安克创新
AI推理引擎/模型部署实习生
AI推理引擎/模型部署实习生
发布于 大约 16 小时前实习/见习
深圳市 / 北京市
无经验要求
实习生
仅现场办公
本科
算法优化工程师
Cuda
Dsp
Npu
Onnx
Pytorch
Tensorrt
异构计算
模型量化
AI 估算 · 6k–10k
职位详情
关于这个职位
作为安克创新的AI推理引擎实习生，你将参与AI模型在CPU/GPU/NPU等异构平台上的部署与推理优化，包括模型转换、算子优化、量化与性能分析，并接触机器人感知、VLM/LLM等前沿应用
实习表现优秀者有机会获得校招转正，提前锁定正式席位
最低要求
计算机、软件工程、自动化、电子信息等相关专业，本科及以上学历
熟悉 C/C++ 或 Python，具有较好的代码阅读、编写和调试能力
了解深度学习基本原理，了解 CNN、Transformer、Attention 等常见网络结构
了解 PyTorch、ONNX、TensorRT、ONNX Runtime 等至少一种模型训练/部署或推理框架
熟悉 Linux 开发环境，了解 CMake、GDB、Git、Perf 等常用工程工具
对 AI 模型部署、推理加速、异构计算等方向有兴趣，有相关项目经验优先
工作职责
参与 AI 模型在 CPU / GPU / NPU / DSP 等异构计算平台上的部署与推理优化工作
参与模型从 PyTorch / ONNX 等训练框架到端侧推理引擎的转换、编译、部署及调试
参与推理引擎的算子适配、算子性能优化、内存管理及数据传输优化
参与模型 FP32 / FP16 / INT8 等量化与精度验证，分析模型精度、性能及资源占用
参与端侧推理性能分析，包括 Latency、FPS、CPU/GPU/NPU利用率、内存、DDR带宽等指标
参与机器人感知、VLM/LLM等 AI 模型的端侧部署及工程化落地
配合完成推理引擎、Runtime、异构资源调度等相关基础软件开发与问题定位
优先资格
有 TensorRT / ONNX Runtime / Qualcomm QNN / SNPE / OpenVINO 等推理框架使用经验
有 CUDA / GPU / NPU / DSP 开发或性能优化经验
了解模型量化、剪枝、算子融合、Graph Optimization 等技术
有 C++ 推理引擎、Runtime、算子库开发经验
有 ARM / Qualcomm / NVIDIA / Rockchip 等端侧芯片部署经验
有机器人、自动驾驶、计算机视觉、VLM/LLM相关项目经验
有较好的性能分析意识，了解 CPU Cache、DDR Bandwidth、SIMD、多线程、绑核、实时调度等
AI 洞察
优缺点分析
优点
- 接触AI模型部署完整链路，积累异构计算和推理优化的实战经验
- 公司平台大，有转正机会，实习含金量高
- 参与前沿技术如VLM/LLM端侧落地，技术成长快
- 技术栈较深，需要较强的编程和底层优化能力，学习曲线陡峭
- 实习期间可能面临高强度工作，需快速适应
- 竞争激烈，需要持续学习和实践
- 适合对AI推理优化、异构计算有浓厚兴趣，具备扎实编程基础，愿意深入底层技术的计算机相关专业学生
缺点 / 挑战
暂无明显挑战项
角色解读
- 实习表现优秀可转正，进入校招正式岗位，参与核心基础软件研发
- 可向AI推理优化专家方向发展，深入掌握异构计算、模型压缩等技能
- 有机会接触机器人、自动驾驶等前沿领域，拓宽职业路径
- 参与AI模型在CPU/GPU/NPU等异构平台上的部署与推理优化，包括模型转换、编译和调试
- 进行算子适配与性能优化，涉及内存管理、数据传输和量化精度验证
- 分析端侧推理性能指标，如延迟、FPS、资源利用率，并参与机器人感知、VLM/LLM等应用的端侧落地
- 熟悉C/C++或Python，具备良好的代码编写和调试能力
- 了解深度学习基础，熟悉PyTorch、ONNX、TensorRT等至少一种框架
- 熟悉Linux开发环境，掌握CMake、GDB、Git等工具，对异构计算有兴趣
申请策略
- 关注安克创新的业务方向，特别是AI在消费电子中的应用
- 在面试中展示对推理优化的热情和实际项目经验
- 突出C/C++或Python编程能力，展示相关项目代码
- 强调深度学习框架使用经验，如PyTorch、TensorRT
- 如果有模型部署、性能优化项目，重点描述
- 提前学习TensorRT、ONNX Runtime等推理框架
- 了解模型量化、算子融合等优化技术
- 熟悉Linux环境下的性能分析工具，如Perf
面试指南
- 使用STAR法则回答项目经验，突出你的角色和成果
- 对于优化问题，从算法、算子、内存、调度等角度分析
- 展示对异构计算的理解，结合具体平台
- 请介绍一个你参与过的模型部署或优化项目
- 如何优化一个推理模型的性能？
- 解释模型量化对精度和性能的影响
- 你熟悉哪些推理框架？它们有什么优缺点？
- 如何分析端侧推理的瓶颈？
职位点评
71
综合评分
技术前沿、成长空间大，但实习薪资一般，工作地点灵活但需现场办公。
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、希望转正、对AI推理优化有浓厚兴趣的学生。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展90
工作生活50
使命价值70
薪资福利
60中等
实习薪资在行业中属于中等水平，但公司提供转正机会，长期来看薪资有提升空间。
薪资信号未披露（AI估算：6K-10K/月）
成长发展
90较高
实习项目提供系统培养和校招转正机会，技术栈前沿，成长空间大。
技术前沿前沿/新兴技术
技术栈AI推理、异构计算、TensorRT、量化、VLM/LLM
成长机会人才培养、校招标准、转正机会
业务类型ambiguous
工作生活
50较低
工作地点为北京/深圳/上海，均为大城市，通勤可能较长，但未提及弹性工作。
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
参与前沿AI应用落地，对技术发展有积极贡献，但社会影响力一般。
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