AI模型部署工程师-campus-2027

负责自动驾驶感知、预测、规划等 AI 模型的部署落地，包括模型转换、推理优化、性能调优和量产集成；

负责将 PyTorch/TensorFlow 等训练模型转换为 ONNX、TensorRT、NCNN、OpenVINO 或车规芯片支持的部署格式；

面向 Camera、LiDAR、Radar、多传感器融合、BEV、Occupancy、Transformer、端到端模型等方向，开展车端或云端推理优化工作；

负责模型量化、剪枝、蒸馏、算子优化、显存优化、延迟优化和吞吐提升，满足自动驾驶系统实时性要求；

建设模型部署工具链，包括模型导出、版本管理、自动化测试、性能 Profiling、精度回归和部署流水线；

与感知算法、系统软件、中间件、嵌入式、数据平台和测试团队协作，推动模型从研发到量产系统的稳定落地；

分析和解决模型部署过程中的精度损失、算子不兼容、运行异常、资源占用过高、实时性不足等问题；

跟踪自动驾驶模型部署、推理引擎、车载 AI 芯片、端到端自动驾驶模型和大模型压缩部署等前沿技术，并进行工程化验证

计算机、信息、数学、电子、自动化、机械、测控、汽车等相关专业硕士及以上学历；

熟练掌握C/C++，熟悉Linux/Unix开发环境，熟悉面向对象编程，熟悉 C++11/14、STL、Boost、GDB、git、cmake 等；

对自动驾驶、深度学习、感知算法等领域有浓厚兴趣，在技术上有极高追求，能保持长久投入和饱满激情；

熟悉Pytorch、TensorFlow、Caffe等主流深度学习框架；

熟悉点云和图像语义分割、深度估计、目标检测等感知任务的主流深度学习网络；

熟悉TensorRT、MNN、OpenVX等深度学习推理框架中的一种或多种者优先；

有多核异构和并行计算开发经验者优先