YMTC logo
长江存储
Embedded产品系统验证工程师(J14897)

Embedded产品系统验证工程师(J14897)

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 2.5–4.5万 · AI 参考估算
中级经验
本科
全职员工仅现场办公嵌入式开发
嵌入式开发
Arm架构
Npu
Snpe
Tensorflow Lite
性能分析
端侧Ai

值不值得投

71综合评分

综合评分 71

端侧AI与SoC平台验证预研岗,技术前沿且成长性强,办公模式与WLB信息未披露

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

3.5万

比嵌入式开发中位数高

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 670 个在招 · 其中嵌入式开发 6 个

市场机会

选择面较广

武汉 · 嵌入式开发 · 66 个在招

职位详情

关于这个职位

该岗位面向嵌入式产品系统验证,重点研究高通、MTK、展锐等主流SoC平台,并探索端侧AI大模型与轻量化模型的落地应用

你将负责系统行为分析、性能profiling、验证策略制定和前沿技术预研,适合具备Linux/Android、ARM、C/C++及AI端侧部署兴趣的工程师

最低要求

教育背景:计算机、电子、通信、自动化等相关专业本科及以上学历

工作经验:3年以上嵌入式系统开发或验证经验,有高通、MTK、展锐等至少一种主流平台的深度调试经验者优先
专业技能:
精通 Linux/Android 系统架构,熟悉内核驱动、HAL层及框架层交互机制
熟悉 ARM 架构,具备扎实的 C/C++ 编程能力,熟悉 Python 脚本用于自动化分析
了解主流 AI 框架(如 TensorFlow Lite, ONNX, SNPE, MTK NeuroPilot 等)及 NPU 工作原理
AI 敏感度:对 AI 技术在端侧的应用有浓厚兴趣,了解 LLM(大语言模型)在资源受限设备上的部署挑战(如量化、剪枝、显存管理)
综合素质:
具备极强的逻辑思维能力和问题分析能力,善于从系统层面定位复杂问题
良好的沟通协调能力,能够推动跨部门(芯片厂、算法、应用)合作
具备较强的自驱力和技术探索精神,能够独立承担预研课题

工作职责

工作职责:

主流平台深度研究:负责高通(Qualcomm)、联发科(MTK)、展锐(Unisoc)等主流SoC平台的系统行为研究,深入理解其硬件架构、驱动模型及系统调度机制
AI新功能探索与落地:跟踪业界AI大模型及轻量化模型在移动端/嵌入式端的发展趋势,研究AI应用在上述平台上的新功能(如端侧推理加速、NPU调度优化、异构计算等),并输出可行性分析报告
系统性能分析与优化:针对AI应用场景,进行系统级的性能 profiling,识别瓶颈(内存、带宽、算力、功耗),协同芯片原厂及内部研发团队提出优化方案
验证策略制定:基于对新平台和AI特性的理解,制定系统级的验证计划和测试用例,确保新功能在复杂场景下的稳定性与兼容性
技术预研与分享:负责前沿技术的预研工作,将研究成果转化为团队的技术储备,并定期在团队内进行技术分享,提升团队整体技术视野

优先资格

【加分项】

有实际的大模型端侧部署(On-device AI)项目经验
熟悉异构计算(CPU+GPU+NPU+DSP)调度策略
在 GitHub 上有相关开源项目贡献或技术博客
熟悉性能分析工具(如 Perf, Systrace, Snapdragon Profiler, MTK Mobile Log 等)

AI 洞察

优缺点分析

优点

  • 岗位同时覆盖主流SoC平台、嵌入式系统和端侧AI,技术栈具有较强前沿性和复合性
  • 工作内容包含性能分析、验证策略和技术预研,有利于积累从问题定位到方案落地的完整经验
  • 与芯片原厂、算法和应用团队协同,有机会接触产业链上游平台和真实复杂场景
  • 定期技术分享和团队技术储备建设,对提升技术影响力较有帮助
  • 预研类工作需要较强自驱力,部分课题可能短期难有明确产出
  • 适合有三年以上嵌入式开发或验证经验、希望从传统系统验证延伸到端侧AI和SoC平台研究的工程师

