大模型端侧部署岗

核心业务：深度参与大模型在车机端的落地，直接触达亿万用户；

技术挑战：挑战端侧算力极限，探索量化、算子融合等前沿技术在异构硬件上的极致优化；

广阔空间：与高通、MTK、英伟达等芯片厂商深度合作，定义下一代端侧AI基础设施；

职位描述；

模型落地与性能攻坚：负责大模型在端侧设备上的部署与性能优化，解决算力以及显存受限等核心痛点，实现丝滑的用户体验；

前沿算法优化：深入研究并落地模型量化、算子优化、内核融合及图优化等关键技术，显著降低模型尺寸与推理延迟，提升端侧推理效率；

硬件算力挖掘：深度挖掘高通Hexagon DSP/NPU、英伟达GPU/DLA的算力潜力，进行底层算子适配与加速；

基建体系构建：构建高可用的端侧模型自动化优化与部署流水线，涵盖模型转换、量化校准、编译优化、自动化测试及性能瓶颈分析

编程基础：扎实的C/C++或Python编程功底，具备良好的代码风格与工程化能力；

模型压缩专家：精通主流模型压缩技术，在量化、剪枝、蒸馏或NAS等领域有深入实践，熟悉GPTQ、AWQ、SmoothQuant、SpinQuant等量化方案；

推理框架精通：熟悉MLLM/VLM/LLM主流推理框架，如vLLM、TensorRT-LLM、GENIE/QNN、llama、cpp等，并掌握Speculative-Decoding、FlashAttention等加速技术；

实战经验：具备实际的大模型推理优化经验，能够独立完成从模型训练后处理到端侧高效推理的全链路落地；

极客精神：拥有深入的研究精神与创新能力，对AI系统底层原理充满好奇，具备持续学习前沿技术的意愿；

以上2-5满足任一项即可；

硬件架构理解：深入理解GPU/NPU/DSP等硬件架构及其存储层级，能够进行指令集级或微架构级的性能调优；

异构计算经验：具备丰富的异构计算加速经验，有芯片级性能调优或与芯片厂商联合优化的成功案例；

编译与引擎定制：有集成、定制和优化主流推理引擎的经验，包括但不限于TensorRT、ONNX Runtime、TVM、MLIR，或针对特定硬件修改过llama、cpp、TensorRT-LLM等框架源码；

前沿技术落地：成功落地过推测解码、PagedAttention、KV Cache优化等前沿技术，并在提升吞吐量或降低功耗方面有量化成果