BEV感知算法量化部署工程师

前沿BEV感知算法研发： 负责鸟瞰图（BEV）视角下端到端感知模型（如 Sparse4D、UniAD、VAD 等）的架构设计、算法优化与量产落地，推动多传感器融合感知方案在复杂场景中的高效应用。 模型量化与端侧部署： 主导深度学习模型在车载端侧SoC上的定点化转换、量化感知训练（QAT）及算子优化，深入排查与解决量化精度损失、算子退化等难题，打通高 FPS、低延迟与高精度的平衡路线。 地平线J6平台深度适配： 深入结合地平线 Horizon J6/J6B 硬件架构与 BPU 算子特性，打通编译工具链，负责算子对齐、模型结构重组及板端推理加速。 量产交付与长尾攻坚： 参与从算法实验室设计到车规级量产交付的全生命周期管理，解决量产过程中的稳定性、实时性、边界长尾场景（Corner Cases），输出高质量规范化的工程代码与技术文档。

工作经验与学历： 计算机、自动化、电子信息、软件工程或人工智能等相关专业本科及以上学历，具有 3 年及以上 智能驾驶或深度学习算法开发经验，有完整量产项目落地者优先。 精通BEV感知方案： 深入理解 BEV 3D目标检测、车道线识别、占用网格（Occupancy Grid）及轨迹预测等核心算法，熟悉主流开源生态（PyTorch, OpenMMLab/MMDetection3D, PyTorch Lightning 等）。 精通模型量化技术： 深刻理解模型量化原理（包括 PTQ、QAT、对称/非对称量化、Channel-wise 量化、混精度量化等），具备扎实的 Fake-Quant 节点调试、Scale/Zero-Point 参数校准经验。 核心硬性要求（J6经验）： 必须具备地平线 Horizon J6 平台的实际量化部署与板端调优经验，熟悉地平线 BPU 架构限制、QAT 链条及平台化工具链使用。 工程基础与代码功底： 精通 Python 和 C++，具备扎实的结构化编程、数据结构基础与良好的工程编码规范，熟练使用 Git, Docker, CUDA 等工具。

1. 01

   优先加分项 (Preferred Qualifications) 硬件/芯片支持： 熟悉 NVIDIA Orin、Horizon J5/J6、Qualcomm 8540 等主流车载 AI 芯片架构，具备 CUDA/TensorRT 手写算子优化或自定义 BPU 算子开发经验者优先。 大模型与端到端经验： 有 Vision-Language Model (VLM)、Diffusion Model 或端到端驾驶大模型（SparseDrive / World Model）落地研究背景者优先。 功能安全与车规标准： 了解 ISO 26262 功能安全体系，熟悉 UN R152 (AEBS)、UN R79 等欧洲/国际智驾法规体系者优先。

2. 02

   职位亮点与福利 (Perks & Benefits) 技术前沿： 核心主导行业最前沿的地平线 J6 平台与 BEV 端到端感知量产落地项目。 团队氛围： 与顶尖智驾专家共事，研发资源充足，极具竞争力的薪酬激励及完善的职级晋升通道。 福利保障： 六险一金（高比例公积金）、带薪年假、年度高端体检、餐补/交通补贴、灵活办公机制