1、参与贝壳门店、装修工地、房源等真实场景边缘设备的 AI 模型移植与优化，负责模型转换、量化、算子适配、推理加速等工作；前期由导师带教从完整链路入手，逐步独立负责模型级任务，让你的代码真正跑进线下场景的设备里被使用； 2、参与 AI 硬件方案选型（NPU/TPU 算力评估、AI 加速芯片适配）、原理图评审与嵌入式系统调试，在真实项目中建立对算力、功耗、成本、精度的工程取舍能力； 3、针对实际业务场景，用数据驱动方法完成算法在目标硬件上的精度-性能-功耗三角平衡：搭建基准测试与回归用例，让优化结论可量化、可复现；善用 AI 工具辅助瓶颈分析与调优决策，并对 AI 产出做正确性与边界校验； 4、与算法、硬件、产品、业务团队紧密协作，推动模型部署方案从原型验证走向量产与现场落地，完整经历软硬一体产品的开发与交付过程； 5、编写技术文档，沉淀 AI 模型部署规范与测试用例，探索 AI 辅助文档生成、知识库构建与团队协作提效实践，让个人经验变成团队可复用的方法； 6、关注端侧大模型、多模态与具身智能等前沿方向，参与团队技术预研与创新探索，把论文里的能力变成业务里的能力。

1、统招本科及以上学历，毕业时间：2026年9月-2027年8月，电子工程、自动化、计算机、通信等相关专业； 2、掌握 C/C++ 或 Python，具备扎实的数据结构与操作系统基础；有 Linux 驱动/应用开发经验更佳； 3、了解至少一种嵌入式平台（ARM Cortex、RISC-V、NVIDIA Jetson、海思/瑞芯微等），亲手完成过至少一个软硬件项目——单片机、开发板、课程设计、自研小工具均可，我们更看重你独立把一件事做成的能力； 4、了解深度学习模型部署流程（ONNX/TensorRT/MNN/NCNN 等），哪怕只是课程项目或自学复现过推理 demo；剩余部分我们提供真实项目、导师和工具链帮你快速补齐； 5、能使用 AI 辅助编程工具提升代码质量与开发效率，同时具备对 AI 生成内容的校验意识，不盲信产出； 6、具备好奇心和韧性：遇到问题习惯先动手定位、再结构化求助，能把一项任务从开始推到闭环。 加分项（满足任意一条均可，没有也不影响）： 1、有具身智能相关实践（机器人感知、机械臂视觉、多模态交互）； 2、熟悉模型轻量化技术（剪枝、量化、知识蒸馏、NAS）； 3、熟悉大语言模型（LLM）或视觉大模型在嵌入式/端侧场景的轻量化部署与推理优化； 4、有 AI Agent 或 AIoT 智能体开发经验，能将 LLM 能力与端侧硬件结合实现业务场景落地； 5、有 AI 辅助开发工具链的实践经验（如 AI 驱动的自动化测试、AI 辅助硬件设计审查等）； 6、有博客、开源项目或技术笔记，愿意公开自己的思考过程。