缺点 / 挑战

  • 需要同时理解系统底层、AI框架和平台硬件,学习跨度较大,对技术深度要求较高
  • 跨芯片厂、算法、应用团队协作复杂,对沟通推动和问题闭环能力要求较高

角色解读

  • 可向端侧AI系统优化专家方向发展,深耕NPU调度、异构计算、模型部署和性能调优
  • 可向平台架构或技术预研负责人发展,主导新SoC平台研究、验证体系建设和团队技术路线规划
  • 也可转向芯片原厂FAE、系统架构师、AI平台工程负责人等更高阶技术或技术管理岗位
  • 研究高通、MTK、展锐等主流SoC平台的硬件架构、驱动模型和系统调度机制,形成对平台行为的系统级理解
  • 跟踪端侧AI大模型和轻量化模型趋势,围绕端侧推理加速、NPU调度优化、异构计算等方向做可行性分析
  • 针对AI应用场景开展系统级性能profiling,定位内存、带宽、算力、功耗瓶颈,并协同芯片原厂和内部团队优化
  • 制定系统级验证计划和测试用例,保障新功能在复杂场景下的稳定性与兼容性
  • 需要精通Linux/Android系统架构,理解内核驱动、HAL层和框架层之间的交互机制
  • 需要熟悉ARM架构,具备扎实C/C++能力,并能用Python脚本完成自动化分析
  • 需要了解TensorFlow Lite、ONNX、SNPE、MTK NeuroPilot等AI框架及NPU工作原理
  • 需要具备复杂问题定位、跨部门沟通和独立预研能力,能够推动芯片厂、算法、应用团队协作

申请策略

  • 申请前建议了解长江存储在存储产品、嵌入式系统和端侧智能方向上的业务背景,准备与岗位结合的表达
  • 面试中应强调跨团队推动经验和技术分享意识,因为该岗位不仅要求个人调试能力,也要求沉淀团队能力
  • 突出Linux/Android系统架构、内核驱动、HAL层和框架层相关项目经历,说明你如何定位复杂系统问题
  • 突出高通、MTK、展锐或其他主流SoC平台的调试经验,写明具体平台、模块、问题和解决结果
  • 突出C/C++、Python自动化分析能力,以及Perf、Systrace、Snapdragon Profiler等工具使用经验
  • 如有端侧AI、NPU调度、模型量化剪枝、异构计算或开源项目经历,应单独列为亮点
  • 补强端侧AI部署链路,熟悉TensorFlow Lite、ONNX、SNPE等框架在资源受限设备上的推理流程
  • 系统学习NPU工作原理、CPU+GPU+NPU+DSP异构调度、量化剪枝和显存管理等关键概念

面试指南

  • 使用“背景—问题—分析方法—解决方案—结果”的结构回答项目案例,重点展示系统级定位过程
  • 回答技术原理时采用“架构理解—瓶颈识别—工具验证—优化落地”的框架,避免只停留在概念层面
  • 涉及跨部门协作时,用“目标对齐—责任拆分—风险同步—闭环验证”的思路说明推动方式
  • 请介绍一个你在Linux/Android系统层定位复杂问题的案例,包括问题现象、分析路径和最终解决方案
  • 你如何理解高通、MTK或展锐平台的系统调度、驱动模型和HAL层交互机制?
  • 针对端侧大模型推理,你认为在内存、带宽、算力和功耗方面的主要瓶颈有哪些?
  • 你是否做过NPU调度、异构计算或AI模型端侧部署?请说明你的具体工作和结果
  • 如果要为一个新AI功能制定系统级验证计划,你会如何设计测试场景和判断标准?

职位点评

薪资福利72
成长发展88
工作生活45
使命价值70

薪资福利

72中等

JD未披露薪资和福利信息,但从岗位要求看技术门槛较高,涉及主流SoC平台、端侧AI和系统性能优化。对薪资有较高期待的求职者,需要在面试中进一步确认薪酬结构。

薪资信号未披露(AI估算:2.5千–4.5万/月)

成长发展

88较高

岗位覆盖主流SoC平台研究、端侧AI新功能探索、性能profiling、验证策略和技术预研,技能成长空间明显。JD还提到技术分享和团队技术储备,适合重视技术深度和前沿探索的求职者。

技术前沿前沿/新兴技术
技术栈Qualcomm、MTK、Unisoc、Linux/Android、ARM、C/C++、Python、TensorFlow Lite、ONNX、SNPE、MTK NeuroPilot、NPU、LLM、异构计算、Perf、Systrace、Snapdragon Profiler
成长机会技术预研、技术分享、技术储备、提升团队整体技术视野
业务类型ambiguous

工作生活

45较低

JD明确列出上海和武汉两个工作城市,但未说明远程、混合办公、弹性工时或加班情况。办公模式和生活节奏信息不足,需要在投递或面试时重点确认。

工作模式未明确
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

岗位聚焦端侧AI、NPU调度优化和异构计算,属于技术发展趋势较强的方向,并强调前沿技术预研。JD未直接描述社会价值或使命导向,意义感主要来自技术探索和新功能落地。

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
Watch Jobs