博世
深度学习模型量化与压缩_XC
深度学习模型量化与压缩_XC
发布于 大约 9 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Pytorch
Tensorflow
Tensorrt
嵌入式系统
模型压缩
模型量化
深度学习
自动驾驶
AI 估算 · 35k–55k
资深深度学习模型优化工程师，博世为跨国巨头，上海薪资水平较高，技能稀缺，预估月薪35k-55k，14薪。
职位详情
关于这个职位
该职位专注于深度学习模型的量化与压缩，旨在将复杂模型高效部署到嵌入式系统（如自动驾驶芯片）上
你将负责开发前沿的模型优化技术，在精度、速度和大小之间取得平衡，并针对特定硬件加速器进行性能调优
适合在深度学习模型优化领域有深厚经验、熟悉嵌入式部署的工程师
最低要求
学历背景：计算机科学、电气工程或相关领域的硕士及以上学位
工作经验：至少5年深度学习领域的经验，尤其在模型量化与压缩方面
技术技能：熟练掌握 Python 和 C++
熟悉 PyTorch 和 TensorFlow 等深度学习框架
在后训练量化和量化感知训练技术方面有丰富实践经验
掌握剪枝、知识蒸馏和低秩分解等模型压缩技术
深刻理解嵌入式系统限制及GPU、NPU等硬件加速器的应用经验
领域知识：有自动驾驶行业经验者优先
熟悉ADAS系统和感知算法优先
工作职责
模型量化与压缩：开发并实现前沿技术，对深度学习模型进行量化和压缩，以优化模型在嵌入式芯片上的性能
基于实验依据在模型精度、大小和推理速度之间做权衡，给出优化方向
在后训练量化（Post-training Quantization）、量化感知训练（Quantization-Aware Training）以及剪枝（Pruning）等领域有深入理解
嵌入式系统部署：调整并部署深度学习模型至嵌入式平台，确保硬件资源的高效利用
针对特定硬件加速器优化模型耗时
性能分析：对模型进行性能分析，识别瓶颈并实施策略，提升实时推理能力
使用工具和框架调试和优化嵌入式设备上的神经网络性能
优先资格
有使用 NVIDIA TensorRT、TVM 或 PyTorch FX 等优化工具的经验
了解实时系统与嵌入式软件开发
在地平线芯片或者高通芯片部署过模型
AI 洞察
优缺点分析
优点
- 博世作为跨国企业，平台大、资源多，项目落地场景真实（自动驾驶）
- 技术前沿，涉及模型压缩、嵌入式部署等热门方向，技能提升快
- 薪资待遇优厚，且公司稳定性高，福利完善
- 对技术深度要求高，需要同时掌握算法和嵌入式系统知识
- 需要持续跟进前沿论文和工具，保持技术更新
缺点 / 挑战
- 自动驾驶领域对模型实时性和精度要求极其严苛，工作压力较大
- 适合在深度学习模型优化方向有多年经验、热爱底层硬件优化、且能承受一定技术挑战的工程师
角色解读
- 在技术深度上持续深耕，成为模型优化与嵌入式部署领域的专家
- 向自动驾驶系统架构师方向发展，负责整体感知算法的优化与部署
- 可转向AI芯片公司的工具链开发或算法优化岗位，拓展职业边界
- 开发并实现深度学习模型的量化与压缩算法，如PTQ、QAT、剪枝等
- 将优化后的模型部署到嵌入式芯片（如GPU、NPU）上，确保实时推理性能
- 进行性能分析，识别瓶颈并调整模型以达到精度与速度的最佳平衡
- 扎实的深度学习理论基础，精通PyTorch/TensorFlow等框架
- 丰富的模型压缩与量化实践经验，熟悉PTQ、QAT、剪枝、蒸馏等技术
- 熟练掌握Python和C++，具备嵌入式系统开发经验，了解硬件加速器
申请策略
- 在面试中准备一个完整的模型优化案例，从问题分析到最终部署的闭环
- 了解博世自动驾驶业务方向，展示对行业痛点的理解
- 突出量化与压缩相关的项目经验，包括具体使用的技术（如PTQ、QAT）和效果（精度损失、速度提升）
- 强调嵌入式部署经验，特别是针对GPU/NPU的优化案例
- 如有自动驾驶或ADAS相关项目，务必重点展示
- 可以提前学习TensorRT、TVM等推理优化工具
- 熟悉常用嵌入式平台（如地平线、高通）的模型部署流程
- 复习C++编程和实时系统相关知识
面试指南
- 对于技术对比类问题，采用'定义-区别-适用场景'的结构
- 对于项目经验类问题，使用STAR法则（情境、任务、行动、结果）
- 对于开放性问题，展示系统思考能力，从算法、硬件、系统多角度分析
- 请解释后训练量化（PTQ）和量化感知训练（QAT）的区别及适用场景
- 如何在精度和推理速度之间做权衡？请举例说明
- 描述一次你将深度学习模型部署到嵌入式设备并优化性能的经验
- 剪枝和知识蒸馏的原理是什么？在实际项目中你如何应用？
- 你如何看待当前自动驾驶中模型部署的挑战？
职位点评
74
综合评分
博世资深算法岗，前沿技术栈，高薪资高成长，但现场办公且可能加班。
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
适合以技术成长和薪资回报为首要目标的求职者，对工作生活平衡要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展85
工作生活50
使命价值70
薪资福利
80较高
博世为跨国巨头，薪资福利有竞争力，此岗位为资深技术岗，预估薪资较高，稳定性强。
薪资信号未披露（AI估算：35K-55K/月）
成长发展
85较高
岗位涉及前沿的模型压缩和嵌入式部署技术，能接触到自动驾驶实际场景，技术成长空间大。
技术前沿前沿/新兴技术
技术栈模型量化、模型压缩、PyTorch、TensorFlow、TensorRT、TVM、剪枝、知识蒸馏
业务类型profit_center
工作生活
50较低
未明确说明工作模式，但博世作为大型制造企业，通常以现场办公为主，且可能涉及一定加班。
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
自动驾驶是高速增长赛道，对社会交通有积极影响，但岗位本身偏技术实现，使命感中等。
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
博世 的其他在招职位
相似职位推荐
Watch Jobs