中国电信
AI算法工程师（临港）
AI算法工程师（临港）
发布于 大约 1 小时前普通员工/个人贡献者
人工智能
Pytorch
Tensorflow
多模态
推理加速
模型压缩
稀疏化
端侧大模型
自动化部署
量化
AI 估算 · 25k–45k
职位详情
关于这个职位
该职位负责优化AI模型性能，研发低比特量化与结构化稀疏等前沿压缩技术，构建高效的多模态模型编解码与推理加速算法库，并建设端侧大模型技术体系与自动化部署工具链
适合对技术有深厚兴趣、具备扎实数学和算法功底、熟悉PyTorch/TensorFlow的工程师
工作地点在上海浦东新区临港，合同签署方为临港算力（上海）科技有限公司
最低要求
本科及以上学历，计算机科学、软件工程、人工智能等相关专业
有相关研究或项目经历优先，对技术钻研抱有持续学习能力
具备坚实的数学功底与算法实现能力，熟悉PyTorch/TensorFlow
工作职责
优化模型性能，研发低比特量化与结构化稀疏等前沿压缩技术
构建高效的多模态模型编解码与推理加速算法库
建设端侧大模型技术体系与自动化部署工具链
AI 洞察
优缺点分析
优点
- 涉及前沿技术，如低比特量化、结构化稀疏，技术含量高，有利于个人技术积累
- 公司为大型国企，平台稳定，资源丰富，有良好的发展空间
- 工作地点在上海临港，可能享受人才引进政策
- 临港地区距离市区较远，通勤可能不便
缺点 / 挑战
- 技术难度大，需要较强的数学和算法功底，工作压力可能较大
- 适合对AI模型优化和端侧部署有浓厚兴趣，具备扎实算法基础，能承受技术挑战的工程师
角色解读
- 在AI算法领域深耕，成为模型压缩和推理优化专家
- 向技术管理方向发展，带领团队负责端侧AI技术体系建设
- 跨领域发展，结合业务需求，推动AI技术在更多场景落地
- 负责优化AI模型性能，研发低比特量化与结构化稀疏等模型压缩技术，提升模型推理效率
- 构建多模态模型的编解码与推理加速算法库，支持高效部署
- 建设端侧大模型技术体系，开发自动化部署工具链，实现模型在边缘设备的落地
- 扎实的数学功底和算法实现能力，熟悉PyTorch/TensorFlow等深度学习框架
- 了解模型压缩、量化、稀疏化等前沿技术，有相关研究或项目经验者优先
- 具备持续学习能力，对技术钻研有热情
申请策略
- 了解中国电信在AI领域的布局，特别是临港算力公司的业务方向
- 准备时关注多模态模型的最新进展，展示对前沿技术的关注
- 突出模型压缩、量化、稀疏化等相关项目经验，展示技术深度
- 强调PyTorch/TensorFlow的使用经验，以及算法实现能力
- 如有端侧部署或推理加速相关经验，务必重点描述
- 深入学习模型量化、剪枝、知识蒸馏等模型压缩技术
- 熟悉ONNX、TensorRT等推理优化工具，了解端侧推理框架如MNN、NCNN
面试指南
- 回答技术问题时，采用STAR法则（情境、任务、行动、结果），结合具体项目经历，突出技术难点和解决方案
- 对于原理性问题，先给出定义，再解释机制，最后举例说明
- 请介绍你在模型压缩或量化方面的项目经验
- 如何优化一个深度学习模型的推理速度？
- 你如何理解低比特量化？请说明其原理和挑战
- 在端侧部署大模型时，你会考虑哪些因素？
- 请解释结构化稀疏与非结构化稀疏的区别及优缺点
- 复习深度学习基础，特别是卷积神经网络和Transformer结构
职位点评
69
综合评分
前沿AI技术岗位，薪资较高，但工作地点偏远，WLB一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术成长、对前沿AI技术有热情，且能接受临港工作地点的求职者。
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85
工作生活50
使命价值60
薪资福利
70中等
该职位薪资水平较高，且公司为大型国企，稳定性好，但具体福利未在JD中提及。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
85较高
职位涉及前沿技术，有良好的技术成长空间，但未明确提及晋升路径。
技术前沿前沿/新兴技术
技术栈低比特量化、结构化稀疏、多模态、推理加速、端侧大模型
业务类型ambiguous
工作生活
50较低
工作地点在临港，距离市区较远，通勤可能不便，JD未提及弹性工作安排。
工作模式仅现场办公
办公地点郊区/偏远地区
加班情况未提及（无法判断）
使命价值
60中等
AI技术应用具有社会价值，但JD未明确提及使命或社会影响。
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
Watch Jobs