小米
自动驾驶 - 高性能计算/算子开发工程师（实习）-2027届
自动驾驶 - 高性能计算/算子开发工程师（实习）-2027届
发布于 大约 3 小时前实习/见习
北京市
初级经验
实习生
仅现场办公
学历未注明
实习与临时职位
GPU
LLM
自动驾驶
计算机体系结构
并行计算
NPU
算子优化
AI 估算 · 4k–8k
大厂实习生薪资中等偏上，技术门槛高，但实习期较短
职位详情
关于这个职位
这是一个自动驾驶高性能计算/算子开发实习岗位，你将参与自动驾驶端侧模型的算子性能瓶颈分析与优化，并从事前沿LLM算子的预研与高性能实现
适合对并行计算、硬件架构有浓厚兴趣的同学，在大厂平台快速成长
最低要求
扎实的C++/Python编程基础，熟悉常用数据结构与算法，具备良好的代码风格和工程习惯
扎实的计算机体系结构基础，深入理解CPU/GPU/NPU架构、缓存机制、并行计算及访存优化
熟悉Transformer模型结构及其推理特性
工作职责
负责自动驾驶端侧模型的算子性能瓶颈分析与优化
参与前沿LLM算子的预研与高性能实现落地
优先资格
有LLM推理加速经验者优先
AI 洞察
优缺点分析
优点
- 参与行业领先的自动驾驶项目，技术含金量高
- 大厂平台，资源丰富，导师指导
- 接触前沿LLM算子优化，紧跟技术趋势
- 需要深厚的计算机体系结构知识，学习曲线陡峭
- 实习期可能较短，难以深入复杂项目
- 适合对硬件底层优化有强烈兴趣，且具备扎实计算机基础的计算机、电子等相关专业学生
缺点 / 挑战
- 工作压力大，可能需要快速出成果
角色解读
- 向高性能计算专家或芯片架构师方向发展
- 积累自动驾驶行业经验，转向算法或系统开发
- 有机会参与顶级AI芯片与模型优化项目
- 分析自动驾驶模型的算子性能瓶颈，进行针对性优化
- 研究并实现前沿LLM算子的高性能版本
- 与团队合作，将优化后的算子集成到实际系统中
- 精通C++/Python，熟悉数据结构与算法
- 深入理解CPU/GPU/NPU架构和并行计算
- 了解Transformer模型与LLM推理过程
申请策略
- 准备一份体现编码能力和优化思维的代码样本
- 展示对自动驾驶或AI芯片的热情
- 突出C++/Python项目经验，特别是涉及性能优化的
- 强调对计算机体系结构的理解，如缓存、并行等
- 如果有相关竞赛或开源贡献（如TVM、LLVM等）加分
- 深入学习CUDA/OpenCL等并行编程框架
- 研究Transformer推理加速技术（如FlashAttention）
面试指南
- 对于架构类问题，先说明基本原理，再结合具体优化手段
- 对于优化题，先分析瓶颈再给出方案
- 请解释CPU缓存一致性协议
- 如何优化一个矩阵乘法函数？
- 描述Transformer的推理过程及计算瓶颈
- 用过哪些性能分析工具？
- 一个C++性能相关的编程题
- 复习计算机组成原理和并行计算基础知识
职位点评
64
综合评分
大厂自动驾驶实习，前沿技术栈，技术成长快，但现场办公且可能加班
更适合这类人
重视技术成长、愿意投入时间学习的学生
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展85
工作生活40
使命价值70
薪资福利
60中等
实习薪资相对正式员工偏低，但小米提供实习津贴和免费餐饮等，有一定吸引力
薪资信号未披露（AI估算：4K-8K/月）
成长发展
85较高
该实习涉及自动驾驶和LLM前沿技术，能深度参与高性能计算优化，技术成长空间大
技术前沿前沿/新兴技术
技术栈C++、Python、GPU、NPU、Transformer、LLM
业务类型profit_center
工作生活
40较低
需要在北京现场办公，可能有加班，但实习相对灵活
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
70中等
自动驾驶技术改善出行安全，LLM推动AI发展，有较高社会意义
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs