中国电信
TeleAI-端侧工程/模型部署开发工程师
TeleAI-端侧工程/模型部署开发工程师
发布于 大约 14 小时前普通员工/个人贡献者
全职员工仅现场办公嵌入式开发
嵌入式开发
Npu
Onnx
Pytorch
Rk3588
Rknn
Tensorflow
Rkllm
值不值得投
74综合评分
综合评分 74
稳定大厂、前沿技术栈、技能成长快，但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。
薪资怎么样
33K
比嵌入式开发中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 2870 个在招
市场机会
选择面较广
上海 · 嵌入式开发 · 约 120 个在招
职位详情
关于这个职位
作为中国电信TeleAI团队的端侧工程/模型部署开发工程师，你将专注于AI算法与深度学习模型在端侧芯片上的适配、优化与工程化部署，特别是基于瑞芯微RK3588等芯片的NPU推理移植与性能调优
你将与算法和硬件团队紧密协作，解决跨平台部署中的兼容性、精度与算力问题，并推动项目量产交付
该职位要求扎实的嵌入式开发经验和模型部署实操能力，适合希望在AI端侧推理领域深入发展的工程师
最低要求
硕士及以上，电子信息、计算机、自动化相关专业，1-3年模型部署、嵌入式工程开发经验
拥有端侧AI芯片模型部署实操经验，瑞芯微RK3588开发落地经验优先，精通RKNN、RKLLM全套工具链，熟悉3588 NPU异构推理架构
若无瑞芯微经验，具备其他主流端侧芯片开发、推理工具链使用、跨芯片模型迁移经验同样适配岗位
熟悉ONNX/TensorFlow/PyTorch模型流转，掌握Python/C++开发
熟悉Linux嵌入式开发，具备问题排查能力，逻辑清晰
工作职责
负责AI算法、深度学习模型适配、优化与工程化部署，落地端侧推理业务
负责端侧芯片模型部署适配，优先基于瑞芯微RK3588旗舰芯片、RK全系芯片开展NPU推理移植、自定义算子适配、推理性能调优
具备其他主流端侧芯片开发适配经验亦可，解决跨平台部署兼容、精度损耗、算力异常问题
梳理部署流程，封装工程工具，输出部署文档，保障项目量产交付
联动算法、硬件团队，定位端侧软硬件问题，迭代优化推理时延、功耗
优先资格
加分：具备RK3588边缘设备量产交付、端侧大模型、计算机视觉项目落地经验
有各类端侧芯片量产适配、板级调试经验优先
AI 洞察
优缺点分析
优点
- 中国电信作为央企，平台稳定，资源丰富，能接触到大规模、多样化的端侧AI应用场景
- 端侧AI是当前热门赛道，掌握RK3588等芯片部署技能，在行业内具有高稀缺性和竞争力
- 工作内容涉及算法、硬件、软件多个层面，能全面提升技术深度和广度
- 端侧芯片部署技术门槛高，需要持续学习新的芯片架构和工具链，技术更新快
- 对硬件和底层系统要求高，需要处理复杂的软硬件兼容性问题
缺点 / 挑战
- 工作涉及跨团队协作，需具备较强的沟通和问题解决能力，量产交付压力可能较大
- 适合对AI硬件结合有浓厚兴趣，具备扎实嵌入式开发基础，喜欢挑战技术难题并追求技术深度的工程师
角色解读
- 在端侧AI领域深耕，成为模型部署和优化专家，主导复杂芯片的适配和性能突破
- 向技术管理方向发展，带领团队负责端侧AI项目的整体架构和交付
- 横向拓展至AI硬件结合、边缘计算等前沿领域，参与公司级AI战略项目
- 负责将AI算法和深度学习模型适配到端侧芯片（如瑞芯微RK3588），进行NPU推理移植和性能调优，确保模型在边缘设备上高效运行
- 使用RKNN、RKLLM等工具链进行模型转换和优化，处理跨平台部署中的兼容性、精度损耗和算力异常问题
- 梳理并优化部署流程，开发工程化工具和文档，支持项目从开发到量产交付的全过程
- 与算法和硬件团队紧密协作，定位并解决端侧软硬件问题，持续优化推理时延和功耗
- 精通端侧AI芯片部署，特别是瑞芯微RK3588及RKNN、RKLLM工具链，熟悉NPU异构架构
- 熟悉ONNX、TensorFlow、PyTorch等模型格式转换，掌握Python和C++开发
- 具备Linux嵌入式开发经验，能够进行问题排查和性能调优
- 了解跨芯片模型迁移和量产适配流程，有计算机视觉或端侧大模型落地经验更佳
申请策略
- 在申请时，可主动展示对端侧AI行业的理解和对中国电信业务方向的关注
- 准备好展示你解决过的具体技术难题，以及如何与硬件、算法团队协作的经验
- 突出端侧AI芯片部署项目经验，特别是RK3588或类似芯片的NPU推理移植和性能调优案例
- 详细描述模型转换、算子适配、精度调优等具体技术细节，展示解决问题的能力
- 强调Python/C++开发能力和Linux嵌入式开发经验，以及量产交付的项目成果
- 提前熟悉RKNN、RKLLM工具链和瑞芯微芯片架构，可通过官方文档和开发板进行实践
- 补充学习ONNX、TensorRT等模型优化工具，提升模型转换和部署效率
- 了解端侧大模型（如LLM）的部署技术，增加岗位匹配度
面试指南
- 回答技术问题时，采用STAR法则（情境、任务、行动、结果），清晰展示你的技术决策和成果
- 对于性能优化问题，可以从算法层面（如量化、剪枝）、工具链层面（如算子选择）和硬件层面（如内存带宽）多角度分析
- 在描述协作经验时，强调你的沟通能力和团队合作精神，以及如何推动项目进展
- 请详细描述一次你使用RKNN工具链部署模型到RK3588的完整流程，包括遇到的问题和解决方案
- 如何优化NPU推理性能？请举例说明你如何减少推理时延和功耗
- 在模型转换过程中，如何处理精度损失问题？
- 请介绍一个你参与过的嵌入式Linux项目，并说明你如何排查和解决系统问题
- 你如何与算法团队协作，确保模型在端侧高效运行？
职位点评
薪资福利75
成长发展85
工作生活60
使命价值70
薪资福利
75中等
中国电信作为大型国企，薪资水平在行业内具有竞争力，且提供稳定的福利待遇。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
85较高
端侧AI是前沿技术方向，岗位涉及芯片部署、性能优化等核心技术，能提供丰富的技能成长和职业发展机会。
技术前沿前沿/新兴技术
技术栈RK3588、RKNN、RKLLM、NPU、ONNX、TensorFlow、PyTorch、Python、C++、Linux
业务类型ambiguous
工作生活
60中等
岗位为现场办公，工作地点在上海，但未提及弹性工作或远程政策，工作强度可能较高。
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
70中等
端侧AI技术具有广泛的应用前景，能推动AI在边缘设备上的落地，具有较高的技术价值和社会意义。
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