联发科
Senior AI Runtime Engineer_Taipei
Senior AI Runtime Engineer_Taipei
发布于 3 天前普通员工/个人贡献者
AI 估算 · 45k–75k · AI 参考估算
Taipei, Taiwan
高级经验
学历未注明
全职员工仅现场办公嵌入式开发
嵌入式开发
Ai运行时
Linux内核
Npu
Onnx Runtime
性能分析
模型优化
边缘Ai
值不值得投
72综合评分
综合评分 72
技术前沿、成长性强、要求现场办公的资深AI运行时工程师岗位。
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。
薪资怎么样
60K
比嵌入式开发中位数高
发布情况
新岗位 · 3 天前发布
公司情况
这家公司招聘很活跃
约 230 个在招 · 其中嵌入式开发 22 个
市场机会
选择面较广
嵌入式开发 · 约 580 个在招
职位详情
关于这个职位
该职位是联发科技物联网业务部门Linux平台团队的高级AI运行时工程师，主要负责领导MediaTek ONNX NeronEP（ONNX Runtime执行提供程序）的开发与性能优化
工作核心是ONNX Runtime集成、NPU加速、客户模型性能分析以及与Debian/Ubuntu生态系统的集成，旨在为机器人、无人机及未来GenAI边缘计算等实际应用提供支持
最低要求
年以上软件开发经验，其中3年以上专注于AI框架、AI运行时、模型部署或相关领域
深入理解ONNX Runtime内部机制，具备扎实的底层C++开发能力，能够阅读、修改并为ONNX Runtime源代码做贡献
了解ONNX Runtime执行提供程序架构，包括EP接口、图中间表示、会话、内核执行流程及相关核心机制
具备模型优化实践经验，如量化、图优化、算子融合、内存布局调优、校准或性能分析
熟悉Python和主流AI框架，如PyTorch、TensorFlow和ONNX，能够串联模型导出、优化和运行时部署工作流
具备Linux系统开发经验，理解Yocto、Debian或Ubuntu等Linux发行版的集成方式
具备强大的调试和问题分解能力，能够分析跨AI框架、运行时、驱动、内核和硬件加速器的问题
能够有效利用最先进的AI工具来加速开发、测试、分析和技术评估
具备优秀的英语沟通能力，能够与海外第三方合作伙伴协作、讨论技术问题、撰写清晰文档并推动跨团队和时区的协同
具备强大的跨职能沟通能力，能够与内部工程团队、FAE团队、外部合作伙伴及客户工程团队合作
工作职责
领导MediaTek ONNX NeronEP的开发、维护和性能优化，以NPU作为主要加速后端
与内部运行时、驱动、编译器和平台团队以及外部合作伙伴紧密合作，将NeronEP上游至官方ONNX Runtime项目，并保持与新ONNX Runtime版本的兼容性
分析客户ONNX模型，识别性能瓶颈和功能缺口，判断问题来源（是运行时、驱动、内核、硬件加速器还是模型设计本身），并提供具体的优化建议
开发模型优化、性能分析、调试工具和参考应用，降低MediaTek AI解决方案的采用门槛
推动将相关AI工具链作为Debian/Ubuntu软件包交付，以支持在标准Linux发行版中的集成、部署和长期维护
支持客户AI项目从概念验证到产品化，专注于调试、性能分析、模型优化和部署建议
优先资格
在Linux Kernel、ONNX Runtime、ONNX、PyTorch、LLVM等大型开源项目中有上游贡献经验
具有实现或深入使用ONNX Runtime执行提供程序的经验，例如QNN EP、CoreML EP、TensorRT EP、OpenVINO EP或类似程序
有将移动AI、边缘AI或嵌入式AI产品从概念验证带入量产的经验
熟悉开源社区协作流程，包括问题分类、代码审查、RFC、发布或维护者工作流
具备CUDA、GPU内核、NPU内核或其他硬件加速器开发经验
理解编译器、MLIR、TVM或AI编译器基础知识，能够与编译器团队讨论技术细节
具备Debian/Ubuntu打包或Linux发行版包维护经验
AI 洞察
优缺点分析
优点
- 技术深度与前沿性：工作直接接触AI运行时核心与NPU加速，技术栈非常前沿，对个人技术成长价值高
- 平台影响力：项目直接贡献到ONNX Runtime上游开源社区，个人代码有机会产生广泛技术影响
- 产品闭环：工作能直接看到自己的技术成果赋能机器人、无人机等实际边缘AI产品，成就感强
- 跨栈问题排查复杂：问题可能源自模型、运行时、驱动、内核或硬件，需要极强的调试和问题分解能力
- 技术迭代快：AI运行时和硬件加速技术发展迅速，需要持续学习以保持技术领先
