商米科技
实习生（算法模型）
实习生（算法模型）
发布于 2 小时前实习/见习
实习生仅现场办公人工智能
人工智能
Ai Agent
Llm
Npu部署
Pytorch
Tensorflow
值不值得投
75综合评分
综合评分 75
前沿AI技术栈、导师带教完善、侧重端侧落地，WLB未明确但成长空间大
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，方便比较实习机会。
薪资怎么样
9.0千
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
12 个在招
市场机会
选择面较广
上海 · 人工智能 · 约 400 个在招
职位详情
关于这个职位
负责参与多模态大模型在智能硬件终端的研发，协助CV视觉与ASR语音算法的模型训练、微调及性能评估
在导师指导下搭建AI Agent原型系统，探索大模型与IoT数据的智能化应用，并学习深度学习模型在低功耗芯片上的适配部署与技术追踪
最低要求
学历专业：重点院校本科及以上学历，计算机科学、人工智能、电子信息、自动化等相关专业
研究/项目经验：有扎实的算法理论功底，有实验室课题、竞赛经历
技术能力：
编程基础：熟练掌握Python/C++，熟悉PyTorch/TensorFlow等框架，能熟练使用Linux开发环境
算法基础：熟悉图像分类、目标检测、语音识别、多模态理解中至少一个领域的基础模型（如ResNet、ViT、Whisper、CLIP等）
了解Qwen、DeepSeek等LLM的基本原理和微调概念（如LoRA）
软素质：自驱力强，对AI技术与物理世界结合有强烈好奇心，具备良好的文献阅读能力和快速学习能力，善于团队协作与沟通
工作职责
算法研发与探索：参与多模态大模型在智能硬件终端的前沿技术研发，协助进行CV视觉算法（如商品识别、手势识别）和ASR语音算法（语音点单、多语种翻译）的模型训练、微调与性能评估
AI Agent搭建：在导师或技术负责人指导下，参与AI Agent（智能体）原型系统的搭建，结合大语言模型（LLM）与IoT感知数据，探索在经营分析、自动化营销等场景中的智能化应用
模型优化与部署：参与深度学习模型在低功耗、高算力芯片（NPU）上的适配与优化工作，学习并尝试将算法高效部署至Android等终端系统
前沿技术追踪：跟踪多模态理解、具身智能、Agent等前沿技术动态，进行技术验证和Demo开发，为团队技术选型提供实验参考
优先资格
有完整的模型训练到评估流程经验者优先
有使用过LangChain、Coze/Dify等框架搭建Agent应用，或尝试过模型量化、ONNX推理的个人项目/课程设计者优先
AI 洞察
优缺点分析
优点
- 聚焦多模态大模型与具身智能等前沿赛道，技术栈先进且贴近实际硬件落地场景
- 依托大型科技企业平台，拥有完善的导师带教机制与丰富的内部技术资源
- 项目成果可直接应用于智能终端产品，实战价值高
- 前沿技术迭代迅速，需保持高强度的自主学习与Demo开发节奏
- 适合计算机、人工智能等相关专业背景，对AI底层技术与物理世界结合充满好奇，具备较强动手能力和抗压能力的在校生或应届毕业生
缺点 / 挑战
- 需同时兼顾算法理论研究与端侧部署优化，对跨领域知识整合能力要求较高
- 硬件结合场景下调试环境复杂，可能面临较多工程化挑战
角色解读
- 从算法实习生逐步成长为专职AI算法工程师，深耕多模态大模型、具身智能或端侧AI部署方向
- 未来可向AI架构师、技术负责人或垂直领域算法专家方向发展，持续拓展技术广度与业务落地能力
- 协助研发团队在多模态大模型与智能硬件结合方向进行算法训练、微调与性能评估
- 在导师指导下搭建AI Agent原型，探索大模型与IoT数据的业务应用场景
- 参与深度学习模型在低功耗芯片上的适配部署，并追踪前沿技术动态
- 掌握Python/C++编程及PyTorch/TensorFlow框架，具备扎实的CV或ASR算法理论基础
- 熟悉大语言模型(LLM)基本原理与微调方法，了解Agent开发框架及模型部署优化流程
- 具备较强的文献阅读能力、自驱力与团队协作精神
申请策略
- 提前调研商米科技的核心产品线与AIoT业务布局，在简历或求职信中体现对智能终端场景的理解
- 准备1-2个可演示的算法Demo或GitHub项目链接，面试时重点阐述技术选型逻辑与落地难点
- 突出个人在CV/ASR或多模态方向的完整项目经历，详细列出使用的模型结构、训练框架及调优指标
- 清晰展示LLM微调、Agent搭建或模型量化部署的具体实践案例
- 强调竞赛获奖、实验室课题或高质量开源贡献
- 深入掌握PyTorch/TensorFlow底层原理，补充Linux环境下的C++高性能编程技巧
- 系统学习LangChain/Dify等Agent开发框架，了解模型量化与NPU部署工具链
- 加强英语文献阅读能力以紧跟顶会论文进展
面试指南
- 采用STAR法则结构化回答项目经历，重点突出背景、任务、行动（技术细节）与结果（量化指标）
- 对于系统设计题，先明确需求边界，再分层阐述数据流、模型选型、推理优化与部署方案，最后补充评估指标与迭代思路
- 请详细介绍一个你独立完成的多模态或语音/视觉算法项目，说明模型选择依据与调优过程
- 如何在大语言模型基础上搭建一个具备特定功能的Agent？遇到过哪些挑战？
- 针对低功耗芯片，你会采取哪些策略进行模型压缩与加速部署？
- 如果让你设计一个用于智能硬件的商品识别方案，你会如何规划技术路线？
- 复习主流CV/ASR模型架构及Transformer原理，梳理LLM微调（如LoRA）与Agent框架的核心机制
- 准备端侧部署相关的量化、剪枝、算子融合等技术知识点
职位点评
薪资福利65
成长发展92
工作生活55
使命价值78
薪资福利
65中等
岗位提供符合上海AI算法实习生市场水平的津贴，虽非正式高薪，但结合企业平台背书与常规福利，整体补偿性动机满足度良好。
薪资信号未披露（AI估算：6.5千–1.1万/月）
成长发展
92较高
深度参与多模态大模型、AI Agent与端侧部署等前沿技术，配备导师制指导，技术成长空间广阔，发展性动机高度契合。
技术前沿前沿/新兴技术
技术栈Python、C++、PyTorch、TensorFlow、LLM、CV视觉算法、ASR语音算法、AI Agent、NPU部署、LangChain
成长机会在导师或技术负责人指导下、学习并尝试
业务类型profit_center
工作生活
55较低
未明确提及弹性工时或远程政策，作为硬件与算法结合的实习岗，大概率需坐班，生活化动机满足程度中等。
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
78中等
聚焦具身智能与AI Agent等前沿方向，致力于将AI技术落地于实体商业终端，具有明确的行业创新价值与社会应用前景。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs