瑞芯微
2027届校招AI 算法工程师-上海
2027届校招AI 算法工程师-上海
发布于 大约 16 小时前普通员工/个人贡献者
上海市
无经验要求
全职员工
仅现场办公
硕士
机器学习工程
Lora
Pytorch
多模态
大模型
模型量化
深度学习
计算机视觉
AI 估算 · 20k–35k
AI算法岗位需求旺盛，上海薪资水平高，公司上市稳定，结合校招硕士学历，估算月薪2-3.5万。
职位详情
关于这个职位
该职位为瑞芯微2027届校招AI算法工程师，工作地点上海
你将从事计算机视觉、图像处理、音频及多模态等前沿算法研发，涉及大模型架构设计、预训练与微调，并将算法落地到安防、智能终端等实际场景
需要扎实的深度学习理论基础，熟练掌握PyTorch和Python，有机会深入模型优化与边缘计算部署
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
技术功底：在深度学习、统计机器学习、计算机视觉、最优化方法等领域有扎实的理论基础与研究积累，能独立开展算法设计与研发工作
模型能力：精通Transformer、CNN、ViT、DiT等主流神经网络架构，深入理解大模型预训练、微调（LoRA/QLoRA）、Prompt工程等核心技术，能结合具体场景选型并优化模型
工具与编程：熟练掌握至少一种主流深度学习框架（PyTorch优先，TensorFlow亦可），精通Python，熟练运用C/C++及Shell脚本，具备高效的数据处理与模型开发能力
工作职责
前沿算法研发：基于深度学习与大模型技术，开展计算机视觉（检测、识别、行为分析等）、图像处理算法、音频相关算法及多模态融合等方向的前沿技术研发，包括模型架构设计、预训练优化、微调适配等工作
场景化落地：深入对接实际业务场景（如安防监控、智能终端等），将AI算法转化为可落地的技术方案，解决场景中的复杂挑战性问题，负责算法从原型验证到生产部署的全流程推进
模型性能优化：针对模型精度、推理速度、资源消耗等核心指标，运用量化、蒸馏等技术进行优化，结合边缘计算需求适配不同硬件环境，确保模型高效稳定运行
技术迭代：跟踪国内外AI领域前沿技术动态（大模型、多模态、智能体等），开展技术预研与验证
编写技术文档、沉淀研发经验，推动团队技术能力迭代升级
AI 洞察
优缺点分析
优点
- 技术前沿，能接触大模型、多模态等热点，有利于个人技术壁垒的积累
- 公司已上市，业务稳定，平台资源丰富，提供较好的研发环境
- 岗位职责涵盖算法研发到落地全流程，能快速提升工程化能力
- 团队注重技术迭代，有较多学习成长空间
- 涉及从原型到部署的全流程，需要处理工程化问题，可能较繁忙
- AI领域竞争激烈，需持续跟踪学术和技术动态，保持知识更新
缺点 / 挑战
- 前沿算法研发对数学和编程基础要求高，学习压力较大
- 适合对AI算法有浓厚兴趣、喜欢挑战前沿技术、具备较强自驱力和动手能力的硕士应届生
角色解读
- 技术深耕方向：从算法工程师向高级算法专家、技术专家发展，专注CV或多模态等垂直领域
- 横向扩展方向：积累边缘计算和模型部署经验，可转向AI系统架构或嵌入式AI领域
- 管理方向：在项目历练中逐步承担团队管理职责，成为技术Leader或项目负责人
- 研发前沿AI算法，包括视觉、音频、多模态方向，设计模型架构并进行预训练与微调
- 深入业务场景，将算法从原型验证推进到生产部署，解决安防、智能终端等场景的复杂问题
- 针对模型精度、速度和资源消耗，运用量化和蒸馏等技术进行性能优化，适配边缘硬件
- 跟踪AI前沿动态，开展技术预研，编写文档并沉淀研发经验，推动团队技术迭代
- 扎实的深度学习理论基础，熟悉CNN、Transformer、ViT等主流架构
- 掌握大模型核心技术，如预训练、LoRA微调、Prompt工程
- 精通Python和至少一种深度学习框架（PyTorch优先），并掌握C/C++和Shell脚本
- 具备独立算法设计、实验验证和问题解决能力
申请策略
- 提前了解瑞芯微的业务方向，尤其是其在AIoT、安防、智能终端的布局，在面试中展示对场景的理解
- 准备好自我介绍和项目复盘，重点突出独立解决问题和技术深度
- 突出深度学习相关项目经历，尤其是计算机视觉或多模态方向的研究或竞赛成果
- 展示大模型实践，如使用LoRA微调、Prompt工程或部署过模型，并强调具体成果
- 强调编程能力，给出GitHub链接或代码示例，体现Python/PyTorch的熟练度
- 如有学术论文、专利或开源贡献，务必列出，这是加分项
- 系统复习Transformer、ViT等架构原理，动手实现并微调一个小模型
- 熟悉模型压缩技术，如量化、蒸馏，可通过开源工具实践
面试指南
- 对于项目类问题，采用STAR法则：背景、任务、行动、结果，突出个人贡献和技术难点
- 对于原理类问题，先给出定义，然后对比分析，最后结合应用场景说明选择理由
- 对于方案设计类问题，从数据、模型、部署三个维度系统思考，体现全局观
- 介绍一下你最熟悉的深度学习项目，你如何设计模型和优化性能？
- Transformer相比CNN在视觉任务上有哪些优势和劣势？
- 如何对大模型进行微调？LoRA和QLoRA的原理是什么？
- 如果要在边缘设备上部署一个检测模型，你会如何做量化或蒸馏？
- 面对一个全新的业务场景，你如何选择适合的AI算法方案？
职位点评
70
综合评分
上市芯片公司AI算法岗，前沿技术栈，成长空间大，但薪资未明示，工作强度待验证。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
更适合这类人
适合技术追求强烈、愿意投入时间钻研前沿AI算法，且不排斥现场办公和一定研发压力的应届生。
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
该职位薪资未明确披露，但公司为上市企业、规模较大，通常提供有竞争力的薪酬福利，但校招起薪存在一定不确定性。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
90较高
该职位聚焦AI前沿技术，涉及大模型、多模态等热门方向，且明确鼓励技术预研和研发经验沉淀，成长空间大。
技术前沿前沿/新兴技术
技术栈PyTorch、Transformer、大模型、多模态、LoRA、量化、蒸馏、CNN、ViT、DiT
成长机会技术预研、沉淀研发经验、技术能力迭代
业务类型ambiguous
工作生活
50较低
工作模式为现场办公，未提及灵活办公或加班情况，地点在上海市中心的可能性未明确，生活平衡可能受研发强度影响。
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
AI算法在安防、智能终端等场景具有实际应用价值，行业处于高速增长期，但JD未强调社会使命，意义感更多来自技术本身。
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