海信
芯片算法开发工程师(J45097)
芯片算法开发工程师(J45097)
发布于 9 小时前普通员工/个人贡献者
全职员工仅现场办公芯片设计
芯片设计
Pytorch
Tensorflow
图像处理
嵌入式部署
深度学习
算法开发
芯片算法
计算机视觉
值不值得投
71综合评分
综合评分 71
技术前沿、成长性强的芯片算法岗，对复合技能要求高，适合专注技术的求职者。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
1.6万
比芯片设计中位数低
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
4 个在招
职位详情
关于这个职位
作为海信的芯片算法开发工程师，你将专注于图像与视频处理、计算机视觉算法的研发、预研与部署工作
核心职责包括传统及基于深度学习的算法开发，并将这些算法高效部署于嵌入式平台或配合进行硬件IP开发，助力提升显示产品的视觉处理能力
最低要求
院校：国内普通高等院校
学历：硕士及以上学历
专业：电子、通信、计算机相关专业
技能要求：
① 熟悉图像、视频处理，计算机视觉相关算法（传统算法，或深度学习/机器学习相关算法），在国内/国际算法设计竞赛中获奖者优先
② 掌握python语言，以及TensorFlow，Pytorch等深度学习框架，或掌握C/C++、Matlab，熟悉Verilog等数字设计者优先
③ 具有较强的学习能力、主动工作、沟通能力和良好的团队合作精神
素质要求：工作细心、责任心强，具备良好的沟通交流能力和团队协作精神
外语水平：英语四级以上，可以熟练阅读英文专业文档
工作职责
图像/视频处理、计算机视觉相关传统算法的跟踪/预研/开发（比如视频去噪、图像超分辨、视频帧率提升、视频高动态对比度调整、HDR/ISP相关图像处理）
基于机器学习/深度学习的方法开发图像/视频处理，计算机视觉相关算法的跟踪/预研/开发
在嵌入式平台（深度学习加速器）部署相关深度学习算法，或配合数字设计工程师一起完成图像/视频处理相关硬件IP开发/验证
优先资格
在国内/国际算法设计竞赛中获奖者优先
掌握C/C++、Matlab，熟悉Verilog等数字设计者优先
AI 洞察
优缺点分析
优点
- 深度接触芯片算法开发的前沿领域，技术栈垂直且壁垒高，利于构建核心竞争力
- 工作贯穿算法、软件与硬件，能获得宝贵的软硬件协同开发经验
- 作为产品研发的上游核心环节，工作成果直接影响终端产品的视觉体验
- 算法开发与嵌入式部署、硬件理解相结合，对综合技术能力要求极高，学习曲线陡峭
- 可能涉及算法在资源受限的嵌入式平台上反复优化，需要耐心和工程化思维
- 适合对图像视频算法和芯片底层实现有浓厚兴趣，具备扎实的编程与算法基础，且愿意深入钻研软硬件协同优化技术的硕士及以上学历求职者
缺点 / 挑战
- 需要持续跟踪图像处理与AI领域的技术快速迭代，保持学习压力
角色解读
- 技术专家路线：深耕图像视频算法与芯片部署，成为该领域的资深算法工程师或架构师
- 软硬件协同路线：向更底层的芯片算法协同设计、AI加速器架构或驱动开发方向发展
- 技术管理路线：积累经验后，可带领小团队负责特定算法模块或芯片功能的开发
- 预研、开发和优化图像与视频处理相关的传统算法（如去噪、超分）与基于深度学习的算法
- 将算法模型部署到嵌入式芯片（如NPU）或深度学习加速器上，确保其高效运行
- 与硬件设计团队协作，参与或验证面向图像视频处理的专用硬件IP的设计
- 扎实的图像处理、计算机视觉与机器学习/深度学习算法理论知识与实践经验
- 熟练的编程与框架应用能力，核心要求Python及至少一种深度学习框架（TensorFlow/PyTorch），C++/嵌入式开发为重要加分项
- 对芯片硬件有基本理解，能够进行算法到硬件的适配与部署优化
申请策略
- 深入研究海信在显示芯片、图像画质处理技术方面的公开资料或专利，了解其技术方向
- 准备一个与该岗位职责高度相关的个人项目或作品集（例如一个图像处理小工具或轻量模型部署Demo）
- 面试中可能考察算法原理与工程实现的结合能力，准备好解释如何在实际硬件约束下优化算法
- 突出在图像处理、计算机视觉或深度学习相关课程项目、竞赛或科研中的具体成果
- 详细描述使用Python及TensorFlow/PyTorch进行模型开发、训练与优化的经验
- 如有，强调C/C++编程、嵌入式开发或算法部署相关的项目经历
- 列举任何与算法设计、图像/视频处理相关的获奖情况
- 系统复习数字图像处理基础算法（滤波、增强、复原）与经典计算机视觉方法
面试指南
- STAR法则：具体描述项目背景(S)、你的任务(T)、采取的行动(A)和最终结果(R)，重点突出算法思考与工程实践
- 理论结合实践：在回答算法问题时，先简述原理，再结合项目经验说明如何选择、实现和优化
- 展现协同思维：在回答协作类问题时，强调沟通目标、理解硬件约束、共同制定接口与验证方案的能力
- 请介绍一下你做过的最复杂的图像处理或计算机视觉项目，重点说明算法选型和实现难点
- 如何将一个在PC上训练好的深度学习模型部署到资源受限的嵌入式设备上？有哪些优化策略？
- 你对图像去噪（或超分辨率、HDR等具体算法）有哪些了解？常用的算法框架是什么？
- 如果你开发的算法需要与硬件工程师协同完成IP验证，你会如何沟通和协作？
- 你如何看待算法开发与芯片硬件设计之间的关系？
职位点评
薪资福利65
成长发展85
工作生活60
使命价值75
薪资福利
65中等
JD未披露具体薪资福利信息。基于岗位技术要求（硕士、复合型技能）和青岛地区市场情况推断，薪资福利应处于当地市场中等水准。
薪资信号未披露（AI估算：1.2千–2万/月）
成长发展
85较高
该职位涉及图像算法前沿领域与芯片底层部署，技术深度与广度兼备，能提供扎实的软硬件协同技能积累和清晰的专家型成长路径。
技术前沿前沿/新兴技术
技术栈图像处理、计算机视觉、深度学习、TensorFlow、PyTorch、嵌入式部署
业务类型profit_center
工作生活
60中等
工作地点明确在青岛，但未提及任何办公模式（如远程、弹性）或WLB相关信息。技术研发岗位通常需要一定的投入时间。
工作模式未明确
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
75中等
职位处于半导体与消费电子交叉领域，算法直接影响用户视觉体验，具有一定的技术创新价值和社会应用前景。
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