安克创新
具身模型训练推理框架工程师实习生
具身模型训练推理框架工程师实习生
发布于 大约 24 小时前实习/见习
上海市
无经验要求
实习生
仅现场办公
硕士
研究与开发 (研发)
Arm
Mnn
Npu
Pytorch
Qnn
Tensorrt
Tflite
模型压缩
模型部署
AI 估算 · 7k–11k
大型上市公司实习岗位，上海地区，深度学习方向技术岗，薪资在实习中具备竞争力。
职位详情
关于这个职位
该实习岗位专注于端侧深度学习模型的部署与推理优化，你将参与模型量化、压缩、加速等工程化工作，并基于主流框架（如TensorRT、MNN等）进行开发
适合对AI工程化有浓厚兴趣、希望在实践中积累经验并有机会转正的同学
最低要求
研究生及以上学历（在读），计算机、人工智能、电子工程、自动化等相关专业，可长期实习（3 个月及以上）
具备扎实的深度学习基础，熟悉主流模型结构，如 CNN / Transformer / 主流视觉或多模态模型
熟练使用 C / C++ / Python 中至少两种语言，具备良好的工程代码能力
使用过至少一种主流深度学习或推理框架：PyTorch / TensorRT / QNN / TFLite / MNN 等
具备良好的学习能力、问题分析能力与团队协作意识，对底层原理和工程优化有持续兴趣
工作职责
负责端侧（Edge / On-device）深度学习模型的部署与工程化落地，覆盖训练、转换、推理到实际设备运行的完整流程
参与端侧模型的推理性能优化，包括但不限于：(1). 模型量化（PTQ / QAT）(2). 模型压缩（剪枝、蒸馏、结构优化等）(3). 推理加速与内存优化
基于主流端侧推理与训练框架开展开发与优化工作，如 TensorRT / QNN / TFLite / MNN / PyTorch 等
参与或协助训练框架与部署工具链的开发与维护，包括模型转换、算子适配、性能分析与问题定位
跟进端侧 AI、模型压缩与部署方向的前沿技术，参与团队内部技术讨论与方案设计
优先资格
了解或具备以下任一方向经验者优先：(1). 模型量化（PTQ、QAT）(2). 模型压缩（剪枝、蒸馏、低比特、结构优化等）(3). 端侧推理优化、算子性能分析
熟悉 Linux 开发环境，具备端侧设备（如 ARM / NPU / DSP 等）调试或部署经验者优先
AI 洞察
优缺点分析
优点
- 大型上市公司平台，资源充足，实习有系统培养和转正机会
- 涉及端侧AI前沿技术（量化、压缩、推理加速），技术积累价值高
- 团队氛围积极，注重成长，可参与完整项目周期
- 需要同时掌握多种框架和工具，技术广度要求较大
- 适合对深度学习工程化有强烈兴趣，喜欢动手优化性能，并希望在实践中快速成长的学生
缺点 / 挑战
- 端侧优化对底层原理和工程能力要求较高，学习曲线较陡
角色解读
- 实习表现优秀可转正，成为正式校招员工，进入安克创新AI团队
- 可向端侧AI专家方向发展，深入模型压缩、量化等前沿技术
- 也可积累全栈工程经验，转型为训练推理框架架构师
- 负责将深度学习模型部署到端侧设备，完成从训练到推理的完整工程化流程
- 参与模型量化、压缩和推理加速等性能优化工作，提升端侧运行效率
- 基于TensorRT/QNN/MNN等框架开发和维护推理工具链，解决实际部署问题
- 扎实的深度学习基础，熟悉CNN/Transformer等主流模型结构
- 熟练使用C/C++和Python，具备良好的工程代码能力
- 至少熟练掌握一种深度学习或推理框架（PyTorch/TensorRT等）
申请策略
- 在申请中表达对端侧AI和底层工程优化的热情，体现学习主动性
- 可附上个人技术博客或GitHub项目链接，展示动手能力
- 突出深度学习相关项目经验，尤其是模型部署或推理优化的项目
- 详细列出掌握的框架（PyTorch/TensorRT等）和编程语言技能
- 展示对模型量化、压缩等方向的了解或实践，即使只是课程作业
- 提前学习模型量化（PTQ/QAT）和压缩（剪枝、蒸馏）的基本原理
- 熟悉Linux开发环境，尝试在ARM或模拟器上部署简单模型
面试指南
- 对于原理性问题，先给出定义，再举例说明，最后对比不同方法
- 对于项目经验问题，采用STAR法则：情况、任务、行动、结果
- 讲解一下模型量化的常见方法（PTQ和QAT）及其优缺点
- 如何使用TensorRT进行模型优化？你遇到过哪些问题？
- 给定一个模型，如何在端侧设备上进行推理加速？请列出可能的方法
- C++中如何优化内存访问以提高程序性能？
- 你参与过的深度学习项目中最有挑战的部分是什么？如何解决的？
- 复习深度学习基础，尤其是CNN/Transformer结构及推理过程
职位点评
70
综合评分
大厂实习，前沿端侧AI技术，系统培养有转正，薪资福利一般。
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。
更适合这类人
适合追求技术成长和职业发展，希望在大平台积累经验并有机会转正的学生。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利50
成长发展85
工作生活60
使命价值70
薪资福利
50较低
实习薪资处于市场中等水平，但福利未明确说明，补偿性动机满足程度一般。
薪资信号未披露（AI估算：7K-11K/月）
成长发展
85较高
职位提供系统培养和转正机会，技术方向前沿（端侧AI），发展性动机满足程度高。
技术前沿前沿/新兴技术
技术栈深度学习、模型量化、模型压缩、TensorRT、MNN、端侧推理
成长机会培养、综合评估、转正机会
业务类型ambiguous
工作生活
60中等
仅现场办公，工作地点在上海，未提及弹性工作或WLB，生活化动机满足程度中等。
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
70中等
智能硬件行业增长快，但职位属于技术研发，社会影响力一般，意义感动机中等偏上。
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
安克创新 的其他在招职位
相似职位推荐
Watch Jobs