1.負(fù)責(zé)將AI算法模型，通過工程化手段高效部署到多種硬件平臺。主導(dǎo)模型的格式轉(zhuǎn)換、量化與優(yōu)化，熟練使用ONNX、TensorRT等工具鏈，實現(xiàn)模型從PyTorch/TensorFlow到嵌入式平臺（如Jetson、RK系列）或NPU（如高通/MTK系列）的高效遷移。
2.設(shè)計混合量化策略（INT8/INT4/FP16），針對敏感層定制量化方案，將精度損失控制在1%以內(nèi)，同時優(yōu)化推理速度與內(nèi)存占用。
3.開發(fā)基于C++/Python的高性能推理引擎，集成多線程、內(nèi)存池等技術(shù)，提升端到端吞吐率與實時性。
4.構(gòu)建定制化Linux系統(tǒng)：完成內(nèi)核裁剪、驅(qū)動開發(fā)（如攝像頭、NPU加速器）、文件系統(tǒng)定制，并優(yōu)化啟動時間與資源調(diào)度。
5.深入Linux內(nèi)核機制，針對進程管理、內(nèi)存分配等模塊進行調(diào)優(yōu)，確保算法在資源受限環(huán)境下的穩(wěn)定性（如實時性任務(wù)處理）
6.熟悉硬件接口協(xié)議（UART、I2C、SPI、CAN），協(xié)同硬件團隊完成板級開發(fā)與調(diào)試。
7.編寫技術(shù)文檔（如量化白皮書、部署手冊），并支持算法團隊理解硬件約束，推動算法設(shè)計階段的工程化適配。

任職要求
1.本科及以上學(xué)歷，計算機、電子工程、自動化等相關(guān)專業(yè)。
2.3年以上算法工程化或嵌入式AI部署經(jīng)驗，有大型項目落地案例（如智能駕駛、機器人、物聯(lián)網(wǎng)設(shè)備）。
3.有多年ONNX Runtime/TensorRT量化實戰(zhàn)經(jīng)驗。
4.熟悉NPU架構(gòu)，具備針對芯片特性的量化方案定制能力。
5.精通嵌入式Linux開發(fā)全流程，包括內(nèi)核配置、驅(qū)動開發(fā)、根文件系統(tǒng)構(gòu)建。
6.熟練使用C++/Python，掌握Shell/CMake腳本編寫，具備多進程/協(xié)程編程與性能剖析能力。
7.有高并發(fā)、低延遲系統(tǒng)設(shè)計經(jīng)驗，熟悉分布式架構(gòu)與緩存機制。
8.強烈的工程落地導(dǎo)向，能平衡算法精度與部署效率的矛盾。