岗位简介：

AI 工程师（边缘部署与加速方向）负责把 AI 模型部署到智能原生科学仪器的边缘硬件上，让模型在仪器端又快又稳地运行，追求极致性能。你主要做软件部署适配和模型性能优化，并与硬件团队（包括 FPGA 工程师）紧密合作。

你将负责：

1. 把训练好的模型部署到仪器端的边缘硬件上，满足实时性、低延迟和稳定性的要求。

2. 做模型优化与加速：量化、剪枝、算子优化、推理引擎优化、内存和带宽优化等，把性能做到极致。

3. 针对不同的边缘算力平台（如 GPU、NPU、嵌入式 SoC 等）做适配和性能调优，并建立性能评测基准。

4. 与硬件团队（包括 FPGA 工程师）紧密合作，共同设计软硬件协同的加速方案，决定模型的哪些部分放在哪种硬件上。

5. 与模型方向的同事配合：让模型在设计和训练阶段，就考虑到部署的限制，尽量减少精度损失。

6. 与 Agent 方向和仪器软件团队对接，提供稳定的推理接口，并做好模型的版本管理和现场升级。

我们希望你具备：

1. 边缘部署经验：有在边缘硬件或嵌入式算力平台上部署 AI 模型的扎实经验，理解不同硬件（GPU、NPU、嵌入式 SoC 等）的算力、内存和带宽特点。

2. 模型优化与加速：熟悉量化、剪枝、蒸馏、算子优化等方法，熟悉主流推理框架或引擎（如 TensorRT、ONNX Runtime 等），能在控制精度损失的同时，把速度和资源占用做到极致。

3. 追求极致性能：会做性能分析，能找到瓶颈并解决，对延迟、吞吐、功耗有清楚的认识。

4. 一流的工程能力：熟练使用 C++ 和 Python，代码质量高，能把优化方案做成稳定、可维护的产品代码。

5. 理解深度学习模型（视觉模型、多模态模型），能和算法同事顺畅沟通。

6. 本科及以上学历，计算机、电子、自动化、通信等相关专业。

7. 沟通清晰，愿意和硬件、算法、仪器软件团队紧密合作。

工作年限不设硬性要求，我们更看重你做过什么、做得多深。

加分项：

• 了解 FPGA，或有在 FPGA 上做 AI 加速的经验。我们的硬件团队有 FPGA 工程师，你会和他们紧密合作。

• 有模型软硬件协同设计的经验。

• 有实时系统或低延迟系统的开发经验。

• 有科学仪器、工业设备、医疗设备等场景的部署经验。

• 有推理引擎或高性能计算相关的开源项目。

你将得到：

• 让模型在真实仪器上跑出极致性能，直接决定产品体验。

• 与硬件团队软硬协同，一起做完整的加速方案。

• 参与定义下一代智能原生科学仪器的端侧 AI 能力。