安克创新
具身大模型加速优化工程师-深圳/上海
具身大模型加速优化工程师-深圳/上海
发布于 19 天前实习/见习
全职员工仅现场办公人工智能
人工智能
Cuda
Pytorch
具身智能
分布式训练
大模型
模型压缩
模型部署
边缘计算
值不值得投
71综合评分
综合评分 71
前沿具身智能大模型岗，技术成长空间极大，平台好，但工作模式与强度信息不明。
从学习成长、工作节奏、岗位方向和实习待遇综合评估，方便比较实习机会。
薪资怎么样
33K
比人工智能中位数低
发布情况
正常在招 · 18 天前发布
公司情况
这家公司招聘很活跃
约 1290 个在招 · 其中人工智能 12 个
市场机会
选择适中
深圳 · 人工智能 · 41 个在招
职位详情
关于这个职位
该职位是安克创新为具身智能大模型方向招聘的加速优化工程师，面向2027届应届硕士及以上毕业生
工作将深度参与大模型在机器人等具身场景下的训练优化、数据工程、模型压缩与端侧部署全流程，旨在提升模型的训练效率和推理性能，是人工智能与机器人交叉领域的前沿技术岗
最低要求
届毕业生，硕士学历及以上，人工智能、计算机、机器人、自动驾驶等相关专业
熟练掌握C++/Python/脚本编程，有Linux下开发经验，具备优秀的开发和调试能力
熟悉Pytorch、TensorFlow等AI框架，了解TensorRT、TVM
如下一个或多个方向经验：
) 有实际模型压缩、剪枝、蒸馏、量化技术等轻量化经验
) 掌握LoRA等微调技术，熟悉MoE架构/多模态训练
) 实际的模型的端侧部署经验
) 熟悉大模型加速技术，熟悉CUDA编程和nsight system，有利用GPU等异构硬件上优化软件性能的优先
良好的沟通表达能力和团队协作能力
工作职责
你将参与：
模型架构设计与模型训练方向：
多模型分布式训练的研发工作，在导师指导下解决训练过程中的基础冲突问题
高效数据加载与数据增强策略的设计工作，共同优化模型训练与实验迭代效率
参与优化全流程训练Pipeline，参与混合精度、梯度检查点、显存优化等方案的落地实践，提升训练吞吐量与资源利用率
数据工程与研发效能体系建设方向：
参与完成联合训练、评测样本的制作，参与联合标注/自标注自动化框架的搭建工作，支撑数据集的规模化构建
参与大规模数据闭环驱动体系的搭建工作，参与完成场景挖掘、失败案例分析、主动学习相关的数据自动筛选、标注增强与策略迭代优化工作
参与研发数据全流程研发效能工具，包括process agent、数据处理性能工具、端侧性能/精度分析工具等，支撑标注、数据流转、样本生成等全流程自动化，提升数据研发全链路效率
模型部署与性能优化方向：
参与使用模型剪枝、蒸馏、量化等模型压缩技术，提升业务模型的端侧推理效率
参与端侧资源受限场景下的主干网络与整体模型结构优化工作
参与定位并解决模型端侧部署过程中的精度损失、性能不达标等基础问题
参与训练与推理阶段的算法对齐工作，共同保障模型落地后的业务效果
优先资格
加分项：
有机器人、智能驾驶等领域的实际工程经验者优先
在机器人顶会或AI顶会（ICRA/IROS/CVPR/NeurIPS/ICML/ICLR等）发表论文者优先
AI 洞察
优缺点分析
优点
- 直接参与具身智能与大模型这一前沿交叉领域的核心研发，技术成长空间巨大
- 作为已上市大型企业的管培/实习项目，能获得系统性的技术指导和规范的工程实践训练
- 工作内容覆盖模型训练、优化、部署的全链条，能建立全面的技术视野
- 技术难度高，涉及分布式系统、高性能计算、模型压缩等多个复杂领域，需要快速学习能力
- 跨领域要求高，需要同时理解AI算法和机器人等实体设备的工程限制，对综合能力要求高
- 适合2027届及以上毕业的硕士生，对具身智能、大模型有浓厚兴趣，具备扎实的编程和AI基础，愿意深入钻研底层技术优化，追求在新兴技术领域快速成长的求职者
缺点 / 挑战
