腾讯云—边缘计算在AI推理加速方向研究

课题背景： 随着 AI 应用向边缘侧下沉，实时推理、低时延、高并发需求日益突出。传统云端推理存在带宽压力大、延迟高不足等问题，难以满足视频分析、智能监控、工业感知等场景。边缘推理可将 AI 计算下沉到靠近数据源的节点，降低时延、节省带宽。但边缘硬件异构、资源受限、部署复杂，亟需一套高效、稳定、易扩展的边缘推理方案，因此开展本课题研究。 课题挑战：

1. 01

   边缘节点 CPU/GPU/NPU 等硬件高度异构，模型适配与推理加速难度大；

2. 02

   边缘设备资源有限，需在低算力、低内存条件下保证推理性能与稳定性；

3. 03

   云边协同调度复杂，任务分配、动态扩缩容、故障自愈难以兼顾效率与可靠性。在多场景、多硬件下保持一致体验，技术实现与工程化落地难度较高。 具体工作： 参与边缘推理框架开发、模型优化与部署工具链建设； 实现模型转换、量化、加速与异构硬件适配； 协助完成云边协同调度、服务部署与性能优化。

1. 01

   学历和专业要求：计算机、软件工程、电子信息、自动化等相关专业硕士、博士同学，具备云计算、AI基础者优先；

2. 02

   技术技能要求：掌握深度学习框架与推理优化知识，熟练使用C++/Python语言，了解边缘计算、云原生、模型量化加速者优先；

3. 03

   软性素质要求：学习能力突出，逻辑思维缜密，沟通协作顺畅，责任心强，具备独立调研与动手实践能力。