安克创新
端侧AI部署工程师
端侧AI部署工程师
发布于 4 小时前普通员工/个人贡献者
全职员工仅现场办公嵌入式开发
嵌入式开发
嵌入式Linux
异构计算
性能调优
模型量化
端侧Ai部署
计算机视觉(Cv)
值不值得投
80综合评分
综合评分 80
高薪大厂、前沿端侧AI技术栈、高成长空间，但需承受一定的研发交付压力
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
4.0万
比嵌入式开发中位数高
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 480 个在招 · 其中嵌入式开发 19 个
市场机会
选择面较广
深圳 · 嵌入式开发 · 约 150 个在招
职位详情
关于这个职位
负责计算机视觉（CV）和大模型（LLM）在端侧及边缘计算平台上的部署、量化与推理优化
需精通C/C++编程，深入理解高通、瑞芯微等芯片架构，通过算子优化、异构计算调度等手段提升模型在智能硬件中的实时性与能效表现
最低要求
计算机科学、软件工程等相关专业本科及以上学历
年及以上端侧AI算法部署、嵌入式深度学习推理或异构计算优化相关工作经验
精通C/C++编程，熟悉现代C++特性，具备良好的软件架构设计、代码工程化、内存管理、多线程开发及性能调试能力，熟悉Linux环境下的开发与调试
熟悉高通、瑞芯微、爱芯元智等至少一种主流端侧AI芯片平台，具备相关SDK、模型转换工具链和推理框架的实际使用经验
熟悉深度学习模型部署与优化流程，掌握ONNX、TensorRT、ONNX Runtime、QNN、RKNN等一种或多种推理框架或工具链
熟悉模型量化与压缩技术，掌握PTQ、QAT、INT8/INT4、FP16、混合精度量化等方法
理解CNN、ViT、Transformer、LLM等主流模型架构及基本原理
熟悉端侧推理性能分析与优化方法，具备算子性能分析、内存优化、计算图优化等相关经验
具备良好的技术攻坚、问题分析与解决能力及跨团队协作与技术文档编写能力
工作职责
端侧 AI 模型部署与优化：负责计算机视觉（CV）、大模型（LLM）在端侧与边缘计算平台上的部署、量化、编译及推理优化，推动算法在高通、瑞芯微、爱芯元智等芯片平台上的高效落地
模型量化与精度优化：研究 PTQ、QAT、INT8/INT4、W4A16、混合精度量化、模型蒸馏及模型压缩等技术，优化模型量化策略与算子精度，解决模型在不同芯片平台上的量化精度损失、算子兼容性及模型转换问题
异构计算与推理性能优化：深入研究端侧 SoC 架构及 NPU、GPU、DSP、CPU 等异构计算单元的性能特性，开展算子优化、计算图优化、算子融合、内存管理与数据传输优化，提升模型推理速度、计算资源利用率及能效表现
高性能推理引擎与 Pipeline 开发：基于 C/C++ 开发和优化端侧 AI 推理引擎、模型执行框架及推理流水线，研究多模型协同调度、异步推理、内存复用及零拷贝等技术，提升端侧 AI 系统的实时性、稳定性与资源利用效率
端侧部署验证与自动化平台建设：负责端侧 AI 模型部署验证平台、自动化评测及性能压测系统的设计与开发，构建覆盖模型转换、量化精度对齐、推理性能、内存占用、功耗及稳定性的自动化测试体系，提升算法部署效率与质量
模型精度对齐与问题定位：建立 PyTorch/ONNX 与端侧推理结果的精度对齐和分层诊断机制，定位并解决量化误差、算子实现差异、数值精度、内存限制及设备兼容性等问题，保障模型在真实硬件环境中的精度与可靠性
端侧 AI 系统工程化落地：负责端侧模型部署 SDK、推理接口及相关工程模块的开发与维护，优化模型加载、运行时资源管理、异常处理与部署流程，推动 CV、LLM 及多模态模型在智能摄像头、门铃、机器人和边缘计算设备等产品中的实际应用
芯片适配与跨团队技术攻坚：与算法研发团队、芯片原厂及产品团队紧密协作，完成芯片平台选型、模型算子适配、推理性能分析与部署问题攻关，推动算法模型在不同硬件平台上的高效迁移与规模化交付
