模型部署优化实习生

职位描述:

1.参与下一代智驾模型（一段式端到端模型、VLA 模型等）的部署与量产落地；

2.研究并评估业界最新的部署优化方案（模型量化、剪枝、蒸馏、图优化、算子融合等），探索工程落地的前沿技术；

3.负责部署全流程的精度对齐与性能调优，在车端有限算力下平衡精度、时延与功耗。

4.参与国产车载/AI 芯片平台上的模型部署与量产落地；

5.基于芯片厂商工具链完成模型转换、编译与计算图优化；

6.负责模型量化（PTQ / QAT，INT8 / INT16 混合精度）与量化精度对齐，定位并解决量化掉点问题；

7.针对端到端、VLA 等模型中的非标准算子，进行自定义算子开发、算子适配与算子融合；

8.面向车规芯片开展推理性能优化（时延、吞吐、内存 / 带宽占用、功耗），定位并突破性能瓶颈。

技术功底：

1.掌握 Python / C++，掌握 PyTorch 或 TensorFlow 等至少一种主流深度学习框架；

2.对深度学习基础理论（CNN、RNN、Transformer、强化学习等）有深刻理解；

3.具备扎实的数据处理能力，熟悉数据增强、特征工程等相关技术；

4.具备出色的分析问题和解决问题的能力，良好的团队协作精神和沟通能力。

任职要求:

学历专业：硕士（在读）及以上学历，计算机科学、人工智能、自动化、车辆工程等相关专业。

工作经验：有计算机视觉或自动驾驶算法研发经验者优先，有芯片部署工程经验者优先。

加分项：

1.熟悉至少一种国产 AI 芯片工具链（地平线、昇腾、寒武纪等）或 TensorRT，有芯片部署 / 量化落地经验；

2.熟悉模型量化、剪枝、蒸馏、算子融合等推理优化技术；

3.熟悉 CUDA / Triton 算子开发；

4.在自动驾驶端到端、VLA、多模态大模型方向有项目或论文经历者优先。