车机 AI 算法工程师（大模型 / 多模态 / 端侧部署）

负责车机端大模型、多模态模型及相关语音/视觉 AI 能力的研发、部署和优化，支撑智能座舱核心 AI 能力建设；

负责 Qwen3-VL、Qwen 系列及其他 LLM/VLM/多模态模型 在车机端的适配、裁剪、部署与效果优化，推动模型在真实车载场景中的落地应用；

面向 高通座舱平台，开展模型在 CPU/GPU/NPU 上的推理部署、图优化和性能调优，提升模型时延、吞吐、内存占用和功耗表现；

负责端侧模型部署链路的打通，包括模型导出、格式转换、量化压缩、算子适配、推理引擎集成、端上联调和问题定位；

结合车机端资源约束，推进模型轻量化与压缩优化，包括但不限于 INT8/INT4 量化、剪枝、蒸馏、KV Cache 优化、分层加载、算子融合 等技术方案；

参与多模态交互链路建设，推动语音、视觉、文本等能力与大模型结合，优化智能座舱中的理解、问答、感知和执行体验；

与算法、系统、软件、产品等团队协作，推动大模型能力与车机系统深度集成，保障线上稳定性、可维护性与持续迭代；

负责实验设计、效果评估、性能分析与技术文档沉淀，推动端侧大模型部署规范和工程体系建设；

跟踪端侧大模型、VLM、模型压缩、异构计算和推理加速相关前沿技术，并结合业务场景推动新方案验证与落地。

本科及以上学历，计算机、人工智能、自动化、电子信息、软件工程、数学等相关专业； 2.3年左右 AI 算法研发或工程落地经验，有大模型、多模态模型或端侧 AI 部署相关实际项目经验；

具备扎实的机器学习、深度学习基础，熟悉 Transformer、LLM、VLM 等主流模型结构及训练、推理、部署基本流程；

熟练使用 Python，具备良好的 C/C++ 开发能力，能够独立完成模型部署、性能调优和问题定位；

有以下一个或多个方向的实际经验： 大语言模型（LLM）端侧部署与推理优化 视觉语言模型（VLM）或多模态大模型落地 语音 + 大模型、视觉 + 大模型、多模态 Agent 等相关应用开发

熟悉模型部署与推理优化流程，具备 ONNX 导出、模型转换、量化压缩、推理引擎适配、端上联调 等实践经验；

熟悉 TensorRT、ONNX Runtime、TFLite、MNN、NCNN、QNN / SNPE 等至少一种或多种推理框架，有端侧或嵌入式部署经验者优先；

了解或熟悉 高通平台 AI 部署方案，包括模型在 NPU / DSP / GPU 上的运行机制、性能瓶颈及优化方法；

熟悉模型轻量化方法，如量化、剪枝、蒸馏等，对大模型端侧优化有实践经验者优先；

熟悉 Linux 开发环境，具备良好的工程化能力、问题分析能力和跨团队协作能力，能够独立负责模块交付。