瑞芯微
AI算法工程师-福州
AI算法工程师-福州
发布于 大约 13 小时前普通员工/个人贡献者
福州市
其它
全职员工
仅现场办公
硕士
机器学习工程
Pytorch
Tensorflow
Tensorrt
剪枝
模型压缩
深度学习
知识蒸馏
量化
AI 估算 · 20k–35k
AI算法工程师技能稀缺，福州薪资中等偏上，瑞芯微为上市芯片公司，提供稳定福利。
职位详情
关于这个职位
该职位负责AI模型的压缩算法研发与落地，涉及量化、剪枝、蒸馏等前沿技术，需要扎实的深度学习和编程基础
你将加入瑞芯微，深入端侧模型部署场景，参与大模型低比特量化和推理优化，是技术成长与实战并重的好机会
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
- 瑞芯微为上市芯片公司，平台稳定，技术积累深厚，能接触到真实的芯片和端侧场景
- 涉及的技术领域前沿（大模型、扩散模型压缩），有很高的技术价值和成长空间
- 项目落地时能深入底层，提升对硬件架构和推理引擎的理解，增强核心竞争力
- 具体薪资和福利未披露，需在面试中进一步了解，存在不确定性
缺点 / 挑战
- 岗位要求全面，需同时掌握算法、编程和部署工具链，门槛较高
- 模型压缩涉及精度和性能的权衡，工作具有挑战性，可能需反复实验和调优
- 适合对AI模型部署和优化有浓厚兴趣，具备扎实理论基础和较强编程能力，喜欢挑战技术难题的工程师
角色解读
- 从算法工程师成长为高级算法专家，深耕模型压缩与部署方向
- 向AI芯片系统优化或推理引擎架构设计方向发展，结合硬件提升性能
- 可转向大模型推理优化、端侧AI等热门领域，职业前景广阔
- 负责深度学习、大语言模型、计算机视觉模型的压缩算法研发，包括量化、剪枝、蒸馏等
- 设计并优化模型压缩方案，以适应不同部署场景的性能和资源约束
- 完成压缩模型的推理优化与工程化落地，涉及CUDA/ONNX/TensorRT/RKNN等工具链
- 与团队协作，将模型高效部署到端侧或云端，平衡精度、速度、内存与功耗
- 精通深度学习基础理论，熟练使用PyTorch或TensorFlow搭建和优化模型
- 掌握至少两种模型压缩技术（量化、剪枝、蒸馏、稀疏化），有实战经验
- 扎实的Python/C++编程能力，了解CUDA、ONNX、TensorRT、RKNN等部署工具
- 具备推理引擎底层原理相关知识，能够进行算子优化或自定义开发
申请策略
- 提前了解瑞芯微的AI芯片产品线，特别是其自研NPU的特性
- 在简历和面试中展现对模型压缩技术发展趋势的理解，体现专业深度
- 突出模型压缩项目经历，明确写出使用的技术（量化、剪枝等）和取得的性能指标
- 展示大语言模型或扩散模型的压缩部署案例，即使只是实验也可体现相关经验
- 强调Python/C++编程能力和对推理工具链的熟悉程度，如TensorRT、RKNN
- 如有顶会论文或专利，务必重点标注，这是极大的加分项
- 系统学习ONNX Runtime、TensorRT的底层原理，尝试自定义算子开发
- 熟悉RKNN工具链，了解NPU架构及模型适配技巧
面试指南
- 采用STAR法则描述项目，突出你负责的技术点、量化指标和最终成果
- 对于技术原理问题，从基本概念出发，延伸到实际应用中的考量，体现系统性思维
- 展示问题解决能力：先分析瓶颈，再提出方案，最后验证迭代
- 请详细介绍你做过的一个模型压缩项目，包括背景、方法和效果
- 如何评估量化对模型精度的影响？你通常采取哪些手段缓解精度损失？
- 描述一下剪枝的流程，如何确定剪枝比例和保留重要通道？
- 你熟悉TensorRT吗？请说明如何用TensorRT加速一个PyTorch模型
- 在端侧部署模型时，你如何考虑硬件资源限制并优化性能？
职位点评
69
综合评分
芯片大厂AI算法岗，技术前沿挑战高，薪资未明，办公灵活性未知。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
该职位最适合重视技术成长、渴望接触前沿AI部署技术的求职者，对工作节奏和办公方式要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活50
使命价值60
薪资福利
70中等
公司为上市芯片企业，薪酬水平通常有竞争力，但JD未明确薪资福利，有一定的期望空间。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
85较高
岗位涉及前沿模型压缩技术和大模型部署，能积累高端技能，但JD未明确晋升机制，发展主要靠个人成长。
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、大语言模型、扩散模型、PyTorch、TensorFlow、TensorRT、CUDA
业务类型ambiguous
工作生活
50较低
工作地点固定在福州，未提及远程或弹性办公，生活方式相关信号不明，可能以现场办公为主。
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
60中等
AI芯片行业处于高速增长期，岗位技术价值高，但对社会影响程度一般，使命感不强。
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
瑞芯微 的其他在招职位
相似职位推荐
Watch Jobs