Lenovo logo
联想
AI application and development manager

AI application and development manager

发布于 3 小时前

中层管理(经理/总监)

AI 估算 · 4.5–8.0万 · AI 参考估算
高级经验
本科
全职员工仅现场办公自动驾驶
自动驾驶
Ai模型部署
Nvidia Drive
Tensorrt
模型量化
算子优化
车载计算平台
管理岗

值不值得投

80综合评分

综合评分 80

高薪大厂、前沿自动驾驶技术栈、高技术壁垒、职业发展潜力巨大

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便横向比较。

薪资怎么样

6.3万

比自动驾驶中位数高

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 340 个在招 · 其中自动驾驶 4 个

市场机会

选择面较广

上海 · 自动驾驶 · 约 220 个在招

职位详情

关于这个职位

负责领导联想AD产品线的AI模型部署、量化与调优工作,重点在于将自动驾驶算法在车载异构计算平台(如英伟达DRIVE、高通Ride等)上进行端到端落地

需具备深厚的底层推理框架优化能力,解决精度、性能及工程化问题,并搭建辅助工具链以提升团队效率

最低要求

本科及以上学历,计算机、电子、自动化等相关专业

年以上AI模型部署或推理优化经验,有车载、机器人或其他嵌入式平台量产部署开发经历者优先
有自动驾驶算法开发经验
熟悉主流深度学习框架(PyTorch / ONNX),熟练掌握至少一种车载推理框架(TensorRT、QNN / SNPE、BPU SDK 等),深入理解其编译与运行时机制
具备 INT8 / FP16 量化、算子融合、计算图优化等实际调优经验,能够独立完成精度与性能的量化分析,并在二者间做出合理的工程权衡与决策
熟练使用 Python 与 C / C++,具备独立设计并交付工程化工具或自动化流水线的能力
具备较强的问题拆解与定位能力,能在信息不完整、多因素耦合的情况下系统性排查复杂部署问题
具备良好的跨团队沟通协作能力

工作职责

领导AD产品线未来AI模型的部署,量化,调优,特别需要自驾算法开发经验的背景,可以领导支持第三方算法部署

负责自动驾驶 AI 模型在车载异构计算平台(英伟达DRIVE、高通Ride、地平线Journey、新芯航途BMC等)上的端到端部署,覆盖模型转换、量化、编译、运行时适配的完整技术链路
基于 TensorRT、QNN / SNPE、BPU SDK 等推理框架,完成算子适配与自定义算子开发,针对推理延迟、内存占用、吞吐量等核心指标进行系统性调优
定位并解决模型部署全流程中的工程问题,包括但不限于精度损失、算子不支持、内存超限、多模型并发调度冲突等,推动问题从排查到闭环的完整解决
设计并开发部署辅助工具链,涵盖精度逐层对比、性能 Profiling 可视化、算子兼容性扫描等工具,提升团队部署效率与问题可观测性
对接底软、硬件及集成测试团队,完成模型在完整车载软件栈中的系统联调与版本交付

优先资格

熟悉 BEV、多模态融合、大模型端侧部署等

AI 洞察

优缺点分析

优点

  • 处于自动驾驶风口,技术壁垒高,职业护城河深
  • 联想品牌背书,提供稳定的大型平台资源
  • 接触前沿车载芯片与异构计算技术,技能含金量极高
  • 兼具管理与技术双重角色,有利于综合能力提升
  • 需处理多种异构芯片的兼容性问题,技术栈繁杂
  • 跨团队协作复杂,需平衡算法团队与底层硬件团队的诉求
  • 行业迭代快,需持续学习新的芯片架构与工具链

缺点 / 挑战

  • 车载环境对稳定性要求极高,调试难度大,压力较大
  • 适合具备深厚底层功底、热爱挑战复杂系统工程问题、且希望在大厂平台深耕自动驾驶领域的资深工程师或技术管理者

角色解读

  • 向自动驾驶系统架构师方向发展,主导整个感知/决策模块的工程落地
  • 晋升为技术总监或部门负责人,管理更大的AI工程团队
  • 成为车载AI部署领域的行业专家,参与制定技术标准
  • 领导团队完成自动驾驶AI模型在车载芯片(如NVIDIA、高通)上的部署与优化
  • 解决模型推理中的精度损失、性能瓶颈及工程兼容性问题
  • 开发自动化部署工具链,提升团队整体交付效率
  • 协调软硬件团队,确保模型在整车系统中的稳定运行
  • 精通C++/Python,具备深厚的底层编程能力
  • 熟练掌握TensorRT、QNN等主流推理框架及其底层机制
  • 具备INT8/FP16量化、算子融合等模型压缩与加速实战经验
  • 拥有自动驾驶算法背景及车载平台量产部署经验者优先

申请策略

  • 准备具体的项目案例,重点讲述‘问题-分析-解决-结果’的闭环过程
  • 了解联想在汽车智能化领域的最新布局与战略方向
  • 突出展示在车载或嵌入式平台上成功部署AI模型的案例
  • 详细列举使用TensorRT/QNN等框架进行性能优化的具体数据(如延迟降低百分比)
  • 强调解决复杂工程问题(如内存超限、并发冲突)的经验
  • 体现团队管理经验及技术领导力
  • 深入研究BEV、多模态融合等大模型在端侧的部署技巧
  • 补充不同车载芯片(地平线、高通等)的SDK特性知识

面试指南

  • STAR法则:情境(Situation)、任务(Task)、行动(Action)、结果(Result)
  • 技术深度:展示对底层原理(如内存管理、指令集优化)的理解
  • 数据支撑:用具体的性能指标(FPS、Latency、Memory Usage)证明成果
  • 管理思维:体现跨部门沟通、流程优化及团队赋能的能力
  • 请分享一个你解决过的最复杂的模型部署性能瓶颈案例,你是如何定位和解决的?
  • 在不同车载芯片(如NVIDIA vs 高通)之间迁移模型时,你会遇到哪些主要挑战?如何应对?
  • 如何平衡模型量化带来的精度损失与推理速度提升之间的关系?
  • 你如何设计一套高效的部署工具链来监控和优化团队的工作流?

职位点评

薪资福利85
成长发展90
工作生活60
使命价值75

薪资福利

85较高

作为上市巨头企业的核心研发岗位,薪资竞争力强,福利体系完善,符合市场对高阶技术人才的定价标准。

薪资信号未披露(AI估算:4.5千–8.0万/月)

成长发展

90较高

岗位涉及前沿的自动驾驶AI部署技术,技术栈新颖且深入,具有极高的专业成长空间和技术壁垒积累价值。

技术前沿前沿/新兴技术
技术栈TensorRT、QNN、SNPE、BPU SDK、PyTorch、ONNX、INT8 Quantization、BEV、Multimodal Fusion
业务类型profit_center

工作生活

60中等

大厂研发岗位通常工作节奏较快,且车载项目对稳定性要求高,可能面临一定的加班压力,但公司提供规范的管理流程。

工作模式未明确
办公地点市区核心地段
加班情况未提及(无法判断)

使命价值

75中等

投身于自动驾驶这一改变出行方式的前沿领域,具有显著的社会价值和行业影响力,能带来较强的职业使命感。

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