Watch Jobs
Intel logo
英特尔
AI Frameworks Software Engineer – Model Compression
立即应聘

AI Frameworks Software Engineer – Model Compression

发布于 大约 14 小时前

普通员工/个人贡献者

上海市
无经验要求
全职员工
仅现场办公
本科
机器学习工程
Intel Neural Compressor
Llm
剪枝
推理优化
模型压缩
深度学习
量化

AI 估算 · 20k–30k

英特尔平台加成，模型压缩为AI热门方向，上海校招工程师月薪20-30K，全年约13薪。

职位详情

关于这个职位

本职位加入英特尔Neural Compressor团队，专注模型压缩技术（量化、剪枝、知识蒸馏等）的研发与优化

你将参与开源工具开发，为英特尔AI平台提供高效推理方案，并探索LLM、VLM等前沿模型的压缩与加速
适合对深度学习系统优化和算法落地充满热情的应届毕业生

最低要求

计算机科学或相关领域的学士或硕士学位

对深度学习、深度学习框架和大语言模型(LLM)基础有扎实的理解
熟悉模型压缩技术，如量化和剪枝
精通Python、C++或其他深度学习开发中常用的编程语言
强大的团队合作精神和协作能力
良好的英语书面和口头沟通能力

工作职责

开发Intel Neural Compressor及其核心算法工具（包括AutoRound），并为Intel AI平台（如CPU、GPU和AI加速器）进行优化

研究并实现大语言模型(LLM)、视觉语言模型(VLM)以及生成模型（文本到图像、文本到视频和世界模型）的量化和压缩技术
跟踪并探索高效模型部署、推理加速和微调加速的新兴方向

优先资格

强烈的自我激励、主人翁意识和问题解决能力

对技术创新和实际工程的热情，致力于持续探索和改进
有模型微调、推理优化或相关工具开发经验者优先

AI 洞察

优缺点分析

优点

  • 英特尔是半导体和AI基础设施巨头，平台成熟，技术积累深厚
  • 模型压缩是AI部署的关键环节，技术前沿且应用广泛，个人竞争力提升快
  • 团队开源项目影响力大，有机会与全球开发者合作，拓展视野
  • 作为全球性公司，提供国际化工作环境和职业发展平台
  • 现场办公模式，可能限制工作地点灵活性
  • 涉及多种AI模型（LLM/VLM/生成式），技术更新快，需持续学习

缺点 / 挑战

  • 岗位要求较高的技术深度，需同时掌握算法和工程，学习压力较大
  • 适合对AI系统软件和模型优化有强烈兴趣、喜欢挑战技术难题、愿意在基础软件领域深耕的应届毕业生

角色解读

  • 初始负责模型压缩工具开发，逐步深入算法研究和性能优化，成长为AI框架/编译器领域专家
  • 可向技术专家（P序列）或项目技术负责人（M序列）方向发展，在英特尔内部获得调岗和晋升机会
  • 积累深度学习系统优化经验，未来可转向AI推理引擎、AI芯片软件栈等更广阔的技术方向
  • 负责Intel Neural Compressor及其核心算法工具（如AutoRound）的开发与优化，适配CPU、GPU和AI加速器
  • 研究和实现大语言模型（LLM）、视觉语言模型（VLM）及生成式模型的量化、剪枝等压缩算法
  • 跟踪高效模型部署、推理加速和微调加速的前沿方向，推动技术落地到实际产品
  • 参与开源社区贡献，与全球研发团队协作
  • 扎实的深度学习基础，熟悉常见深度学习框架（如PyTorch、TensorFlow）和LLM原理
  • 掌握模型压缩技术，包括量化、剪枝、蒸馏等
  • 精通Python、C++等编程语言，具备良好的代码实现和调试能力
  • 良好的沟通协作能力，能用英语进行技术交流

申请策略

  • 申请前详细了解Intel Neural Compressor开源项目，在面试中展示你的理解和想法
  • 准备一个与模型压缩相关的个人项目，展示从理论到实践的能力
  • 突出深度学习相关项目经验，尤其是涉及模型压缩、量化或剪枝的内容
  • 如有LLM或生成模型部署/微调经验，务必重点描述
  • 展示Python/C++编程能力，可附上GitHub或开源贡献链接
  • 强调团队协作和英语沟通能力，提供相关证明或经历
  • 提前学习模型量化工具（如Intel Neural Compressor、AutoRound、GPTQ、AWQ）和主流推理框架
  • 补充C++和性能优化知识，了解CPU/GPU体系结构

面试指南

  • 先阐述概念基础，再结合实际经验
  • 例如量化问题，先说定义，再对比不同方法，最后给出选择依据
  • 采用'背景-行动-结果'（STAR）结构回答项目类问题，突出你的角色和量化成果
  • 对于开放性问题，可以列出几种方案并分析权衡，展现系统性思维
  • 请解释量化中PTQ和QAT的区别及各自适用场景
  • 如何压缩一个7B参数的LLM？你会选择什么方法？为什么？
  • 描述你在深度学习项目中遇到的性能瓶颈，以及如何优化
  • 你如何理解'模型压缩'与'推理加速'的关系？

职位点评

73
综合评分

英特尔AI模型压缩工程师（校招），前沿技术栈、成长性强，薪资未披露，现场办公。

从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。

更适合这类人
该职位最适合以技术成长为核心目标，对模型压缩和AI系统优化有强烈兴趣，且不介意固定办公地点的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展88
工作生活50
使命价值75

薪资福利

70中等

该职位薪资水平未披露，但英特尔作为行业领先企业，通常提供有竞争力的薪酬和福利。作为校招岗位，起薪处于市场中等偏上水平。

薪资信号未披露（AI估算：20K-30K/月）

成长发展

88较高

职位聚焦模型压缩这一前沿技术领域，涉及LLM/VLM等热点，团队有开源项目和算法研究，成长空间大。

技术前沿前沿/新兴技术
技术栈模型压缩、量化、剪枝、LLM、VLM、推理优化
业务类型ambiguous

工作生活

50较低

职位要求现场办公，未提及弹性工作或远程选项，WLB信号不明确。

工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）

使命价值

75中等

AI基础设施是高速增长领域，模型压缩有助于降低AI应用能耗和成本，具有一定社会价值。

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

英特尔 的其他在招职位

相似职位推荐

Watch Jobs