと計算基盤の整備
完全自動運転の開発は、計算機をどれだけ回せるかに依存します。
E2E型の自動運転は、巨大なニューラルネットワークを学習させ、評価し、改善し続けることで精度を積み上げていく性質を持ちます。
そのため、GPUは単なるツールではなく、技術進展の速度と組織の成長を規定する資源になります。
チューリングは、学習/評価/改善を回すための計算基盤を整備し、あわせてデータ収集からデータセット生成、学習、評価、実走検証までをつなぐMLOpsを「工場」として構築してきました。
改善サイクルを高速に回すためには、個別の職能の頑張りだけでなく、仕組みとして回る状態を作ることが必要です。
インフラやMLOpsは表に出にくい領域ですが、開発速度を決める最重要要素として捉え、継続的に投資と改善を行ってきました。
◆5.Tokyo30という節目
「東京の市街地を30分以上、人間の介入なしで走行する」という目標を発表したのは、2024年3月です。
当時は具体的な道筋はまだ見えていませんでした。それでも、モデル開発だけでなく、データ収集や制御系の構築といった非常に地道で泥臭い取り組みを積み重ねてきました。
その結果として、2025年11月にTokyo30を達成することができたというのが現在地です。
この節目を通じて、E2E開発が「動かすこと自体が難しい段階」から「改善を積み上げられる段階」へ移行したことは、今後の展望においても大きな意味を持ちます。
2026年5月には、100万シーンを超える規模のデータで学習したモデルを構築し、より高い汎化性能を持つ自動運転モデルを目指していきます。
◆6.累計240億円調達
チューリングは、創業以来の技術的な選択と実装の積み上げを背景に、累計240億円の資金を調達してきました。2025年11月には、シリーズA 1st closeとして153億円の資金調達を実施し、資本面においても次の段階に進んでいます。
Day1からE2Eに賭け、実世界で回る改善サイクルを成立させ、Tokyo30という具体的な成果を積み上げてきたこと。
その過程で築いてきた技術基盤と開発体制が、長期的な挑戦として評価され、資本として集約されてきたのが現在地です。
完全自動運転は、短期で完結するテーマではありません。計算資源、データ、組織、そして事業としての持続性を同時に拡張し続ける必要があります。
そのためチューリングは、今後も開発フェーズや事業フェーズの進展に応じて、追加の資金調達を含めた成長のための選択肢を取り続けていきます。
◆7.これまでの積み上げとこれから
ここまでの挑戦と実績は、完成形ではありません。完全自動運転の実現にはまだ多くの課題が残っています。
一方で、Day1からのE2Eという技術選択、実世界で回る改善サイクル、データセントリックな開発、MLOpsと計算基盤、車載システムと安全設計、そしてTokyo30という節目。
これらの積み上げによって、次の段階へ進むための土台は整いつつあります。
チューリングは、現実の中で改善を積み上げ続けることで、完全自動運転を社会インフラとして成立させることを目指します。

従業員数

92人