TCL
算法工程师
算法工程师
发布于 12 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Onnx
Pytorch
Tensorflow
多模态算法
大模型
机器人
模型压缩
端侧部署
值不值得投
72综合评分
综合评分 72
前沿多模态大模型算法岗，技术成长空间大，聚焦AI物理化落地，WLB情况未知。
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
3.5万
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 430 个在招
市场机会
选择面较广
深圳 · 机器学习工程 · 83 个在招
职位详情
关于这个职位
该职位主要负责家庭陪育机器人的多模态算法研发，涵盖语音、视觉、文本等多模态融合感知
你需要负责大模型的训练、微调及端侧部署，推动AI算法在物理设备上的高效落地，并与软硬件团队协作实现产品功能迭代
最低要求
AI/机器人相关研究方向，有人工智能领域的研究产出（论文、专利、竞赛、开源项目等）
具备AI模型在物理设备上落地（AI物理化）的工程经验，熟悉模型压缩、量化、端侧部署等关键技术
扎实的深度学习与机器学习基础，熟悉主流多模态算法框架（PyTorch / TensorFlow / ONNX 等）
良好的工程能力，熟练掌握 Python / C++
硕士及以上学历，理工科背景
工学类（计算机科学与技术、软件工程、人工智能、数据科学与大数据技术、电子信息工程、自动化等）、理学类（数学与应用数学、统计学、信息与计算科学、运筹学）等相关专业
工作职责
主导家庭陪育机器人场景下的多模态算法研发，覆盖语音、视觉、文本、动作等多模态融合感知与理解
负责大模型、多模态模型的训练、微调、蒸馏与优化，持续提升模型在儿童场景下的理解与生成效果
推进算法模型的工程化落地，将模型高效部署到端侧（机器人）与云端，保障低延迟、低功耗、稳定运行
与产品、硬件团队紧密协作，定义算法能力边界，支撑产品功能快速迭代
跟踪学术前沿（LLM、VLM、语音合成、情感计算等），将先进算法引入业务并落地
优先资格
有大规模分布式训练或推理系统经验优先
AI 洞察
优缺点分析
优点
- 处于具身智能与家庭机器人这一极具前景的赛道，技术应用场景丰富且贴近生活
- 能够完整参与从算法研发到端侧物理落地的全链路，积累稀缺的“AI物理化”工程经验
- 依托大型科技企业的资源，有机会接触大规模算力与真实的硬件产品迭代流程
- 需要与硬件、产品团队紧密协作，跨部门沟通与软硬件联调可能会占用较多精力
- 适合具备扎实算法基础，且对机器人、智能硬件等物理世界AI落地有浓厚兴趣，愿意钻研端侧部署与多模态技术的研发人才
缺点 / 挑战
- 端侧部署对算力、功耗和延迟要求极高，模型压缩与优化面临较大的技术挑战
角色解读
- 纵向可深耕多模态大模型与具身智能算法，成为该领域的资深技术专家
- 横向可向AI产品技术负责人或机器人算法团队Leader方向发展，统筹软硬件协同落地
- 负责家庭陪育机器人的多模态算法研发，涵盖语音、视觉、文本和动作的融合感知
- 进行大模型和多模态模型的训练、微调与蒸馏，优化儿童场景下的交互效果
- 推动算法在端侧和云端的工程化部署，确保低延迟和低功耗运行
- 扎实的深度学习基础，熟练掌握 PyTorch、TensorFlow 等主流框架及 Python/C++ 编程
- 具备模型压缩、量化及端侧部署经验，能将AI模型在物理设备上高效落地
- 拥有多模态算法或大模型（LLM/VLM）的研究与工程落地经验，有相关论文或专利产出
申请策略
- 了解TCL在家庭机器人或智能家居领域的现有产品线，思考算法如何赋能具体产品功能
- 重点突出在多模态融合、大模型微调或端侧部署方面的具体项目经验与落地成果
- 展示在AI领域的学术产出（论文、专利）或开源项目贡献，证明研究能力
- 强调 Python/C++ 工程能力以及分布式训练/推理系统的实际使用经验
- 深入学习模型量化、剪枝、知识蒸馏等模型压缩技术，以及 TensorRT、ONNX Runtime 等部署工具
- 关注具身智能、VLM（视觉语言模型）及情感计算在机器人领域的最新学术进展
面试指南
- STAR法则：针对项目经验题，按照情境、任务、行动、结果的逻辑清晰阐述，重点突出“行动”中的技术细节和“结果”中的量化指标
- 权衡分析：针对端侧部署或软硬件冲突问题，从算力、功耗、延迟、精度等多个维度分析Trade-off，展现系统性思维
- 请详细介绍一个你主导的多模态或大模型项目，你是如何解决模型在端侧部署时的延迟和功耗问题的？
- 在儿童场景下，多模态感知（如语音+视觉）融合时遇到过哪些挑战？如何优化生成效果？
- 模型蒸馏和量化在你的实际项目中是如何应用的？精度和速度之间如何权衡？
- 当算法效果与硬件算力限制产生冲突时，你通常如何与硬件团队沟通并寻找折中方案？
- 复习多模态大模型（如LLaVA等）的架构原理，以及主流端侧部署框架（如NCNN、MNN、TensorRT）的底层机制
- 准备1-2个自己主导的、有完整落地链路的算法项目，能够深入讲解其中的技术难点和解决思路
职位点评
薪资福利75
成长发展85
工作生活50
使命价值70
薪资福利
75中等
职位为上市企业的核心算法岗，薪资具备市场竞争力，但JD未明确披露具体薪资与福利细节。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
85较高
岗位涉及大模型、多模态及端侧部署等前沿技术，且要求跟踪学术前沿，技术成长空间大。
技术前沿前沿/新兴技术
技术栈PyTorch、TensorFlow、ONNX、Python、C++、LLM、VLM、多模态算法、模型压缩、端侧部署
成长机会跟踪学术前沿
业务类型ambiguous
工作生活
50较低
JD未提及工作模式与加班情况，但算法研发及软硬件联调岗位通常工作节奏较快，WLB情况无法明确判断。
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
70中等
家庭陪育机器人面向儿童场景，具有一定的社会正向价值，同时处于具身智能这一新兴赛道。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
TCL 的其他在招职位
相似职位推荐
Watch Jobs