职位描述: 1.参与下一代智驾模型（一段式端到端模型、VLA 模型等）的部署与量产落地； 2.研究并评估业界最新的部署优化方案（模型量化、剪枝、蒸馏、图优化、算子融合等），探索工程落地的前沿技术； 3.负责部署全流程的精度对齐与性能调优，在车端有限算力下平衡精度、时延与功耗。 4.参与国产车载/AI 芯片平台上的模型部署与量产落地； 5.基于芯片厂商工具链完成模型转换、编译与计算图优化； 6.负责模型量化（PTQ / QAT，INT8 / INT16 混合精度）与量化精度对齐，定位并解决量化掉点问题； 7.针对端到端、VLA 等模型中的非标准算子，进行自定义算子开发、算子适配与算子融合； 8.面向车规芯片开展推理性能优化（时延、吞吐、内存 / 带宽占用、功耗），定位并突破性能瓶颈。 技术功底： 1.掌握 Python / C++，掌握 PyTorch 或 TensorFlow 等至少一种主流深度学习框架； 2.对深度学习基础理论（CNN、RNN、Transformer、强化学习等）有深刻理解； 3.具备扎实的数据处理能力，熟悉数据增强、特征工程等相关技术； 4.具备出色的分析问题和解决问题的能力，良好的团队协作精神和沟通能力。 任职要求: 学历专业：硕士（在读）及以上学历，计算机科学、人工智能、自动化、车辆工程等相关专业。 工作经验：有计算机视觉或自动驾驶算法研发经验者优先，有芯片部署工程经验者优先。 加分项： 1.熟悉至少一种国产 AI 芯片工具链（地平线、昇腾、寒武纪等）或 TensorRT，有芯片部署 / 量化落地经验； 2.熟悉模型量化、剪枝、蒸馏、算子融合等推理优化技术； 3.熟悉 CUDA / Triton 算子开发； 4.在自动驾驶端到端、VLA、多模态大模型方向有项目或论文经历者优先。