地平线
【2027届校招】智能驾驶AI Infra工程师（模型训练/部署优化方向)
【2027届校招】智能驾驶AI Infra工程师（模型训练/部署优化方向)
发布于 大约 9 小时前普通员工/个人贡献者
北京市 / 南京市
无经验要求
全职员工
仅现场办公
本科
机器学习工程
Cuda
Llm推理
Pytorch
Tensorrt
嵌入式开发
推理优化
智能驾驶
模型量化
AI 估算 · 20k–30k
智能驾驶AI Infra是前沿方向，技术门槛高，大厂校招薪资有竞争力，一线城市为20-30K/月，通常15薪左右。
职位详情
关于这个职位
该职位负责智能驾驶AI模型的推理部署与性能优化，涵盖车端和云端全链路
你将接触前沿的模型量化、算子开发和异构计算优化，使用PyTorch、TensorRT、CUDA等工具
适合对AI Infra方向有热情、希望深耕智能驾驶领域的求职者
最低要求
本科及以上学历，计算机、人工智能、软件工程、电子信息、自动化等相关专业，扎实掌握深度学习、机器学习基础理论知识
有扎实的coding能力，熟练使用python和C++，有良好的代码风格，熟悉软件开发流程
熟练使用PyTorch深度学习框架，了解模型训练基本原理
熟悉ONNX/TensorRT/Triton/CUDA等推理优化技术
熟悉模型推理框架，如TensorRT-LLM、llama.cpp、MNN-LLM等，了解LLM推理链路
熟悉模型量化、低精度计算与推理优化技术（INT8/INT4、FP8、GPTQ、AWQ等）
熟悉一种或多种嵌入式SoC体系架构以及软件栈
如：NVIDIA DRIVE/Jetson、TDAx、Horizon J3/J5/J6等
具有良好的团队协作能力，能承受一定压力，有很强的分析问题和解决问题的能力，有强烈的责任心
对智能驾驶行业有认知，了解智能驾驶算法基础概念的认知
其他要求：
具备良好的问题分析与学习能力，乐于钻研新技术，能够快速接收并落地AI Infra相关技术知识，主动解决研发中的基础问题
具备规范的工程思维与代码习惯，注重细节，愿意沉淀工具与方法论
具备良好的团队协作与沟通能力，心态踏实，抗压性强，愿意长期深耕智能驾驶AI工程赛道
工作职责
负责车端智能驾驶的模型推理部署，新增模型接入与新算子支持
负责车端智能驾驶应用软件的软件模块设计和软件开发
负责车端智能驾驶应用软件全流程的量化精度优化和性能优化，为工程部署和算法优化方向提出指导
负责车端智能驾驶算法模型在异构计算平台(GPU/DSP/J6 BSP)的部署和性能优化
负责车端智能驾驶算法模型在云端训练全链路(含数据链路，模型链路以及工程集成链路)的性能优化
优先资格
优先条件：
有深度学习模型训练、调优、量化、部署相关科研项目或实习经历优先
有算子开发及性能优化经验者和深度学习者优先
有行业主流模型云端部署和嵌入式部署经验优先
具备量化部署及性能调优经验者优先
有志于深耕智驾AI Infra方向者优先
有竞赛、科研项目、开源贡献经历加分
AI 洞察
优缺点分析
优点
- 智能驾驶是高速发展赛道，技术前景广阔
- 接触前沿的模型优化与部署技术，技术积累扎实
- 地平线作为行业头部公司，平台资源丰富
- 校招岗位有系统的培养机制（如有），成长空间大
- 技术栈复杂，需要同时掌握算法、系统、硬件知识
- 需要持续学习新技术，保持竞争力
- 适合对AI Infra和智能驾驶有浓厚兴趣，喜欢钻研底层优化技术，且抗压能力强的应届生
缺点 / 挑战
- 智能驾驶对可靠性和性能要求极高，工作压力可能较大
角色解读
- 从AI Infra工程师向性能优化专家或架构师发展，深耕推理引擎与编译器
- 可在智能驾驶领域持续积累，晋升为技术负责人或团队管理者
- 未来可横向拓展至云端训练、自动驾驶系统平台等方向
- 负责车端模型推理部署，将算法模型移植到芯片平台并适配新算子
- 参与智能驾驶应用软件的模块设计与开发，确保软件架构高效稳定
- 进行量化精度优化和性能调优，平衡模型精度与推理速度
- 优化云端训练全链路，包括数据、模型和工程集成，提升训练效率
- 扎实的Python和C++编程能力，熟悉软件开发流程
- 熟练使用PyTorch，理解模型训练与推理原理
- 熟悉推理优化技术，如TensorRT、ONNX、CUDA等
- 了解模型量化与异构计算，有嵌入式平台部署经验更佳
申请策略
- 关注地平线官方校招信息，留意各城市岗位名额
- 在简历中突出与智驾相关的项目，即使非相关也可以强调算法优化经验
- 突出深度学习项目经历，尤其是模型训练、量化、部署相关的项目
- 强调C++/Python编码能力，如有开源贡献或竞赛成绩更佳
- 展示对推理框架和优化工具的实际使用经验，如TensorRT、CUDA
- 如有智能驾驶或嵌入式平台（如Jetson、地平线J系列）经验，重点突出
- 提前学习模型量化、低精度计算和推理优化技术，掌握INT8/INT4等
- 动手实现一个模型部署demo，熟悉TensorRT或ONNX Runtime的API
面试指南
- 对于项目经验类问题，采用STAR法则，突出挑战、方案和量化结果
- 对于技术原理问题，先解释概念，再结合实际经验说明，结构清晰
- 对于场景设计题，展示系统思维，从数据、模型、硬件、性能多角度分析
- 请介绍一个你做过模型量化或部署的项目，具体做了什么优化？
- TensorRT的优化原理是什么？如何选取优化策略？
- 如何处理FP16和INT8精度损失问题？
- 你对智能驾驶的算法流程（感知、规划等）有哪些了解？
- 如果让你将一个新模型部署到嵌入式设备，你会如何做？
职位点评
76
综合评分
顶尖智能驾驶平台，前沿AI Infra技术，发展性强但WLB一般。
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
最看重技术成长和行业前景，能接受现场办公和一定工作压力的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展85
工作生活60
使命价值80
薪资福利
75中等
作为校招大厂岗位，薪资在行业中处于中上水平，但未披露具体数字，福利方面JD未提及。
薪资信号未披露（AI估算：20K-30K/月）
成长发展
85较高
岗位处于AI Infra前沿，技术含量高，能快速提升模型优化和异构计算能力，但未明确提及晋升或培训机制。
技术前沿前沿/新兴技术
技术栈Python、C++、PyTorch、TensorRT、CUDA、模型量化、推理优化、嵌入式SoC、LLM
业务类型profit_center
工作生活
60中等
工作地点在一线城市，现场办公，未提及弹性工作或远程，工作强度可能有压力，整体WLB不确定。
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
80较高
智能驾驶是高速增长赛道，具有提升出行安全的社会价值，岗位创新性强，能参与行业前沿技术落地。
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
地平线 的其他在招职位
相似职位推荐
Watch Jobs