长江存储
嵌入式系统工程师（AI平台方向）(J14461)
嵌入式系统工程师（AI平台方向）(J14461)
发布于 大约 4 小时前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
本科
硬件工程
Arm
Tensorflow Lite
嵌入式系统
联发科
高通
AI 估算 · 20k–35k
嵌入式AI方向结合热门技术，3年经验在上海属于中高竞争力，参考半导体行业薪资水平。
职位详情
关于这个职位
该职位专注于嵌入式系统与AI技术的结合，主要研究高通、联发科等主流SoC平台的硬件架构与驱动模型，探索AI大模型在端侧的部署与优化
你将负责系统性能分析、AI新功能落地验证，并推动跨部门合作，适合对嵌入式AI有浓厚兴趣的技术人才
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
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
- 处于AI与嵌入式交叉领域，技术前沿且需求增长快，个人技能积累价值高
- 长江存储作为半导体公司，平台稳定，能接触到芯片底层与AI产业链
- 工作内容涉及多平台（高通/MTK/展锐），有助于建立行业视野
- 需要同时掌握硬件、系统、AI等多领域知识，学习曲线较陡
- 适合对嵌入式系统有深厚基础、同时对AI技术充满热情，喜欢钻研底层和系统优化的工程师
缺点 / 挑战
- AI端侧落地仍面临算力和功耗限制，优化难度大，可能遇到瓶颈
- 跨部门协作频繁，沟通成本较高，需要较强的推动力
角色解读
- 深入AI与嵌入式结合方向，成为端侧AI系统专家
- 向技术预研或架构师发展，主导前沿技术落地
- 可横向转型至芯片原厂或算法团队，拓展技术广度
- 深入分析高通、联发科等SoC平台的硬件架构与驱动模型，理解系统调度机制
- 跟踪AI大模型在端侧的应用趋势，研究NPU调度优化和异构计算，输出可行性报告
- 针对AI场景进行系统性能分析，识别内存、带宽、功耗等瓶颈，并协同优化
- 制定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
- 精通Linux/Android系统架构，熟悉内核驱动和HAL层交互
- 扎实的C/C++编程能力，熟悉Python用于自动化分析
- 了解TensorFlow Lite、ONNX等AI框架及NPU工作原理
- 熟悉ARM架构，具备系统级调试和性能分析经验
申请策略
- 面试前加强对LLM在端侧部署挑战的理解，如量化、剪枝技术
- 了解长江存储的业务方向，可将自身经验与存储AI结合点联系起来
- 突出嵌入式系统开发经验，特别是高通/MTK/展锐平台的调试经历
- 强调AI相关项目，如端侧模型部署、NPU调优或性能分析
- 展示C/C++和Python技能，以及Linux/Android内核相关成果
- 如果有开源贡献或技术博客，务必列出以体现技术热情
- 补充AI框架（TFLite、ONNX）的实际使用经验，可通过动手项目提升
- 熟悉性能分析工具（Perf、Systrace等），并理解Neropilot或SNPE等NPU SDK
面试指南
- STAR法则：描述情境、任务、行动、结果，突出系统思维和量化成果
- 技术对比：比较不同方案优劣，展示知识深度（如TFLite vs SNPE）
- 问题拆解：从问题定位到解决步骤，体现逻辑推理能力
- 请描述你在嵌入式平台上如何进行性能分析并优化瓶颈
- 谈谈你对AI模型在端侧部署的理解，遇到过哪些挑战？
- 如何调试Linux内核驱动？举个实际例子
- NPU和CPU在异构计算中如何协同工作？
- 你如何跟踪并评估一项新AI技术是否适合在嵌入式平台落地？
职位点评
69
综合评分
前沿AI+嵌入式技术岗，成长空间大，但WLB不明朗，薪资面议。
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。
更适合这类人
适合追求技术成长、对AI与嵌入式融合充满热情、愿意投入时间钻研的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活50
使命价值60
薪资福利
70中等
薪资在半导体行业中上水平，福利稳定，但JD未明确薪资范围，需面议确定。
薪资信号面议 (20K-35K/月)
成长发展
85较高
职位涉及前沿AI与嵌入式技术，能深度研究多平台，成长空间大，但未提及晋升通道。
技术前沿前沿/新兴技术
技术栈AI、NPU、异构计算、TensorFlow Lite、ONNX、SNPE、LLM
成长机会技术分享
业务类型ambiguous
工作生活
50较低
工作地点在上海，未明确办公模式，推测为现场办公，无法判断WLB情况。
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
60中等
半导体行业稳定，AI方向有前景，但职位本身未强调社会使命，中性。
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
长江存储 的其他在招职位
相似职位推荐
Watch Jobs