前沿部署技术研究：持续跟踪端侧 AI、模型量化、异构计算、高性能推理引擎等前沿技术，探索新型模型架构与芯片平台的高效适配方案，提升端侧 AI 部署技术竞争力
优先资格
熟悉QNN、RKNN Toolkit、Pulsar2、TensorRT、ONNX Runtime等端侧推理工具链，具有模型算子适配、芯片性能调优或SDK开发经验
具备CUDA、OpenCL、OpenVX、Neon、SIMD等并行计算或底层算子优化经验
有端侧AI推理引擎、高性能C/C++ Pipeline、多模型协同推理或实时计算系统的开发经验
具备端侧模型自动化部署、精度对齐、CI/CD、Benchmark或稳定性压测平台的设计与开发经验
熟悉嵌入式Linux、Android、交叉编译、驱动与系统资源管理，具备智能摄像头、机器人、AIoT或边缘计算产品的实际量产交付经验
在端侧AI推理加速、模型量化、异构计算或高性能推理引擎相关领域有高水平论文、专利、开源项目或实际工程成果者优先
AI 洞察
优缺点分析
优点
- 技术壁垒高，涉及端侧AI最前沿的部署优化技术，稀缺性强
- 落地场景丰富，直接应用于安克全球热销的智能硬件产品，成就感强
- 公司上市且规模大，提供稳定的职业平台和较好的薪酬福利
- 需要同时懂算法原理和底层硬件，学习曲线陡峭，知识更新快
- 面对不同芯片平台的碎片化问题，调试难度大，需极强的排错能力
- 适合热爱底层技术、对性能优化有执念、具备极强问题解决能力的资深工程师
缺点 / 挑战
- 对性能极致追求可能导致工作压力较大，需应对严格的交付节点
角色解读
- 可向端侧AI架构师、AI基础设施专家方向发展，或转型为负责软硬协同设计的系统工程师
- 将复杂的AI模型（如CV、LLM）转化为能在手机、摄像头、机器人等资源受限设备上高效运行的代码
- 精通C/C++底层编程，深入理解各类AI芯片（NPU/GPU/DSP）架构，掌握模型量化、剪枝、编译及推理引擎优化技术
申请策略
- 准备几个关于‘如何解决模型量化精度损失’或‘算子融合优化’的深度技术案例，以体现专业深度
- 突出展示在特定芯片平台（如高通、瑞芯微）上的具体优化案例，量化性能提升数据（如FPS提升、功耗降低）
- 补充学习主流端侧推理框架（TensorRT, RKNN, QNN）的源码级原理，强化对异构计算内存管理的理解
面试指南
- 采用STAR法则（情境、任务、行动、结果），重点强调技术选型的理由、遇到的具体困难、采取的优化手段以及最终量化的性能收益
- 请描述一次你通过算子优化显著提升推理速度的经历，具体瓶颈在哪里？
- 在INT8量化过程中，如何平衡精度损失与推理速度？有哪些常用的校准方法？
- 面对不同厂商的NPU，你如何进行算子适配和性能调优？
- 如何设计一个自动化的端侧模型部署验证平台？
- 复习常见神经网络层（Conv, Attention, Pooling等）在不同硬件上的实现细节，了解最新的端侧大模型部署趋势
职位点评
薪资福利85
成长发展92
工作生活60
使命价值75
薪资福利
85较高
作为已上市的头部科技企业，安克创新能提供具有市场竞争力的薪资和完善的福利体系，满足求职者对高薪和稳定性的需求。
薪资信号偏高 (3.0千–5.0万/月)
成长发展
92较高
该职位处于端侧AI技术的前沿，涉及大模型部署、异构计算等高难度技术领域，能极大提升求职者的技术深度和行业竞争力。
技术前沿前沿/新兴技术
技术栈端侧AI、LLM部署、模型量化、异构计算、NPU优化、C/C++、TensorRT、RKNN
业务类型profit_center
工作生活
60中等
虽然未明确提及加班情况，但作为研发核心岗位且涉及产品量产交付，通常面临一定的交付压力；地点位于深圳宝安，通勤可能有一定距离。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
安克创新是全球知名的消费电子品牌，其产品在改善用户日常生活体验方面具有显著的社会影响力，符合技术赋能生活的价值观。
行业发展稳定成熟行业
社会影响正向社会影响力较高
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