德赛西威
AI大模型工程师（2027届-惠州）
AI大模型工程师（2027届-惠州）
发布于 7 天前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Ai Infra
Rag
剪枝
大模型推理
推理加速
模型压缩
模型微调
蒸馏
值不值得投
73综合评分
综合评分 73
车载大模型Infra校招岗，前沿技术栈、成长性突出，薪资与办公信息未披露
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，方便比较职业起点。
薪资怎么样
2.0万
比人工智能中位数低
发布情况
正常在招 · 7 天前发布
公司情况
这家公司招聘很活跃
18 个在招
市场机会
选择不多
惠州 · 人工智能 · 2 个在招
职位详情
关于这个职位
德赛西威2027届校招岗位，负责大模型端侧推理引擎、模型轻量化与AI Infra基建的开发优化，涉及多模态RAG与端云协同
适合计算机/AI相关专业、有推理框架实践与扎实代码功底的硕士应届生
最低要求
硕士及以上学历，计算机、人工智能、电子信息、自动化等相关专业
学习能力强，具备良好沟通协作意识
熟练掌握 Python/C++ 至少一门编程语言，代码功底扎实
具备 AI Infra、推理框架相关实践经验，了解大模型部署、推理加速相关技术
具备扎实的大模型相关算法基础，熟悉模型训练、压缩、推理的基础原理
具备良好的工程实践能力，能够独立完成模块开发、调试与问题闭环
工作职责
负责大模型端侧推理引擎开发，完成多后端适配，支撑模型在异构硬件上高效运行
开展大模型模型蒸馏、剪枝、压缩轻量化相关技术研究与落地，针对业务任务完成模型优化
参与多模态 RAG 底层底座能力建设，搭建端到端模型对抗测评系统，完善模型评测基础设施
负责 AI Infra 端云推理优化工作，搭建端云模型协同体系，完成模型微调后训练相关基建能力开发
跟踪大模型前沿技术动态，开展技术调研评估，推动底座技术落地产品化
AI 洞察
优缺点分析
优点
- 大模型是当前最热技术方向，经验含金量高
- 端侧推理与车载场景结合，工程落地机会真实
- 底座与基建类工作锻炼系统性架构能力
- 大模型技术迭代极快，需持续学习保持敏感
- 异构硬件适配与性能优化调试难度大
- 部分技术尚在探索期，落地效果存在不确定性
- 适合对大模型底层系统与工程优化有热情、自驱学习能力强的硕士应届生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从大模型Infra工程师成长为AI系统架构师
- 可向端侧智能、多模态感知与智能座舱AI方向深化
- 大模型底座经验在行业内有很强的通用性与稀缺性
- 开发大模型端侧推理引擎并完成多后端适配
- 研究蒸馏、剪枝、压缩等模型轻量化技术并落地
- 建设多模态RAG底座与模型对抗测评基础设施
- 搭建端云模型协同体系与微调后训练基建
- 熟练掌握Python或C++，代码功底扎实
- 具备AI Infra与推理框架实践经验
- 理解大模型训练、压缩与推理原理
- 能独立完成模块开发、调试与问题闭环
申请策略
- 提前了解德赛西威智能座舱AI与端侧智能布局
- 面试中结合车载场景谈端云协同的理解
- 突出推理框架或模型部署相关的实践项目
- 展示模型压缩、量化或蒸馏的具体成果
- 列举C++/Python工程能力与性能优化经历
- 提及RAG、微调等大模型应用经验
- 深入学习主流推理引擎的架构与优化手段
- 动手完成一次端侧模型量化部署全流程
面试指南
- 技术类问题按原理-实现-权衡三段展开
- 优化类问题先给指标基线再讲改进手段与结果
- 项目类问题用STAR结构，突出工程闭环能力
- 介绍主流大模型推理加速技术及其原理
- 模型量化与蒸馏分别如何实施，精度如何保障
- 如何在异构硬件上做算子适配与性能优化
- 谈谈你对端云协同推理架构的理解
- 介绍一次你独立完成模块开发并闭环问题的经历
职位点评
薪资福利68
成长发展88
工作生活55
使命价值68
薪资福利
68中等
JD未披露薪资与福利，大模型方向人才溢价明显，但具体信息缺失需面试确认。
薪资信号未披露（AI估算：1.5千–2.4万/月）
成长发展
88较高
大模型端侧推理与AI Infra是当前最前沿的技术方向之一，成长空间大。
技术前沿前沿/新兴技术
技术栈大模型推理、蒸馏、剪枝、压缩、RAG、AI Infra、Python、C++
业务类型ambiguous
工作生活
55较低
JD未提及办公模式、工时与加班情况，相关维度无法判断。
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
68中等
大模型底座能力支撑智能座舱与智驾产品智能化升级，技术外溢价值明显。
行业发展高速增长赛道
社会影响中性/一般
创新程度开拓性创新（行业首创）
德赛西威 的其他在招职位
相似职位推荐
Watch Jobs