英特尔
AI Software Engineer Intern
AI Software Engineer Intern
发布于 大约 16 小时前实习/见习
上海市
无经验要求
实习生
仅现场办公
硕士
PyTorch
多模态
模型量化
分布式训练
VLM
VLA
DeepSpeed
AI 估算 · 5k–10k
英特尔实习生薪资在上海属于中高水平，考虑技术难度和公司规模，月薪约5000-10000元。
职位详情
关于这个职位
该职位是英特尔数据中心的AI软件工程师实习生，专注于视觉语言模型（VLM）和视觉语言动作模型（VLA）的研究与产品化
你将与资深工程师合作，进行模型架构设计、训练优化以及硬件部署，适合对多模态AI和模型优化有浓厚兴趣的在读硕士/博士生
最低要求
最低任职要求：
候选人必须拥有在工作国家不受限制的工作权利
目前正在攻读计算机科学、电气工程、人工智能、数学或相关技术领域的硕士或博士学位
能够全职或接近全职工作至少3个月
扎实的深度学习基础，包括Transformers、扩散模型和强化学习
熟练掌握Python和PyTorch
熟悉分布式训练（DeepSpeed, FSDP, Megatron-LM）
在以下至少一个领域有项目或发表经验：多模态大模型、具身AI/机器人学习、模型压缩与推理加速、视觉语言预训练
工作职责
工作职责：
在VLM/VLA架构、预训练、微调和对齐技术（SFT, RLHF, DPO, GRPO）上进行应用研究
复现和扩展近期工作如OpenVLA、RT-2、π05、PaLI-Gemma、Qwen-VL和InternVL
设计和实现用于清洗、合成和增强图像-文本-动作数据集的多模态数据管道
研究视觉编码器（ViT, SigLIP, DINOv2）与语言主干（LLaMA, Qwen, Mistral）之间的高效融合策略，包括连接器设计和视觉令牌压缩
探索VLA特定组件，如动作头（离散令牌化、扩散策略、流匹配）、长视野规划和闭环控制
应用模型优化技术——量化（INT8/FP8/INT4, AWQ, GPTQ, SmoothQuant）、剪枝、蒸馏、KV缓存优化和推测解码——以实现英特尔平台上的高效部署
与基础设施工程师合作，在英特尔®至强®、英特尔® Gaudi®、英特尔® Arc™ GPU和英特尔® Core™ Ultra（NPU）目标上部署和基准测试优化模型
对照行业基准（MMBench、MME、SEED-Bench、LIBERO、SimplerEnv）评估模型，并为内部评估套件做出贡献
在技术报告中发表结果，并有机会在顶级会议（NeurIPS、ICML、ICLR、CVPR、CoRL、RSS）上发表
优先资格
优先资质要求：
具备模型量化、剪枝或蒸馏的实践经验，熟悉推理框架如Pytorch、vLLM、SGLang、TensorRT-LLM或llama.cpp
在英特尔平台（Xeon、Arc、Core Ultra）上有部署经验
有机器人仿真环境（Isaac Sim、MuJoCo、ManiSkill、RoboCasa）或真实机器人系统的经验
在GitHub上有相关AI项目的开源贡献
AI 洞察
优缺点分析
- 英特尔是行业巨头，平台资源丰富，能够接触到前沿的多模态AI技术和英特尔硬件生态
- 研究导向的实习工作，有机会发表论文，提升学术影响力
- 团队由资深工程师带领，能快速积累技术经验，为未来职业发展打下坚实基础
- 技术要求高，需要同时掌握多模态模型、模型压缩和硬件部署等多个方向
- 工作地点在上海，可能需要全职投入至少3个月
- AI领域竞争激烈，需要持续学习和跟进最新研究
- 适合对多模态AI和模型优化有强烈兴趣，具备扎实深度学习基础，希望在顶级平台积累研究经验和工程能力的在读硕士/博士生
角色解读
- 在AI研究领域深入发展，未来可成为多模态AI或具身AI方向的专家
- 积累模型优化和部署经验，可转向AI工程化或系统架构方向
- 英特尔内部有完善的转正和晋升机制，优秀实习生有机会转为正式员工
- 研究和开发多模态AI模型，特别是视觉语言模型和视觉语言动作模型，包括架构设计、预训练和微调
- 构建和优化数据处理管道，用于清洗、合成和增强图像-文本-动作数据集
- 应用模型压缩技术如量化、剪枝和蒸馏，确保模型在英特尔硬件上高效运行
- 与团队合作部署和测试模型，参与学术发表和内部评估
- 扎实的深度学习基础，熟悉Transformer、扩散模型和强化学习
- 精通Python和PyTorch，了解分布式训练框架如DeepSpeed、FSDP
- 有在多模态大模型或具身AI领域的研究或项目经验
- 了解模型优化技术（量化、剪枝、蒸馏）和推理框架（vLLM、TensorRT-LLM等）
申请策略
- 在求职信中表达对多模态AI的热情和具体研究兴趣，展示与团队方向的匹配度
- 关注英特尔AI博客和开源项目，了解团队最新成果，面试时展现对公司的了解
- 突出多模态模型或具身AI相关的研究项目或论文，尤其是视觉语言模型相关经验
- 强调模型优化和部署的实践经历，如量化、剪枝或使用推理框架
- 展示分布式训练和PyTorch的熟练度，附上GitHub项目链接
- 列出与JD中提到的模型（如OpenVLA、Qwen-VL）相关的任何工作
- 提前学习模型量化（如AWQ、GPTQ）和推理框架（vLLM、TensorRT-LLM）的使用
- 熟悉英特尔硬件平台（如Xeon、Arc）的AI能力，可以阅读相关文档
面试指南
- 描述项目背景、你的具体贡献和结果，突出技术细节和影响力
- 解释概念时结合具体例子，展示理论与实践的结合
- 遇到问题时，说明分析过程、解决方案和最终效果
- 请谈谈你在VLM或VLA模型方面的研究经验
- 解释一下模型量化的原理和常用方法（如INT8、AWQ）
- 如何设计一个多模态数据集的清洗管道？
- 分布式训练中遇到过哪些挑战，如何解决？
- 你如何评估一个AI模型的性能，比如在MMBench或LIBERO上？
匹配度报告
66
综合匹配度
顶尖大厂AI研究实习，技术前沿但工作强度可能较高，现场办公。
适合人群
适合重视技能成长和前沿技术研究、愿意投入时间和精力在实习中积累经验的求职者，对工作生活平衡要求不高。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利60
成长发展95
工作生活40
使命价值70
薪资福利匹配
60中等
实习薪资在上海属于中等水平，但英特尔作为大公司福利较好，JD未明确列出具体福利。补偿性动机满足程度一般。
薪资信号未披露 (5K-10K/月)
成长发展匹配
95较高
该职位涉及前沿技术（VLM/VLA、模型优化），研究导向，有发表机会，成长性极高。
技术前沿前沿/新兴技术
技术栈VLM、VLA、多模态、量化、分布式训练、PyTorch、DeepSpeed
业务类型ambiguous
工作生活匹配
40较低
要求现场办公，未提及弹性工时或WLB，可能工作强度较高。生活方式动机满足度较低。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值匹配
70中等
AI技术对社会有积极影响，英特尔在行业内有使命驱动，但JD未明确强调社会价值。意义感动机中等偏上。
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