- 作为应届生进入前沿研发团队，可能面临较高的工作标准和快速的项目迭代压力
角色解读
- 技术深耕路径：从模型优化工程师成长为具身智能领域的算法专家或架构师
- 综合发展路径：在技术积累后，可向技术管理、项目负责人或产品经理方向发展
- 行业影响路径：凭借在具身智能大模型方向的经验，成为该新兴交叉领域的核心人才
- 参与具身智能大模型的分布式训练研发，优化训练流程与效率
- 负责模型压缩（剪枝、量化、蒸馏）与端侧部署，解决在机器人等硬件上的性能瓶颈
- 搭建和优化数据工程体系，包括数据标注、处理自动化工具，驱动模型迭代
- 定位和解决模型在实际落地过程中的精度与性能问题，确保业务效果
- 扎实的编程基础（C++/Python）和AI框架（PyTorch/TensorFlow）使用经验
- 熟悉大模型训练与部署流程，具备模型压缩、分布式训练或CUDA优化的实践经验
- 对机器人、自动驾驶等具身智能领域有了解和兴趣，能理解实际工程约束
- 良好的团队协作与沟通能力，能在导师指导下推进项目
申请策略
- 深入研究安克创新在具身智能、机器人产品线上的布局和技术方向
- 在面试中展现你对“模型在真实物理世界落地”这一挑战的热情和思考
- 重点突出与模型训练、优化、压缩、部署相关的项目经验，尤其是使用PyTorch/TensorFlow/CUDA的实践
- 如有机器人、自动驾驶等具身智能领域的项目或竞赛经历，应着重描述
- 展示在顶会（如ICRA, CVPR等）发表论文或参与相关开源项目的情况
- 强调使用C++/Python解决实际工程问题的能力和Linux开发经验
- 深化对模型压缩（LoRA, 量化）、分布式训练、CUDA编程等关键技术的理论理解与实践
- 了解具身智能领域的基本概念和主流技术栈，阅读相关论文和开源项目
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化地描述项目经历，突出技术决策和量化成果
- 对于技术原理问题，先清晰解释概念，再结合自身项目经验或具体例子进行阐述，展现理论与实践的结合
- 对于开放性问题（如对方向的兴趣），表达个人理解，并可联系岗位职责，说明自己的优势和准备
- 请介绍你参与过的一个模型训练或优化项目，遇到了哪些性能瓶颈？是如何解决的？
- 你如何理解模型压缩？请举例说明剪枝、量化或蒸馏在你的项目中的应用
- 在端侧设备（如机器人）上部署模型，主要会遇到哪些挑战？你会从哪些角度去优化？
- 为什么对具身智能这个方向感兴趣？你认为大模型与机器人结合的关键是什么？
- 请描述一次你使用Python或C++解决复杂工程问题的经历
职位点评
薪资福利65
成长发展90
工作生活45
使命价值75
薪资福利
65中等
岗位为应届生管培性质，薪资范围符合市场对高学历应届技术人才的定价，具有一定竞争力，但具体福利未在JD中详述。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
90较高
该职位提供在具身智能、大模型等前沿领域的全方位技术实践机会，有导师指导，且涉及模型全生命周期，成长性极高。
技术前沿前沿/新兴技术
技术栈大模型、模型压缩、分布式训练、CUDA、具身智能、PyTorch
成长机会在导师指导下
业务类型profit_center
工作生活
45较低
JD未明确说明工作模式、办公时间或WLB政策，作为前沿技术研发岗位，可能存在一定的项目压力和工作强度，相关信息不明确。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
具身智能是人工智能与机器人结合的前沿方向，具有广阔的应用前景和社会价值，岗位内容直接推动技术落地，使命感较强。
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