一、职位定位
作为智能化终端产品（聚焦音视频类等终端设备）的 AI 技术核心管理者，需深度融合终端硬件特性与端侧 AI 技术，主导从底层芯片选型、计算架构设计到上层 AI 应用落地的全流程技术方案，确保 AI 能力与产品体验、硬件性能深度适配，支撑产品智能化竞争力构建。
二、核心工作职责
（一）端侧 AI 计算架构设计与优化
1. 主导终端设备（音视频产品等）AI 计算架构规划，最大化端侧 AI 处理效率，平衡性能与功耗需求。
2. 负责端侧 AI 模型工程化优化，解决模型与硬件兼容性问题，确保轻量化模型在终端稳定运行。
3. 对接芯片厂商，参与核心芯片选型评估，重点验证 AI 算力、硬件加速能力（如 NPU 性能）与产品 AI 需求的匹配度。
（二）技术方案落地管控
1. 从硬件层到应用层全链路把控 AI 技术方案：硬件层主导传感器（如摄像头、麦克风）选型与性能调优；应用层推动 AI Agent、多模态交互（音视频结合、语音语义联动等）等场景化 AI 能力落地。
2. 解决端侧 AI 落地过程中的关键技术瓶颈，如低算力场景下的模型推理速度、多模态数据协同处理、硬件资源（内存 / 存储）高效调度等问题。
（三）项目管理与技术团队协同
1. 主导量产型终端 AI 项目全生命周期管理，从需求拆解、技术方案评审到研发落地、量产交付，把控项目进度与风险。
2. 协同硬件研发、嵌入式开发、应用开发等跨团队，推动 AI 技术与终端产品的深度融合，确保技术方案转化为优质用户体验。
3. 跟踪端侧 AI 技术前沿（如 TinyML、新型硬件加速接口），结合产品规划开展技术预研，储备核心技术能力。
三、任职要求
（一）核心技术背景（必备）
1. 具备丰富的端侧 AI 工程化落地经验：
1. 熟悉端侧 AI 模型部署全流程工具链（如 ONNX Runtime、TensorRT、TFLite Micro）；
2. 熟悉 LangChain 等工具链，具备 AI Agent 开发经验；
3. 具备 TinyML 技术应用经验，熟悉模型轻量化（量化、蒸馏）落地实践。
3. 了解音视频终端设备硬件特性（如摄像头模组、音频处理芯片）与传感器（图像、音频传感器）选型标准。
（二）项目经验（硬性要求）
至少主导过 1-2 个量产型终端 AI 项目全流程落地，项目场景需覆盖以下至少 1 类：
4. 视觉类：摄像头行为识别、智能监控、图像质量优化等；
5. 音频类：语音转写、语音唤醒、语音语义理解、音频降噪等；
6. 多模态类：音视频协同交互、跨模态内容生成等。