初速度
资深模型推理优化工程师
资深模型推理优化工程师
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Cnn
Cuda
Detr
Gpu
Npu
Pytorch
Tensorrt
Tvm
性能优化
值不值得投
78综合评分
综合评分 78
自动驾驶核心底层优化岗，技术前沿且成长空间大，薪资竞争力强，但工作节奏可能较快。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
4.8万
与算法优化工程师中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
73 个在招 · 其中算法优化工程师 2 个
市场机会
选择面较广
北京 · 算法优化工程师 · 约 330 个在招
职位详情
关于这个职位
该职位主要负责智能驾驶模型在多种硬件平台上的极致性能优化，涉及编译优化、并行计算及CUDA算子开发
你需要深入理解NPU/GPU硬件体系结构，并针对PyTorch/CUDA任务进行算子和系统优化，以提升车端推理和训练效率
最低要求
工作3年以上，计算机/数学/物理/电子工程/自动控制专业硕士及以上学历
优秀的代码能力，熟练掌握C/C++或Python，有 CUDA 开发经验
熟悉计算机体系结构，对GPU、NPU等有比较深刻的理解
熟悉CNN/Transformers/DETR等主流模型原理
良好的团队协作能力
创新性强，有良好的动手实现能力，对技术有热情
工作职责
负责智能驾驶模型在多种不同硬件平台的极致性能优化，结合编译优化、并行计算优化、图融合、高效 CUDA 算子开发实现行业领先的车端推理性能
针对特定NPU硬件计算平台，基于对硬件体系结构的深入理解，实现对硬件的高效利用
针对Pytorch/CUDA相关GPU计算任务，进行算子和系统优化，提升训练/推理效率
优先资格
熟悉TVM/TensorRT/Triton/Cutlass等推理框架优先
AI 洞察
优缺点分析
优点
- 处于自动驾驶与AI大模型落地的核心环节，技术壁垒高，行业前景广阔
- 能够深入接触底层硬件（NPU/GPU）与前沿推理框架，积累稀缺的软硬协同优化经验
- 初速度作为头部自动驾驶企业，业务场景丰富，能接触到行业领先的量产车端部署项目
- 需要频繁适配不同厂商的NPU/GPU硬件，底层调试工作繁琐且对硬件理解要求极高
- 适合对底层硬件架构和编译优化有浓厚兴趣，具备扎实C++/CUDA功底，且追求技术深度的算法工程师
缺点 / 挑战
- 自动驾驶对实时性和安全性要求苛刻，性能优化的压力较大，需不断突破算力瓶颈
角色解读
- 纵向可发展为自动驾驶底层系统架构师或首席性能优化专家
- 横向可拓展至AI芯片设计验证、自动驾驶全栈算法部署等核心领域
- 负责智能驾驶模型在各类硬件平台（如GPU、NPU）上的极致性能优化，提升车端推理速度
- 结合编译优化、并行计算、图融合及CUDA算子开发，解决底层计算瓶颈
- 针对PyTorch/CUDA计算任务进行算子和系统级优化，提高训练与推理效率
- 精通C/C++或Python，具备扎实的CUDA开发经验与底层算子编写能力
- 深入理解计算机体系结构，熟悉GPU/NPU硬件特性及主流深度学习模型（CNN/Transformers/DETR）
- 掌握TVM、TensorRT等推理框架，具备编译优化和并行计算理论基础
申请策略
- 提前了解初速度在量产自动驾驶中的硬件平台选型及部署痛点，准备好过往项目中遇到的最复杂的性能瓶颈案例及解决思路
- 突出在CUDA算子开发、TVM/TensorRT部署或并行计算优化方面的具体项目成果与性能提升数据
- 强调对GPU/NPU体系结构的理解，以及针对特定硬件进行内存管理、指令集优化的实战经验
- 展示在CNN/Transformers等主流模型上的优化案例，证明模型原理与底层实现的结合能力
- 深入学习Triton、Cutlass等新一代GPU编程框架，提升算子开发效率
- 补充编译器前端（如MLIR、LLVM）知识，增强从计算图到硬件指令的全链路优化能力
面试指南
- 采用“背景-瓶颈-方案-收益”的STAR法则，重点突出量化指标（如延迟降低百分比、吞吐量提升倍数）
- 回答底层优化问题时，从“计算单元利用率、内存访问模式、指令流水线”三个维度展开分析
- 请详细描述你使用CUDA开发自定义算子的过程，以及如何解决内存带宽瓶颈？
- 针对Transformer模型，你在推理阶段做过哪些具体的图融合或算子优化？
- 如果NPU的算力利用率不达标，你会从哪些维度进行排查和优化？
- TVM和TensorRT在编译优化流程上有什么核心区别？你更倾向于使用哪种，为什么？
- 复习CUDA编程模型、GPU内存层级结构以及常见的并行计算优化模式（如Shared Memory、Warp级优化）
- 了解当前主流自动驾驶芯片（如Orin、地平线征程系列）的架构特点及部署工具链
职位点评
薪资福利85
成长发展90
工作生活50
使命价值80
薪资福利
85较高
自动驾驶核心算法岗，技术壁垒高，薪资处于AI行业第一梯队，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：3.5千–6万/月）
成长发展
90较高
深入接触底层硬件与前沿推理框架，技术成长空间极大，处于自动驾驶量产落地的核心赛道。
技术前沿前沿/新兴技术
技术栈CUDA、TVM、TensorRT、Triton、Cutlass、PyTorch、NPU、GPU、CNN、Transformers、DETR
业务类型profit_center
工作生活
50较低
JD未提及工作模式与WLB相关信息，自动驾驶行业通常节奏较快，现场办公为主。
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
80较高
推动智能驾驶技术量产落地，具有较高的社会价值与行业使命感，属于高速增长的科技赛道。
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
Watch Jobs