岗位职责

1. 负责深度学习模型全链路工程化落地，包括模型转换、量化、剪枝、编译优化及高可用推理服务部署；
​
2. 参与AI训练/推理链路、数据处理 pipeline、任务调度系统的开发、调试与性能优化，提升整体链路吞吐与稳定性；
​
3. 对接算法团队，完成模型与工程系统联调，解决模型落地中的性能瓶颈、显存/内存优化、服务延迟等关键问题；
​
4. 基于容器与云原生技术实现AI服务标准化部署，搭建监控、告警与运维体系，保障链路高并发、低延迟、稳定运行；
​
5. 参与AI工程化工具链与自动化平台建设，编写部署、测试、压测相关脚本与工具，提升工程化交付效率；
​
6. 跟踪大模型分布式训练、推理加速、算子优化等前沿技术，落地工程化优化方案。

任职要求

1. 2026届全日制硕士，计算机、软件工程、人工智能、自动化、电子信息等相关专业；
​
2. 扎实的计算机基础：数据结构、算法、操作系统、计算机网络、Linux环境开发；
​
3. 熟练使用 Python 进行工程开发，具备良好的代码规范与工程化意识；
​
4. 熟悉至少一种深度学习框架（PyTorch优先），了解深度学习训练与推理基本流程；
​
5. 掌握 Docker 容器化，了解 Kubernetes 基本概念与使用；
​
6. 了解 ONNX、TensorRT、Triton Inference Server 等模型部署与加速工具；
​
7. 掌握C/C++者优先：AI推理引擎、底层性能优化、自定义算子、高并发服务链路等核心模块均依赖C/C++实现，需具备底层问题排查与性能调优能力；
​
8. 有AI模型部署、推理服务开发、分布式训练实践、竞赛或相关课题经验者优先；
​
9. 学习能力强，逻辑清晰，具备良好的问题定位、沟通协作与项目落地能力。