- 适合具备深厚系统软件功底、对AI运行时和底层优化有强烈兴趣、乐于解决复杂跨层技术问题、并希望在开源社区建立影响力的资深工程师
缺点 / 挑战
- 开源社区协作压力：需要遵循开源社区规则进行上游贡献，并与全球开发者协作，对沟通能力和规范意识要求高
角色解读
- 技术专家路线：深入AI运行时与编译器技术，成为该领域公认的专家，影响产品技术方向
- 架构师路线：横跨AI软件栈（运行时、编译器、工具链），主导未来AI芯片的软件平台架构设计
- 技术领导路线：凭借跨职能协调能力，可发展为管理技术团队或负责重要产品线的总负责人
- 作为ONNX Runtime执行提供程序的负责人，主导AI模型在MediaTek NPU上的运行时集成与优化
- 深入分析客户AI模型，诊断跨软件栈（框架、驱动、内核）的性能问题，并提供优化方案
- 推动AI工具链以标准Linux发行版软件包形式交付，降低客户采用AI解决方案的门槛
- 支持客户从AI项目原型到量产落地的全过程，充当技术攻坚和方案落地的核心角色
- 精通ONNX Runtime内部架构与C++底层开发，能为其源码做贡献
- 具备扎实的AI模型优化经验，包括量化、图优化、性能剖析等
- 拥有丰富的Linux系统开发与发行版集成经验
- 出色的跨团队、跨组织沟通协调能力，能驱动复杂技术项目落地
申请策略
- 在申请材料或面试中，主动展示你对ONNX Runtime EP架构的理解，这是该职位的核心技术点
- 准备一个关于你如何分析和解决一个跨AI软件栈复杂性能问题的详细案例
- 研究MediaTek在边缘AI领域的产品和新闻，体现你对公司业务的理解和兴趣
- 重点突出在ONNX Runtime、PyTorch、TensorFlow等AI框架或运行时的深度开发或贡献经历
- 详细描述参与过的模型优化项目（如量化、性能提升）及具体量化成果
- 列举Linux内核/驱动开发、NPU/GPU加速、开源项目贡献（尤其是上游PR）的经验
- 展示与硬件团队、客户或开源社区协作解决复杂技术问题的成功案例
- 深入学习ONNX Runtime源码，尝试为其添加简单EP或修复issue
面试指南
- 技术深度问题（如EP架构）：采用“分层解释+核心机制”的框架，从接口层讲到执行层，并提及关键数据结构（如Graph IR）和流程
- 问题分析与解决（如性能瓶颈）：采用“现象-假设-验证-结论”的框架，系统性地列出所有可能层级（模型、运行时、驱动、硬件），并说明如何使用工具进行验证
- 协作与沟通问题：采用“明确目标-建立共识-分工推进-复盘总结”的框架，强调以技术事实和共同目标为导向，而非个人立场
- 请描述一下你对ONNX Runtime执行提供程序（EP）架构的理解
- 一个EP从接收计算图到执行算子需要经过哪些核心步骤？
- 如果一个客户报告其ONNX模型在我们的NPU上运行缓慢，你会如何系统地分析和定位瓶颈？可能的原因有哪些？
- 请分享一个你将AI模型从研究原型优化部署到实际硬件产品的经验
- 遇到了哪些挑战，如何解决的？
职位点评
薪资福利70
成长发展90
工作生活50
使命价值70
薪资福利
70中等
作为一家上市跨国科技公司的资深技术岗位，薪资福利应具有市场竞争力，但具体待遇未在JD中披露。
薪资信号未披露（AI估算：45K-75K/月）
成长发展
90较高
该职位专注于AI运行时、NPU加速等前沿技术领域，且有明确的开源社区上游贡献要求，技术成长空间和挑战性极高。
技术前沿前沿/新兴技术
技术栈ONNX Runtime、NPU、Edge AI、模型优化、C++、Python、Linux Kernel、Yocto、Debian、Ubuntu、PyTorch、TensorFlow
成长机会lead the development、upstream NeronEP into the official ONNX Runtime project、support customer AI projects from PoC to productization
业务类型profit_center
工作生活
50较低
职位明确要求现场办公（on-site），且需要跨时区协作，可能涉及一定工作强度，工作生活平衡信号有限。
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
岗位致力于通过AI技术赋能机器人、无人机等边缘设备，具有明确的行业应用前景，但社会价值导向相对中性。
行业发展高速增长赛道
社会影响中性/一般
使命信号enable real-world Edge AI products across robotics, drones, and future GenAI-on-edge use cases
创新程度积极采用新技术
联发科 的其他在招职位
相似职位推荐
Watch Jobs