瑞萨电子
Principal/Sr. Staff Forward Deployed Engineer（具身智能AI前沿部署工程师）
Principal/Sr. Staff Forward Deployed Engineer（具身智能AI前沿部署工程师）
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公具身智能
具身智能
Agent Ai
Mlir
Ros 2
Tensorrt
Tvm
具身智能
嵌入式Ai
模型量化
值不值得投
78综合评分
综合评分 78
前沿具身智能技术、跨国大厂平台、高成长潜力，但需承担驻场压力与高强度工作
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，方便横向比较。
薪资怎么样
4.8万
比具身智能中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 130 个在招
市场机会
选择不多
苏州 · 具身智能 · 2 个在招
职位详情
关于这个职位
作为瑞萨电子的具身智能前沿部署工程师，你将深入客户现场（机器人公司、实验室及汽车OEM），利用瑞萨Agent AI平台在SoC上部署、优化和验证AI模型
你需要将模型与ROS 2及仿真工具集成，主导概念验证并转化现场反馈为产品需求，是连接技术与客户的关键角色
最低要求
年以上嵌入式AI或机器人/ADAS软件部署经验
具备模型编译、量化和优化实战经验（如MLIR, TVM, TensorRT）
拥有Agentic AI和基于LLM的开发工具实践经验
精通Linux、Python和C++，具备ROS 2使用经验
具备面向客户的技术支持经验，能够驻场工作
工作职责
在中国地区作为物理AI和机器人的前沿部署工程师（FDE），与客户现场团队紧密合作
使用瑞萨的Agent AI平台，在瑞萨SoC上部署、优化和验证客户的AI模型
将这些模型与ROS 2、机器人SDK和仿真工具进行集成
领导概念验证项目直至得出可衡量的结果
收集现场反馈并将其转化为具体的产品需求
优先资格
在边缘设备上使用LLM、VLM或VLA模型的经验
熟悉仿真工具（Isaac Sim / Omniverse）及HIL验证
具备从CUDA/NVIDIA迁移至其他AI加速器的经验
有汽车SoC或功能安全背景
参与过开源社区、开发者社区或大学合作经历
AI 洞察
优缺点分析
优点
- 接触前沿技术：直接参与具身智能和Agent AI等最新技术方向的落地应用
- 高影响力岗位：作为FDE，你的工作直接影响客户成功和产品迭代，职业成就感强
- 平台优势：依托瑞萨全球半导体巨头的资源和技术积累，拥有强大的硬件支持
- 跨界机会：横跨汽车、机器人、工业多个高增长行业，拓宽职业视野
- 高压环境：需要频繁出差或长期驻场，面对客户的高期望和紧迫的项目节点
- 沟通成本：需在不同技术背景的客户和公司内部团队间高效协调，沟通难度大
- 适合热爱技术落地、享受解决复杂工程问题、具备良好抗压能力和客户服务意识的资深嵌入式AI工程师
缺点 / 挑战
- 技术复杂性：需要在异构硬件和复杂软件栈之间进行极致的性能优化，技术挑战大
角色解读
- 技术专家路线：成为具身智能和边缘AI领域的顶级架构师或首席科学家
- 解决方案专家：发展为能够独立开拓大型客户项目的资深解决方案负责人
- 产品管理转型：凭借对客户需求的深刻理解，转向AI芯片或机器人平台的产品经理角色
- 驻场技术支持：深入机器人公司和汽车OEM现场，解决AI模型落地中的实际工程问题
- 模型部署与优化：负责将复杂的AI模型（如LLM、视觉模型）适配到瑞萨特定的SoC硬件上，并进行性能调优
- 桥梁角色：连接客户技术需求与公司产品研发，将现场反馈转化为产品改进方向
- 原型验证：主导Proof of Concept (PoC)，确保技术方案的可行性和有效性
- 硬核嵌入式AI技能：精通模型编译、量化、剪枝及在特定硬件上的加速推理
- 全栈开发能力：熟练掌握C++/Python/Linux底层开发，以及ROS 2机器人操作系统
- 前沿技术理解：对Agentic AI、LLM在边缘侧的应用有深入理解和实践经验
- 软技能：具备优秀的客户沟通能力和现场问题解决能力
申请策略
- 准备双语简历：JD明确要求中英文简历，请确保两者内容一致且专业
- 研究瑞萨产品线：提前了解瑞萨在汽车和机器人领域的核心SoC系列（如RH850, RZ/G系列等）
- 突出具体的模型部署案例：详细描述如何将特定模型部署到特定芯片，并量化性能提升指标
- 强调ROS 2和Linux内核级开发经验：展示对机器人系统底层的掌控力
- 体现客户导向思维：列举曾通过技术手段帮助客户解决关键痛点或缩短交付周期的经历
- 展示开源贡献或学术合作：如有相关背景，务必重点呈现，以契合其开放创新的文化
- 深化LLM/VLM在边缘端的部署知识：学习TinyLlama、Qwen等小模型的量化与加速技巧
- 掌握更多AI编译器工具链：除了TensorRT，深入了解MLIR和TVM的原理与实践
面试指南
- STAR法则：针对行为面试题，严格按照情境、任务、行动、结果的结构回答，重点突出个人贡献和量化成果
- 技术深度+广度：回答技术问题时要展现底层原理的理解（如内存管理、指令集优化），同时关联上层应用
- 客户视角：在回答非纯技术问题或混合问题时，始终体现以客户价值为导向的思维模式
- 请分享一个你成功将复杂AI模型部署到资源受限嵌入式设备上的案例，遇到的最大挑战是什么？
- 你对Agentic AI在机器人领域的应用有什么理解？目前面临的主要技术瓶颈有哪些？
- 如果客户现场的AI模型推理速度不达标，你会如何排查和优化？
- 请描述一次你处理棘手客户投诉或技术分歧的经历，你是如何解决的？
- 你如何看待LLM在边缘端（Edge AI）的发展趋势？
职位点评
薪资福利85
成长发展92
工作生活45
使命价值80
薪资福利
85较高
作为已上市的跨国巨头，瑞萨提供具有市场竞争力的薪酬和完善的福利体系，虽未披露具体数字，但行业地位保证了其薪资水平处于市场中上游。
薪资信号未披露（AI估算：3.5千–6.0万/月）
福利待遇competitive benefits package
成长发展
92较高
该职位处于具身智能和Agent AI的最前沿，涉及LLM、VLM等新兴技术在边缘端的落地，技术成长空间巨大，且能接触顶级客户和项目。
技术前沿前沿/新兴技术
技术栈Agent-based AI、LLM、VLM、VLA、ROS 2、MLIR、TVM、TensorRT、Physical AI、Robotics
业务类型profit_center
工作生活
45较低
职位明确要求'on site with customers"和"work on site"，且FDE角色通常伴随较高的出差频率和客户响应压力，WLB相对较难保证。
工作模式仅现场办公
办公地点科技园/产业园
加班情况JD含高强度暗示词
使命价值
80较高
公司使命"To Make Our Lives Easier"及塑造"safer, healthier, greener, and smarter future"愿景清晰，具身智能技术本身具有显著的社会正向影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
使命信号To Make Our Lives Easier、shaping a safer, healthier, greener, and smarter future、impact millions of lives
创新程度积极采用新技术
瑞萨电子 的其他在招职位
相似职位推荐
Watch Jobs