Watch Jobs
Xiaomi logo
小米
AI算法工程师-汽车专项-实习
立即应聘

AI算法工程师-汽车专项-实习

发布于 大约 2 个月前

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)
性能优化
模型部署
深度学习
计算机视觉
ONNX
PyTorch
TensorRT

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

职位点评

70
综合评分

大厂汽车AI实习，技术前沿，成长迅速，薪资中等。

从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。

更适合这类人
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。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利40
成长发展90
工作生活60
使命价值70

薪资福利

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

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

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

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

小米 的其他在招职位

相似职位推荐

Watch Jobs