AI模型部署优化工程师 （上海）

负责深度学习模型跨框架适配工作，完成模型在PyTorch、ONNX、TensorRT、NCNN、QNN、SNPE、TVM等主流推理引擎的转换、对齐验证与一致性调试，保障模型跨平台推理精度稳定、流程可靠。

面向嵌入式、车载SOC平台落地场景，落地各类模型压缩与推理加速技术，涵盖计算图优化、算子融合、模型量化、网络剪枝、知识蒸馏、模型稀疏化等深度优化方案，持续提升模型推理性能。

针对模型推理过程中的性能瓶颈、精度衰减、延时过高、显存占用过大等问题，开展深度定位与分析，输出算子优化、模型结构迭代、推理策略调优等改进方案，推动方案落地闭环。

跟进端侧推理、模型轻量化前沿技术，结合车载硬件平台特性持续迭代优化方案，保障AI模型在车载场景高效、稳定量产落地。

硕士及以上学历，计算机、人工智能、软件工程、电子信息、自动化等相关专业，基础知识扎实。

技术基础：扎实掌握深度学习基础理论，熟练掌握量化、剪枝、知识蒸馏、稀疏化等模型压缩加速技术，具备计算图优化、算子融合、推理调优实战经验。

框架能力：精通PyTorch框架，熟练掌握QNN、ONNX、TensorRT、NCNN、TVM等至少一种主流推理框架，具备完整的模型转换、部署调试、精度对齐、性能调优全流程实战能力。

具备深度学习模型在嵌入式、车载SOC平台的部署调试经验，能够独立排查推理精度丢失、推理延时、内存占用超标等各类工程问题，完成优化方案闭环。

逻辑思维清晰，具备较强的问题攻坚能力、学习能力与执行力，拥有良好的跨部门沟通协作能力，可独立推动技术方案迭代落地与规模化复用。

优先条件：拥有英伟达Orin Thor、高通8775/8650/8797、地平线J5/J6等车载芯片量产部署经验，或大模型端侧轻量化、推理优化相关项目、实习经验者优先。