高通
Machine Learning Engineer
Machine Learning Engineer
发布于 大约 11 小时前普通员工/个人贡献者
西安市
中级经验
全职员工
仅现场办公
本科
机器学习
性能优化
嵌入式系统
模型部署
系统级开发
AI 估算 · 15k–25k
外企AI芯片岗位，技能要求高，西安薪资水平中等，综合估算28-35万/年
职位详情
关于这个职位
作为高通的机器学习工程师，你将负责将AI模型部署到骁龙芯片上，进行端到端的性能优化和系统级功能开发
该职位要求扎实的模型部署经验和对嵌入式系统架构的熟悉，适合有1-2年经验、精通C/C++和Python的候选人
最低要求
工程、信息系统、计算机科学或相关领域的学士学位，以及2年以上软件工程或相关工作经验
或工程、信息系统、计算机科学或相关领域的硕士学位，以及1年以上软件工程或相关工作经验
或工程、信息系统、计算机科学或相关领域的博士学位
年以上使用C、C++、Java、Python等编程语言的学术或工作经验
工作职责
在高通芯片上部署AI模型
进行端到端的性能优化
系统级功能开发
提高模型推理效率和准确性
优先资格
Model Adaptation skills by Python is a plus.
AI 洞察
优缺点分析
优点
- 高通是全球芯片领导者，平台稳定，技术积累深厚
- 接触前沿的AI硬件加速技术，技能稀缺性强
- 西安生活成本较低，外企工作环境与福利较好
- 职位涉及端到端优化，能系统性提升工程能力
- 芯片级优化要求对硬件架构有深入理解，学习曲线陡峭
- 模型部署涉及多平台兼容性，调试复杂度高
- 技术迭代快，需要持续跟进最新AI框架和工具
- 适合有嵌入式或AI部署经验、热爱底层性能优化、愿意深入硬件软件结合领域的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 成为芯片AI部署专家，深入异构计算和模型压缩领域
- 向系统架构师发展，主导下一代AI芯片的软件栈设计
- 横向扩展至算法研发，结合硬件特性优化模型结构
- 将AI模型部署到高通骁龙芯片上，进行性能优化
- 开发系统级功能，确保模型在硬件上高效运行
- 与团队协作，提升推理效率和准确性
- 熟练掌握C/C++编程，用于底层优化
- 熟悉Linux/Android开发环境及工具
- 了解嵌入式系统架构，具备模型部署经验
- Python作为辅助技能，用于模型适配
申请策略
- 准备一个从训练到部署的完整项目案例，说明优化效果
- 关注高通在AI领域的博客和技术文章，展示兴趣
- 突出模型部署项目经验，尤其是端侧或嵌入式场景
- 强调C/C++编程能力和性能调优案例
- 展示对Linux/Android开发环境的熟练度
- 如有芯片相关（如高通、ARM）经验，重点提及
- 复习嵌入式系统知识，如内存管理、多线程优化
- 学习主流AI框架（TensorFlow Lite, ONNX Runtime）的部署流程
面试指南
- 用STAR法则描述项目：背景、任务、行动、结果，重点突出优化手段和量化收益
- 技术问题从原理出发，逐步深入，展示系统思维
- 对于开放性问题，先概述思路，再举例具体场景
- 请描述一次将模型部署到嵌入式设备的经历，遇到哪些性能瓶颈？如何解决？
- C++中如何优化内存访问以提高缓存命中率？
- 解释模型量化（如INT8）的原理及其对精度的影响
- 在Linux环境下，如何分析程序性能瓶颈（如使用perf）？
- 你对高通芯片的AI加速架构了解多少？
匹配度报告
74
综合匹配度
外企芯片巨头，前沿AI部署岗，技术成长快，WLB一般，薪资竞争力中上。
适合人群
最适重视技能成长和技术前沿的求职者，希望积累芯片AI部署经验。
最强匹配
成长发展匹配
最弱匹配
使命价值匹配
薪资福利70
成长发展85
工作生活75
使命价值65
薪资福利匹配
70中等
薪资未在JD中披露，但高通作为外企通常提供有竞争力的薪酬和福利，西安地区薪资水平居中上。
薪资信号未披露（AI估算：15K-25K/月）
成长发展匹配
85较高
职位聚焦AI芯片部署，属于前沿技术方向，能深度接触硬件优化，技能成长快。
技术前沿前沿/新兴技术
技术栈模型部署、性能优化、嵌入式系统、C/C++、Python、Linux、Android
业务类型profit_center
工作生活匹配
75中等
西安现场办公，工作强度可能适中，外企文化通常支持WLB。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
65中等
高通是芯片行业巨头，业务稳定，但岗位主要聚焦技术实现，社会影响力中等。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs