人工智能算法工程师

负责自动驾驶感知、多模态、预测等深度学习模型的工程化落地与量产部署，承接算法模型从训练到车载端的全流程迁移，保障模型可高效、稳定上车运行。

主导模型优化工作，针对车载算力平台，完成模型结构精简、剪枝、蒸馏、算子优化，实现模型推理提速、显存/内存占用优化，满足车载实时性指标要求。

负责模型量化、编译转换与适配，完成PyTorch/TensorFlow模型向ONNX、TensorRT、NCNN等推理框架的转换、对齐与精度校准，解决量化掉点、算子不兼容等问题。

针对车载SoC、边缘计算平台进行部署适配与性能调优，分析推理耗时、瓶颈卡点，持续迭代优化模型吞吐与延时表现，适配量产硬件约束。

搭建自动化部署、精度对比、性能评测工具链，实现模型迭代、部署、验证、回滚的标准化闭环，提升算法落地效率。

对接感知、预测、融合等算法团队，完成模型联调、问题定位与修复，跟进上车测试、路测复盘，解决部署后的精度异常、推理卡顿、稳定性差等问题。

跟进行业前沿部署技术与车载推理方案，沉淀通用部署规范与技术体系，支撑多车型、多算法快速量产落地

硕士及以上学历，计算机、人工智能、电子信息、自动化、软件工程等相关专业，优秀本科生可破格录用，熟悉深度学习基本原理与网络结构。

熟练掌握深度学习模型部署全流程，精通模型量化、算子优化、推理加速、精度对齐等核心技术，熟悉TensorRT、ONNX Runtime等主流推理框架。

熟练使用C++/Python开发，熟悉Linux开发环境，具备扎实的代码工程化能力，能够独立完成模型优化与部署落地工作。

了解自动驾驶常用模型（检测、分割、多模态、时序预测等）结构特性，熟悉车载边缘平台部署痛点，具备性能调优与问题排查能力。

具备良好的工程落地思维，可平衡模型精度、推理延时、算力消耗，拥有较强的团队协作能力与技术文档输出能力