德赛西威
AI大模型工程师（2027届成都）
AI大模型工程师（2027届成都）
发布于 8 天前普通员工/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
Ai Infra
Llm
Rag
多模态
推理加速
模型压缩
模型蒸馏
模型评测
值不值得投
73综合评分
综合评分 73
大模型前沿方向校招岗，技术成长空间突出，薪资与 WLB 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
1.9万
比机器学习工程中位数低
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
选择适中
成都 · 机器学习工程 · 29 个在招
职位详情
关于这个职位
负责大模型端侧推理引擎开发与多后端适配，开展模型蒸馏、剪枝、压缩轻量化研究，并参与多模态 RAG 底座与模型评测体系建设
面向2027届校招硕士毕业生，适合有大模型部署与 AI Infra 实践经验的技术型应届生
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
- 大模型端侧推理与轻量化是当前需求旺盛的技术方向，技能积累含金量高
- 覆盖引擎开发、模型优化、评测体系等完整链路，工程视野全面
- 校招岗位面向2027届，应届生可从底座建设阶段切入，成长空间大
- 涉及异构硬件适配与端云协同，技术栈复杂，学习曲线陡峭
- 需要同时具备算法原理与工程落地能力，对基本功要求高
- 适合有大模型部署或 AI Infra 实践、动手能力强、愿意深入底层优化的硕士应届生
缺点 / 挑战
暂无明显挑战项
角色解读
- 从推理引擎与模型优化模块开发起步，逐步成长为 AI Infra 方向的核心工程师
- 向端云协同架构、多模态底座等更系统的技术方向拓展，积累大模型工程化经验
- 开发大模型端侧推理引擎并完成多后端适配，让模型在异构硬件上高效运行
- 研究模型蒸馏、剪枝与压缩等轻量化技术，针对业务任务完成模型优化落地
- 参与多模态 RAG 底座能力建设，搭建端到端模型对抗测评系统
- 负责端云推理优化与模型微调后训练基建开发，并跟踪大模型前沿技术动态
- 扎实的 Python/C++ 编程功底，能独立完成模块开发与问题闭环
- 理解大模型训练、压缩、推理的基础原理，熟悉推理加速与部署技术
- 有 AI Infra 或推理框架实践经验，了解异构硬件适配思路
申请策略
- 投递前了解车载智能座舱与端侧大模型的业务场景，准备与业务结合的思考
- 突出大模型推理加速、量化或蒸馏相关的项目经历与量化效果
- 写明使用 Python/C++ 完成的具体工程模块与性能优化成果
- 展示对推理框架（如 vLLM、TensorRT 等）或异构硬件适配的实践经验
- 如有 RAG 或模型评测相关项目，可作为差异化亮点
- 补齐模型压缩与推理优化的基础原理，熟悉常见加速方案
- 练习 C++ 工程能力，理解算子与内存调度等底层细节
面试指南
- 项目类问题按「背景—方案—难点—量化结果」结构展开
- 原理类问题先给定义与对比维度，再结合业务场景说明取舍
- 介绍你做过的大模型推理优化或部署项目，量化指标是什么？
- 模型蒸馏、剪枝、量化的原理与适用场景有何区别？
- 如何设计一个端到端的模型评测系统？
- C++ 内存管理与多线程在推理引擎中的应用？
- 端云协同推理架构的挑战有哪些？
- 复习大模型推理加速与压缩的核心原理，准备可量化的项目细节
职位点评
薪资福利70
成长发展85
工作生活60
使命价值70
薪资福利
70中等
JD 未披露薪资与福利，按校招硕士算法类岗位市场水平估计，薪资吸引力中等偏上，但福利信息未知。
薪资信号未披露（AI估算：1.5千–2.2万/月）
成长发展
85较高
岗位覆盖大模型推理、压缩、RAG 底座与评测体系等前沿方向，技术成长空间大，JD 未明确培训与晋升机制。
技术前沿前沿/新兴技术
技术栈LLM、模型蒸馏、模型压缩、推理加速、RAG、Python、C++
业务类型ambiguous
工作生活
60中等
JD 未提及办公模式与加班情况，工作生活平衡程度无法判断，需面试时确认。
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
岗位服务于大模型技术在车载场景的产品化落地，技术前瞻性较好，JD 未明确表述使命愿景。
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
德赛西威 的其他在招职位
相似职位推荐
Watch Jobs