南京实习基地-AI开发实习生

优缺点分析

角色解读

• 可成长为端侧AI推理与模型部署优化工程师，深入AI编译、算子加速方向
• 也可向算法工程、异构计算等方向拓展，成为AI系统工程专家
• 调研、分析并测试各类AI推理框架，评估其适用性
• 将视觉、音频、影像等AI模型部署到推理框架上，完成适配与调试
• 通过量化、剪枝、算子融合等手段优化模型性能
• 扎实的C++编程与数据结构基础，良好的工程开发能力
• 理解模型量化、剪枝、图优化等模型压缩与加速技术
• 了解计算机体系结构，具备SIMD/OpenCL/CUDA等底层优化经验更佳

申请策略

• 了解影石创新的产品线（全景相机、运动相机等）及其对端侧AI的需求，面试时结合影像/音频场景谈部署优化会更有说服力
• 重点展示C++项目与工程代码量，如有模型部署、量化/剪枝实践务必写明
• 列出用过的推理框架（MNN、QNN、TensorRT、ONNX Runtime等）
• 突出SIMD/OpenCL/CUDA等性能优化经历与性能提升数据
• 提前熟悉至少一个推理框架的部署流程与量化工具链
• 复习计算机体系结构与常见算子实现
• 若时间允许，动手做一个模型量化+加速的小项目

面试指南

• 技术问题遵循“原理—实现—效果”三段式，先讲清概念再讲自己怎么做的、达到什么效果
• 项目题用STAR结构，突出你解决的具体工程问题与量化收益
• 开放题可给出权衡思路而非单一答案
• 请介绍一个你主导的C++项目及其难点
• 解释模型量化的原理与常见方案（PTQ/QAT）差异
• 如何把一个模型部署到指定推理框架，遇到精度下降怎么处理
• 谈谈你对算子融合/图优化的理解
• 有无SIMD或CUDA优化经验，如何做性能分析