端侧 AI 部署与应用工程师 (2026届校招)

你将加入我们的核心研发团队，基于Qualcomm计算平台，打通从 AI 模型到端侧应用落地的“最后一公里”。我们需要你不仅懂算法原理，更能通过扎实的工程能力，构建高性能的 AI Agent 与推理系统。
1. 模型转换与性能调优 (Model Engineering): 使用 Linux 环境下的工具链，将 PyTorch/TensorFlow 训练模型转换为专用格式（DLC/QNN context）。 编写 Shell/Python 脚本 实现模型转换、量化（Int8/FP16）及精度验证的自动化流程。 分析模型在 Hexagon DSP/NPU 上的性能瓶颈，进行算子优化和推理加速。
2. 端侧 AI 系统开发 (System Integration): 基于 Android/Linux 系统，使用 C++ 开发高性能 AI 推理引擎及业务逻辑。 利用 Docker 维护统一的交叉编译与开发环境，确保 SDK 版本的一致性。 参与 AI Agent（智能体）的工程化实现，包括端侧 LLM 接入、工具链调用（Tool Use）及多模态数据流处理。
3. 代码与版本管理 (Engineering Excellence): 严格遵循代码规范，使用 Git 进行代码版本控制、分支管理和协同开发。 编写清晰的技术文档，记录模型转换参数与优化路径。