智元机器人
具身大模型推理性能优化实习生
具身大模型推理性能优化实习生
发布于 1 天前实习/见习
上海市
初级经验
实习生
仅现场办公
学历未注明
实习与临时职位
Cuda
Gpu
Npu
Vla
世界模型
具身智能
推理引擎
模型量化
算子优化
AI 估算 · 4k–8k
实习生岗位，技能要求高但薪资通常偏低，上海地区实习补贴约200-400元/天，按月估算。
职位详情
关于这个职位
该实习岗位聚焦具身机器人推理性能优化，你将参与轻量化推理框架开发、算子性能调优及前沿算法调研
适合对AI系统优化和具身智能有浓厚兴趣的同学，能深入接触CUDA、模型量化、推理引擎等核心技术栈
最低要求
熟练掌握C/C++，具备汇编(ARM/x86)或CUDA/OpenCL优化经验
深入理解至少一种推理引擎架构(如tensorrt/vllm/sglang/ktransformer/llama-cpp)
熟悉模型量化原理（KL 散度、MinMax、LSQ、AWQ、GPTQ 等）及相关工具链
熟悉常见算子实现与优化（卷积、矩阵乘、激活、LayerNorm、Softmax 等）
具备端上 profiling 能力（perf、简单性能计数器、硬件事件、功耗测量）
工作职责
参与到面向具身机器人本体亲和的轻量化、高性能推理框架模块化开发
基于GPU/NPU的具身多模态算子开发与性能优化，实现内存复用、算子融合、数据排布优化、多流并行等通用加速策略
开发模型解析、转换、性能剖析、可视化profiling工具
洞察算子融合、低精度量化、AI KernelGen、投机推理等在具身本体上的模型高效推理适配技术并复现开发
调研VLA、世界模型、空间智能等最新算法架构趋势
AI 洞察
优缺点分析
优点
- 接触具身智能前沿领域，积累大模型推理优化实战经验，简历含金量高
- 技术栈深入（CUDA、量化、推理引擎），培养系统级优化能力
- 公司处于B轮快速发展期，有机会参与核心模块从0到1的构建
- 实习期间可能面临高强度研发任务，需快速产出可用的优化方案
- 适合具有扎实C/C++和CUDA基础、对AI系统优化充满热情、希望在具身智能领域深耕的计算机或相关专业学生
缺点 / 挑战
- 技术难度较高，需要同时掌握系统编程和深度学习知识，学习曲线陡峭
- 跨学科背景要求（机器人+AI系统），对综合能力挑战大
角色解读
- 在AI系统优化方向深耕，成为高性能计算或推理引擎专家
- 横向迁移至具身智能算法岗位，结合系统理解加速模型迭代
- 深入芯片厂商（NVIDIA、华为等）底层优化，从事编译器或算子库开发
- 开发面向具身机器人的轻量化推理框架，涉及模块化设计与性能优化
- 基于GPU/NPU对多模态算子进行内存复用、算子融合、多流并行等加速优化
- 开发模型解析、转换及profiling工具，支撑性能分析
- 研究算子融合、低精度量化、投机推理等前沿技术并复现验证
- 精通C/C++，具备ARM/x86汇编或CUDA/OpenCL编程经验
- 深入理解至少一种推理引擎（如TensorRT、vLLM）的内部架构
- 熟悉模型量化原理（KL散度、LSQ等）及相关工具链
- 具备端侧profiling能力，能使用perf等工具分析性能瓶颈
申请策略
- 提前了解智元机器人的产品和技术路线，在面试中表现出对具身智能的热情
- 准备一个完整的性能优化案例，从问题分析、方案设计到结果评估，展示系统思维
- 突出CUDA或OpenCL项目的性能优化成果，如加速比、内存节省等量化数据
- 展示使用或二次开发推理引擎的经历，说明对内部机制的了解程度
- 强调模型量化相关项目，提及所用量化方法和工具链
- 附上GitHub或个人技术博客链接，体现持续学习能力
- 系统学习vLLM或TensorRT的源码，理解其架构设计思想
- 练习使用Python+torch搭建简单模型，并用量化工具进行压缩对比
面试指南
- 结构化回答：先定义概念，再分步骤举例说明优化前和优化后的差异
- 案例驱动：用自己熟悉的项目或开源代码片段作为例证
- 对比分析：比较不同技术方案（如不同量化方法、不同引擎）的适用场景
- 请谈谈你对算子融合的理解，并举例说明如何实现两个算子的融合
- 解释模型量化中KL散度的作用和计算过程
- 你如何对一个CUDA内核进行性能调优？请描述你的方法论
- 你使用过哪些推理引擎？它们各自的优缺点是什么？
- 假设有一个Transformer模型在端侧推理速度慢，你会从哪些方面优化？
职位点评
69
综合评分
前沿具身智能实习，技术成长空间极大，薪资一般，需现场办公。
更适合这类人
最适合追求技术成长和周薪回报非首要目标的学生，能忍受较大学习压力。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利40
成长发展90
工作生活60
使命价值85
薪资福利
40较低
实习岗位薪资通常偏低且无明确福利条款，但上海地区实习补贴尚可覆盖基本生活。
薪资信号面议 (4K-8K/月)
成长发展
90较高
该岗位涉及具身智能大模型推理优化，技术栈前沿，能深入CUDA、量化、推理引擎等核心领域，成长空间极大。
技术前沿前沿/新兴技术
技术栈C/C++、CUDA、推理引擎、模型量化、算子优化、GPU、NPU、具身智能、VLA、世界模型
成长机会洞察趋势
业务类型ambiguous
工作生活
60中等
仅现场办公，未提及弹性工作制，上海通勤可能耗时，WLB中等偏下。
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
85较高
具身智能是AI重要发展方向，推动机器人本体智能化，社会价值高，行业增长强劲。
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