主要职责：
1. AI模型嵌入式部署全流程： 负责将训练好的深度学习模型（如CNN， RNN, Transformer）通过剪枝、量化、蒸馏等技术进行优化，并转换为适合嵌入式平台运行的格式（如TFLite, ONNX, 自定义格式）。
2. 高性能推理引擎集成与优化： 在主流嵌入式平台（如ARM Cortex-A/M， NPU， GPU）上，集成和调优高性能推理引擎（如TensorFlow Lite Micro, NCNN, TVM, ARM NN），极致压榨硬件性能。
3. 嵌入式AI系统架构设计： 设计低功耗、高实时性的AI应用框架，管理模型、数据流和计算资源，确保系统稳定可靠。
4. 软硬件协同优化： 与硬件工程师紧密合作，参与芯片选型（如带NPU的SoC），并根据硬件特性（内存 hierarchy， 缓存， 专用指令集）进行底层代码优化（如NEON指令集， DSP优化）。
5. 端侧数据处理流水线开发： 构建高效的传感器数据采集、预处理和后处理流水线，确保输入模型的数据质量并解析输出结果。
6. 技术选型与评估： 评估新兴的嵌入式AI芯片、工具链和技术方案，为产品选型提供技术决策支持。
职位要求
必备条件：
1. 学历与专业： 计算机科学、电子工程、自动化等相关专业硕士及以上学历。
2. 经验背景：
· 2年以上嵌入式Linux或RTOS下的开发经验。
· 至少1个完整的嵌入式AI项目部署经验，成功将AI模型在端侧设备上落地。
3. 核心技术能力：
· 精通C/C++，具备扎实的编程能力和代码优化经验。
· 熟练使用Python，能够使用PyTorch或TensorFlow等框架进行模型的初步验证和转换。
· 深入理解深度学习模型的基本计算特性和内存访问模式。
· 熟悉至少一种嵌入式AI推理引擎，并有实际的集成和性能调优经验。
· 掌握基本的嵌入式开发技能，如交叉编译、驱动调试、Git版本控制。
4. 个人素质： 具备强烈的求知欲、出色的解决问题能力和跨团队协作精神，对在资源受限环境下创造价值充满热情。
优先考虑条件：
1. 拥有在超低功耗MCU上部署微型机器学习模型的实战经验。
2. 熟悉模型压缩与加速技术的理论与实践，如INT8量化、权重剪枝、知识蒸馏等。
3. 具备以下硬件平台的开发经验：
· 带NPU/APU的SoC：如NVIDIA Jetson， Rockchip RK系列， 海思， 晶晨等。
4. 有计算机视觉处理等相关AI应用领域的项目背景。
5. 熟悉TVM等模型编译框架，能够进行自定义算子开发或图优化者优先。
6. 了解嵌入式系统功耗分析与优化方法。