AI模型推理部署及性能优化工程师(J10877)

职位描述

1. 负责自动驾驶感知模型及大模型在异构计算平台（如Orin、地平线、高通、昇腾、Arm等）上的端到端推理部署与性能优化；

2. 面向客户或内部团队，提供模型部署方案设计、精度校准、性能瓶颈分析及调优建议，确保模型在资源受限场景下满足延迟、吞吐与功耗要求；

3. 跟踪业界前沿模型架构（如ViT、BEVFormer、Llama、Qwen等）与部署技术，构建高价值的模型参考设计（Reference Design）与最佳实践文档；

4. 协同工具链团队，参与自动化部署流水线、量化工具、Profiling平台的开发与迭代，提升整体部署效率与易用性；

5. 搭建并维护标准化Benchmark体系，支持多芯片、多框架、多模型的横向性能评估。

任职要求

任职资格：

1. 计算机、人工智能、电子工程或相关专业本科及以上学历；

2. 熟练掌握主流推理引擎（如 ONNX Runtime、TensorRT、OpenVINO、ArmNN、TVM、MNN 等），具备实际项目部署经验；

3. 深入理解模型压缩技术，包括量化（PTQ/QAT）、剪枝、知识蒸馏等，并能在实际场景中灵活组合应用；

4. 具备模型精度调优能力，能通过敏感层分析、校准策略调整、Loss-aware量化等手段系统性恢复或提升精度；

5. 熟悉性能分析工具（如Nsight Systems、perf、vtune、芯片厂商Profiling工具等），能深入分析从算子调度、内存访问到硬件执行的全链路瓶颈；

6. 熟悉主流神经网络架构（CNN、Transformer、LSTM、Diffusion、Mamba 等），了解其计算特性与优化空间；

7. 具备扎实的Python/C++编程能力，良好的工程规范与问题拆解能力；

8. 加分项：

- 了解AI编译器原理（如MLIR、TVM、Glow）或AI加速器微架构（如NPU数据流、内存带宽限制、算子融合策略）；

- 有GPU/NPU/DSP算子开发或优化经验，熟悉CUDA、OpenCL、厂商自定义算子接口；

- 有Benchmark构建经验，熟悉MLPerf、DAWNBench或自建评测体系；

- 熟悉或曾使用/开发过 PPQ、Bolt、AIMET、NNCF 等量化框架，能基于开源工具进行二次开发与定制；

- 有自动驾驶、机器人、边缘AI或大模型端侧部署项目落地经验者优先。