思必驰
C++研发工程师-2027届
C++研发工程师-2027届
发布于 8 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Cuda
Mnn
Npu
嵌入式部署
异构计算
推理引擎
模型量化
算子优化
值不值得投
74综合评分
综合评分 74
技术含量高、成长性强的端侧AI研发校招岗，薪资中等，WLB与工作强度需进一步确认。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
13K
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
44 个在招 · 其中人工智能 8 个
市场机会
选择不多
苏州 · 人工智能 · 10 个在招
职位详情
关于这个职位
该职位为2027届校招C++研发工程师，专注于端侧AI模型的高效部署与性能优化
你将负责推理引擎开发、模型轻量化压缩、异构硬件算子优化等核心工作，推动LLM、语音等AI模型在PC、汽车等终端设备的落地交付
最低要求
本科及以上学历，计算机、软件工程、电子信息、自动化等相关专业
具备扎实的 C/C++、数据结构和操作系统基础，理解内存管理、并发编程与编译链接
有系统软件、推理引擎、编译器、高性能计算或嵌入式相关课程项目、竞赛、科研经历者优先
具备良好的编码习惯、问题分析能力和团队协作意识
工作职责
方向一：
推理引擎开发与优化：负责端侧/国产化推理框架（如自研引擎、MNN、VLLM等）的研发与性能调优，支撑LLM、SD、多模态等模型在PC、汽车等终端的高效部署
模型轻量化与压缩：运用量化（PTQ/QAT）、剪枝、蒸馏、稀疏化、KV Cache优化等前沿技术，在保证模型效果的前提下，降低推理延迟、内存占用与硬件功耗
异构算力极致挖掘：针对CPU、GPU、NPU、DSP等不同硬件特性，进行算子开发与优化（如CUDA、OpenCL、NEON指令集），实现异构调度与资源占用优化
端到端落地交付：负责从模型格式转换、工具链开发到业务集成的全链路工作，解决推理卡顿、内存溢出等线上实际问题，协同算法与硬件团队完成交付
方向二：
AI底层技术支持：参与AI算法在端侧或云端的高效部署，为语音、NLP、多模态等AI模型提供底层系统支持与性能优化
系统问题攻坚：解决项目集成中的系统底层难题，如内存管理、进程调度、资源冲突等，保障系统稳定性与实时性
跨部门协作：与算法、产品团队合作，完成从需求分析到版本集成的全流程交付，必要时出差支持客户联调
优先资格
有系统软件、推理引擎、编译器、高性能计算或嵌入式相关课程项目、竞赛、科研经历者优先
AI 洞察
优缺点分析
优点
- 技术前沿性高：直接接触LLM、多模态等最新AI技术在端侧的落地，能积累宝贵的高性能计算与系统优化经验
- 全栈能力培养：工作覆盖模型、算法、硬件、系统多层面，有利于构建完整的技术视野和系统思维
- 校招起点明确：作为2027届校招岗，有清晰的入职培养路径和应届生身份保护，适合打好职业基础
- 跨团队协作复杂：需要与算法、产品、硬件等多团队协同，对沟通和项目跟进能力有要求
- 适合计算机相关专业、对系统底层和AI工程化有浓厚兴趣、希望在高技术门槛领域深耕的2027届应届毕业生
缺点 / 挑战
- 技术门槛较高：对C++功底和系统底层知识要求深，初上手时需要较强的学习和调试能力
- 性能优化压力：追求极致的推理速度和资源占用，可能面临在有限硬件资源下解决复杂工程问题的挑战
角色解读
- 技术专家路线：深入端侧AI部署与优化领域，成为推理引擎、高性能计算或AI系统架构方向的技术专家
- 横向拓展路线：向AI算法、嵌入式系统、芯片设计支持等相邻领域发展，成为复合型技术人才
- 技术管理路线：在积累足够项目经验和技术影响力后，转向技术团队管理或项目负责人角色
- 负责将先进的AI模型（如大语言模型、语音模型）高效部署到手机、汽车等终端设备上，确保其快速、低耗地运行
- 深入研究和优化C++实现的底层推理框架，进行算子开发、内存管理和性能调优，解决实际工程中的卡顿和内存问题
- 与算法和硬件团队紧密协作，完成从模型适配到最终产品交付的全流程技术支持
- 精通C++编程语言，对数据结构、算法、操作系统底层原理（内存、并发）有扎实理解
- 了解主流推理引擎（如MNN, VLLM）或有编译器、高性能计算、嵌入式系统开发经验
- 熟悉至少一种异构硬件（如GPU/CUDA、NPU、DSP）的编程与优化方法
- 具备良好的工程实践能力、问题分析能力和团队协作精神
申请策略
- 在面试中展现出对“将AI模型塞进手机/汽车”这一技术挑战的热情和思考，这能体现你的工程思维
- 提前了解思必驰在语音交互、车机系统等方面的产品和解决方案，思考C++研发在其中扮演的角色
- 突出C++项目经历，特别是涉及内存管理、多线程、性能优化的部分，附上代码或量化结果
- 列举任何与推理引擎、编译器、高性能计算（如HPC）、嵌入式系统相关的课程设计、竞赛（如ACM/ICPC）或科研项目
- 如果了解或使用过MNN、PyTorch Mobile、ONNX Runtime等部署框架，务必在简历中明确写出
- 系统学习CUDA/OpenCL编程，或深入了解ARM NEON等SIMD指令集，可在个人项目中实践算子优化
- 阅读一份主流推理引擎（如MNN）的源码，理解其核心模块设计，并尝试复现或改进
面试指南
- 对于技术原理题，采用“是什么-为什么-怎么用-优缺点”的结构回答，展示系统理解
- 对于优化/排查类问题，遵循“分析瓶颈（性能/内存）-> 定位工具（profiler/调试器）-> 解决方案（算法/工程）-> 验证效果”的流程
- 对于开放性问题，结合具体项目经历，阐述技术挑战、解决过程和个人思考，体现主动性和深度
- 请介绍一下你熟悉的一种C++智能指针（如shared_ptr, unique_ptr）及其原理和使用场景
- 如何优化一段在嵌入式设备上运行缓慢的C++代码？请谈谈你的思路
- 你了解模型量化（Quantization）吗？能简单说明PTQ和QAT的区别吗？
- 假设一个模型在手机上运行时出现内存持续增长（泄漏）的问题，你会如何排查？
- 你为什么对端侧AI部署这个方向感兴趣？它吸引你的地方是什么？
职位点评
薪资福利65
成长发展90
工作生活60
使命价值70
薪资福利
65中等
作为校招岗位，提供了进入AI核心技术领域的起步机会。薪资在苏州地区对毕业生而言具有市场竞争力，但具体水平未在JD中明确。
薪资信号未披露（AI估算：1–1.5万/月）
成长发展
90较高
该职位提供深入AI系统底层、端到端参与前沿模型落地部署的绝佳机会，技术成长空间大，能快速积累高价值的工程经验。
技术前沿前沿/新兴技术
技术栈C++、推理引擎、模型量化、CUDA、NPU、MNN、异构计算
业务类型profit_center
工作生活
60中等
工作地点明确为苏州，生活成本相对较低。但JD未提及任何办公模式、弹性工作或WLB相关信息，工作节奏和强度无法从文本判断。
工作模式未明确
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
身处人工智能行业，致力于让AI技术在终端设备更高效地运行，具有明确的应用价值和社会意义。但公司业务聚焦于语音语言AI，影响力更多体现在特定场景的用户体验提升上。
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