瑞芯微
AI算法工程师-福州
AI算法工程师-福州
发布于 3 天前普通员工/个人贡献者
福州市
高级经验
全职员工
仅现场办公
硕士
研究与开发 (研发)
Pytorch
Tensorflow
Tensorrt
剪枝
模型压缩
深度学习
蒸馏
量化
AI 估算 · 20k–40k
瑞芯微上市芯片公司，福州AI算法岗硕士经验匹配，技术难度高，薪资在本地竞争力强。
职位详情
关于这个职位
该职位负责AI模型压缩算法的研发与落地，涵盖量化、剪枝、蒸馏等核心技术，需平衡精度、速度与功耗
适合有深度学习基础、掌握模型压缩技术、熟悉部署工具链的算法工程师，你将参与从算法设计到工程化部署的全流程
最低要求
学历背景：计算机科学与技术、人工智能、软件工程、电子信息、物理、数学等相关专业硕士及以上学历
精通深度学习基础理论，熟悉至少一种主流深度学习框架（PyTorch/TensorFlow/MXNet），具备独立搭建、训练及优化模型的能力
掌握至少2种以上模型压缩核心技术（量化、剪枝、蒸馏、稀疏化等）的原理与实践经验，有完整的模型压缩项目落地案例者优先（如大模型低比特量化部署、端侧模型性能优化等）
具备扎实的编程基础，熟练掌握Python/C++，了解CUDA/ONNX/TensorRT/RKNN等模型部署相关工具链，能够完成压缩模型的推理优化与工程化落地
工作职责
负责AI模型（涵盖深度学习、大语言模型、计算机视觉模型等）的压缩算法研发与落地，包括但不限于量化、剪枝、蒸馏、稀疏化、模型结构优化等技术方向
针对不同部署场景的性能与资源约束，设计并优化模型压缩方案，平衡模型精度、推理速度、内存占用及功耗需求
优先资格
有大语言模型（LLM）或扩散模型（Diffusion Model）压缩与部署经验者（如LLM/SD等模型的低比特量化、推理加速）
在顶会（NeurIPS/ICML/ICLR/CVPR/ICCV/ECCV）或权威期刊发表过模型压缩相关论文，或拥有相关技术专利者
熟悉ONNX Runtime、TensorRT等推理框架的底层原理，具备自定义算子开发或推理引擎优化经验
有端侧模型部署与性能优化经验，了解NPU/GPU等硬件架构对模型压缩的适配要求
AI 洞察
优缺点分析
优点
- 接触前沿的模型压缩技术（LLM/Diffusion量化剪枝），技术含金量高
- 瑞芯微作为上市芯片公司，平台稳定，技术积累深厚，利于长期发展
- 福州生活成本相对一线城市更低，薪资购买力强
- 模型压缩技术难度大，需持续跟进学术前沿和硬件演进
- 工作地点在福州，相比一线城市技术交流机会较少
- 适合对AI模型优化有强烈热情、动手能力强，愿意深耕模型压缩与部署方向的技术型人才
缺点 / 挑战
- 项目落地需平衡精度与效率，对工程能力要求高，可能面临较大压力
角色解读
- 深耕模型压缩领域，成为AI算法专家，主导关键算法突破
- 向系统架构方向发展，结合硬件特性优化端侧推理引擎
- 技术管理路线：带领团队完成算法研发与项目交付
- 负责AI模型压缩算法（量化、剪枝、蒸馏等）的研发与优化，提升模型在部署场景下的效率
- 针对不同硬件平台（如NPU/GPU）的约束，设计并实现模型压缩方案，平衡精度、速度与功耗
- 参与模型从训练到部署的全流程工程化落地，使用CUDA/ONNX/TensorRT等工具链完成推理优化
- 精通深度学习基础理论，熟练使用PyTorch或TensorFlow等框架独立搭建和训练模型
- 掌握至少两种模型压缩核心技术，并有实际项目落地经验
- 扎实的Python/C++编程能力，了解CUDA/ONNX/TensorRT等部署工具链
申请策略
- 了解瑞芯微的芯片产品（如RK3588等）及其AI加速单元，在面试中体现对硬件适配的理解
- 准备1-2个完整的模型压缩项目案例，用STAR方法清晰叙述
- 突出模型压缩项目经验，特别是低比特量化、剪枝等实际落地案例
- 强调编程能力（C++/Python）和部署工具链（TensorRT/ONNX）的使用经验
- 如有顶会论文或专利，重点展示
- 针对性地实践LLM或Diffusion模型的低比特量化，熟悉量化校准和推理加速
- 学习CUDA编程和TensorRT自定义算子开发，提升工程优化能力
面试指南
- 核心原则：先阐述理论基础，再结合具体案例说明工程实现
- 对比多种方法（如量化、剪枝、蒸馏），分析各自适用场景和trade-off
- 使用STAR法则描述项目：情境、任务、行动、结果，强调量化指标（推理速度、精度损失）
- 请解释模型量化（Post-training Quantization vs Quantization-Aware Training）的原理和优缺点
- 如何设计剪枝策略，在保持精度前提下最大化稀疏率？
- 描述一个你独立完成的模型压缩项目，遇到的最大挑战是什么？如何解决？
- 谈谈你对ONNX Runtime和TensorRT的理解，如何优化一个ONNX模型的推理速度？
- 在端侧模型部署中，如何针对NPU特性调整压缩方案？
职位点评
75
综合评分
前沿技术岗，高成长性，福州现场办公，薪资竞争力较强但工作强度未明确。
更适合这类人
适合追求技术前沿和职业成长，对工作灵活性要求不高，希望获得稳定且有竞争力的薪酬的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展85
工作生活60
使命价值80
薪资福利
75中等
瑞芯微上市企业，薪资在福州具有竞争力，但未在JD中明确具体数额和福利。
薪资信号未披露（AI估算：20K-40K/月）
成长发展
85较高
职位聚焦前沿模型压缩技术，可接触LLM/Diffusion等方向，技术成长性高，但JD未明确晋升路径。
技术前沿前沿/新兴技术
技术栈深度学习、模型压缩、量化、剪枝、蒸馏、LLM、Diffusion Model、TensorRT、CUDA
业务类型ambiguous
工作生活
60中等
仅现场办公，福州生活节奏相对舒适，但加班与否未提及，办公地点未明确。
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
80较高
AI芯片行业处于高速增长期，职位技术影响力较大，但社会使命导向不明显。
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