小米
AI算法工程师-汽车专项-实习
AI算法工程师-汽车专项-实习
发布于 大约 3 小时前实习/见习
南京市
无经验要求
实习生
仅现场办公
硕士
研究与开发 (研发)
深度学习
PyTorch
性能优化
计算机视觉
模型部署
TensorRT
ONNX
AI 估算 · 6k–8k
实习薪资按日折算，小米南京实习通常300-400元/天，月薪约6000-8000元，技术岗位略有上浮。
职位详情
关于这个职位
作为小米汽车AI算法实习工程师，你将参与智能汽车视觉算法的设计与落地，涉及模型开发、部署优化及系统集成
适合对计算机视觉和深度学习有扎实基础的硕士生，能在实战中提升工程与算法能力
最低要求
计算机、自动化、人工智能、数学/统计等相关专业，硕士及以上学历
基础扎实（数据结构与算法、线性代数、概率统计等）
有高质量开源/竞赛/论文或可复现的工程作品者优先
编程与工程能力强：熟练掌握 C/C++、Python、MATLAB、SQL 等至少一项
具备良好的工程化意识与编码习惯
有端侧部署优化经验（如 ONNX/TensorRT、量化/裁剪/加速、性能profiling）者优先
熟悉机器学习/深度学习完整流程：能独立完成数据处理、训练调参、评估与问题定位
掌握 PyTorch/TensorFlow 等至少一种框架
了解或使用过 AutoML/超参搜索工具者加分
具备大数据处理/特征生产经验（Spark/Flink/Hive 等）者优先
具备良好的沟通协作与自驱学习能力，能与产品、数据、平台与车端团队高效协作，推动算法从验证到上线的闭环落地
热爱技术，做事严谨，结果导向，能够在多任务与不确定性中保持交付质量与稳定节奏
工作职责
参与汽车智能应用相关算法方案设计、数据分析与迭代优化
负责算法工程落地，推理链路实现、模块集成、性能调优、联调定位、训练评估与效果提升
AI视觉模型开发与优化：基于主流算法，开发并优化针对实验室场景的视觉检测模型，确保满足实时、可靠的检测需求
内容涵盖警示灯识别、电压数值识别与读取、火灾检测、人员安全行为识别等任务
模型部署与性能优化：基于TensorRT、OpenVINO、ONNX等工具链，对训练完成的模型进行性能优化
独立完成模型部署接入与效果验证，保障模型在实际场景中稳定高效运行
技术对接与功能落地：配合研发团队完成模型与系统的接口封装、异常处理及联调测试等，确保AI模型功能与系统整体顺畅衔接，构建低延迟、高稳定性的实时检测系统
优先资格
有高质量开源/竞赛/论文或可复现的工程作品者优先
有端侧部署优化经验（如 ONNX/TensorRT、量化/裁剪/加速、性能profiling）者优先
了解或使用过 AutoML/超参搜索工具者加分
具备大数据处理/特征生产经验（Spark/Flink/Hive 等）者优先
AI 洞察
优缺点分析
优点
- 小米汽车作为智能电动汽车新势力，技术投入大，实习能接触到前沿的AI部署技术
- 工作内容覆盖算法开发到工程落地，对综合素质提升显著
- 大厂实习经历含金量高，转正机会大，且南京生活成本相对一线城市低
- 汽车场景对实时性和稳定性要求苛刻，需要较强的抗压和问题定位能力
缺点 / 挑战
- 实习岗位要求较高，需同时具备算法和工程能力，对新手有一定门槛
- 适合计算机、人工智能等相关专业的硕士研究生，有扎实的编程和深度学习基础，对AI落地有浓厚兴趣，愿意接受挑战
角色解读
- 可从实习转正为正式AI算法工程师，深入参与小米汽车智能座舱或自动驾驶项目
- 积累模型部署和工程落地经验后，可向AI系统架构师或技术专家方向发展
- 接触前沿的计算机视觉和嵌入式AI技术，未来可拓展至机器人、IoT等领域
- 负责汽车场景下AI视觉算法的开发与优化，包括警示灯识别、电压数值读取等具体任务
- 参与模型从训练到部署的全流程，使用TensorRT、ONNX等工具进行性能调优
- 与产品、平台、车端团队协作，确保算法在真实系统中稳定运行
- 扎实的编程能力，精通C/C++或Python，熟悉PyTorch/TensorFlow
- 熟悉深度学习模型部署优化技术，如TensorRT、量化、剪枝等
- 具备数据处理和算法调参经验，了解AutoML或大数据工具是加分项
申请策略
- 在简历中附上可复现的工程作品或GitHub链接，体现动手能力
- 面试前了解小米汽车在智能化方面的最新进展，展示对公司的关注
- 重点突出相关项目经验，特别是计算机视觉或模型部署相关的开源项目、竞赛奖项或论文
- 详细描述编程能力，列出熟练掌握的语言和框架，并附上代码仓库链接
- 强调工程化意识，如性能优化、模型量化、推理加速等实际成果
- 如果对TensorRT不熟悉，建议提前学习模型优化和部署的基础知识
- 补充大数据处理工具（Spark/Flink）经验会增加竞争力
面试指南
- STAR法则：描述情境、任务、行动、结果，突出技术细节和量化成果
- 技术问题：先讲原理，再结合实际经验，最后总结优化思路
- 请介绍一个你参与过的计算机视觉项目，包括模型选型、训练过程和部署细节
- 如何对深度学习模型进行推理加速？谈谈你熟悉的工具和方法
- 在模型部署过程中遇到过哪些挑战？如何解决的？
- 请解释一下TensorRT的工作原理和优化步骤
- 你如何与团队协作推动算法落地？举个例子
- 复习深度学习模型部署相关知识，如ONNX、TensorRT、量化和剪枝
匹配度报告
65
综合匹配度
大厂汽车AI实习，技术前沿，成长迅速，薪资中等。
适合人群
最适合追求技术成长和项目经验的求职者，而非看重短期薪酬。
最强匹配
成长发展匹配
最弱匹配
薪资福利匹配
薪资福利40
成长发展90
工作生活60
使命价值70
薪资福利匹配
40较低
实习薪资中等，福利不明确，但小米作为大厂提供基本保障。
薪资信号未披露（AI估算：6K-8K/月）
成长发展匹配
90较高
实习岗位技术含量高，涉及前沿AI部署技术，成长空间大。
技术前沿前沿/新兴技术
技术栈计算机视觉、深度学习、TensorRT、ONNX、PyTorch、模型部署
业务类型profit_center
工作生活匹配
60中等
现场办公，地点南京，没有明确WLB信号，实习强度可能不大。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
70中等
参与智能汽车研发，有技术价值，但实习影响有限。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs