职位详情

职位列表 链接有效 不适用(官网全量采集) official:alibaba:100013820008

高德-算法工程化/推理优化/计算图工程师/专家-具身系统软件方向

未披露 · 北京 · 高德

主分类:AI训练推理与计算优化
软件开发与 IT
来源 JD 数据(旧分类保留,当前主分类见上方)
{
    "schema_version": "via_ai_product_manager_jobs_v1",
    "data_type": "ai_product_manager_jobs",
    "job": {
        "job_title": "高德-算法工程化/推理优化/计算图工程师/专家-具身系统软件方向",
        "job_level": "专家",AI生成
        "work_category": "全职",AI生成
        "department": "阿里集团",
        "location": "北京",
        "work_mode": "未披露",AI生成
        "job_category": "技术类-开发"AI生成
    },
    "company": {
        "company_name": "高德",
        "company_industry": "数字地图 / 导航服务",
        "company_size": "未披露",
        "company_website": "alibaba.com",
        "company_description": "高德提供电子地图和导航服务。"
    },
    "compensation": {
        "salary_range": {
            "min": "",
            "max": "",
            "currency": "未披露",
            "cycle": "未披露"
        },
        "benefits": "未披露"
    },
    "requirements": {
        "working_years": "",
        "degree": "硕士及以上学历",
        "language": "未披露",AI生成
        "visa_support": "未披露",
        "responsibilities": "1、负责感知、运控、Agent 等算法模块在机器人端侧的工程化接入、部署和集成;\n2、负责端侧模型部署链路建设,包括模型格式转换、模型裁剪、模型量化、模型编译、推理加速等;\n3、负责端侧推理运行时优化,提升模型在 CPU/GPU/NPU 等异构计算平台上的运行性能;\n4、负责算法 pipeline 设计与编排,包括多传感器数据流、算法模块调度、并发执行、依赖管理和性能优化;\n5、负责计算图/数据流框架建设与优化,提升端侧算法链路的吞吐、时延和稳定性;\n6、负责算法模块服务化封装,定义统一输入输出接口、消息协议、状态管理和错误处理机制;\n7、负责算法版本管理、算法包管理、自动化评测和回归测试工具建设;\n8、与纯算法团队协作,将算法原型转化为可部署、可调试、可观测、可迭代的端侧工程模块;\n9、分析和定位端侧算法运行中的性能瓶颈、内存问题、资源竞争、异常崩溃和稳定性问题。",
        "requirements_text": "1、硕士及以上学历,计算机、自动化、电子信息、机器人、人工智能等相关专业;\n2、熟悉 C++,具备良好的工程开发能力,熟悉 Linux 开发环境;\n3、熟悉至少一种深度学习推理框架或部署工具,如 TensorRT、ONNX Runtime、OpenVINO、TVM、NCNN、MNN、TFLite 等;\n4、熟悉模型部署基本流程,包括 ONNX 转换、模型优化、量化、算子适配、推理性能分析等;\n5、熟悉多线程、异步调度、内存管理、性能 profiling、CPU/GPU 资源优化等工程能力;\n6、熟悉机器人或自动驾驶中的感知、控制、规划、Agent 任一算法链路的工程化接入经验;\n7、具备较强的问题定位能力,能够独立分析端侧模型性能、延迟、资源占用、稳定性等问题;\n8、具备良好的沟通能力,能够和算法、系统、中间件、产品团队协同推进项目落地。",
        "skills": [AI生成
            "C++",
            "Linux",
            "深度学习",
            "沟通能力"
        ],
        "preferred_qualifications": "未披露",
        "job_highlights": "未披露"
    },
    "contact": {
        "recruiter_name": "未披露",
        "contact_methods": [
            {
                "type": "apply_link",
                "value": "https://talent.amap.com/off-campus/position-detail?positionId=100013820008"
            }
        ]
    },
    "posting": {
        "posting_id": "100013820008",
        "post_date": "2026-09-01",
        "hire_time": "未披露",
        "update_date": "20260917",
        "job_url": "https://talent.amap.com/off-campus/position-detail?positionId=100013820008"
    },
    "fulltext": "高德-算法工程化/推理优化/计算图工程师/专家-具身系统软件方向\n高德-算法工程化/推理优化/计算图工程师/专家-具身系统软件方向\n\n基础信息\n职位类别:技术类-开发\n工作地点:北京\n\n职位描述\n1、负责感知、运控、Agent 等算法模块在机器人端侧的工程化接入、部署和集成;\n2、负责端侧模型部署链路建设,包括模型格式转换、模型裁剪、模型量化、模型编译、推理加速等;\n3、负责端侧推理运行时优化,提升模型在 CPU/GPU/NPU 等异构计算平台上的运行性能;\n4、负责算法 pipeline 设计与编排,包括多传感器数据流、算法模块调度、并发执行、依赖管理和性能优化;\n5、负责计算图/数据流框架建设与优化,提升端侧算法链路的吞吐、时延和稳定性;\n6、负责算法模块服务化封装,定义统一输入输出接口、消息协议、状态管理和错误处理机制;\n7、负责算法版本管理、算法包管理、自动化评测和回归测试工具建设;\n8、与纯算法团队协作,将算法原型转化为可部署、可调试、可观测、可迭代的端侧工程模块;\n9、分析和定位端侧算法运行中的性能瓶颈、内存问题、资源竞争、异常崩溃和稳定性问题。\n\n职位要求\n1、硕士及以上学历,计算机、自动化、电子信息、机器人、人工智能等相关专业;\n2、熟悉 C++,具备良好的工程开发能力,熟悉 Linux 开发环境;\n3、熟悉至少一种深度学习推理框架或部署工具,如 TensorRT、ONNX Runtime、OpenVINO、TVM、NCNN、MNN、TFLite 等;\n4、熟悉模型部署基本流程,包括 ONNX 转换、模型优化、量化、算子适配、推理性能分析等;\n5、熟悉多线程、异步调度、内存管理、性能 profiling、CPU/GPU 资源优化等工程能力;\n6、熟悉机器人或自动驾驶中的感知、控制、规划、Agent 任一算法链路的工程化接入经验;\n7、具备较强的问题定位能力,能够独立分析端侧模型性能、延迟、资源占用、稳定性等问题;\n8、具备良好的沟通能力,能够和算法、系统、中间件、产品团队协同推进项目落地。\n1、负责感知、运控、Agent 等算法模块在机器人端侧的工程化接入、部署和集成;\n2、负责端侧模型部署链路建设,包括模型格式转换、模型裁剪、模型量化、模型编译、推理加速等;\n3、负责端侧推理运行时优化,提升模型在 CPU/GPU/NPU 等异构计算平台上的运行性能;\n4、负责算法 pipeline 设计与编排,包括多传感器数据流、算法模块调度、并发执行、依赖管理和性能优化;\n5、负责计算图/数据流框架建设与优化,提升端侧算法链路的吞吐、时延和稳定性;\n6、负责算法模块服务化封装,定义统一输入输出接口、消息协议、状态管理和错误处理机制;\n7、负责算法版本管理、算法包管理、自动化评测和回归测试工具建设;\n8、与纯算法团队协作,将算法原型转化为可部署、可调试、可观测、可迭代的端侧工程模块;\n9、分析和定位端侧算法运行中的性能瓶颈、内存问题、资源竞争、异常崩溃和稳定性问题。\n1、硕士及以上学历,计算机、自动化、电子信息、机器人、人工智能等相关专业;\n2、熟悉 C++,具备良好的工程开发能力,熟悉 Linux 开发环境;\n3、熟悉至少一种深度学习推理框架或部署工具,如 TensorRT、ONNX Runtime、OpenVINO、TVM、NCNN、MNN、TFLite 等;\n4、熟悉模型部署基本流程,包括 ONNX 转换、模型优化、量化、算子适配、推理性能分析等;\n5、熟悉多线程、异步调度、内存管理、性能 profiling、CPU/GPU 资源优化等工程能力;\n6、熟悉机器人或自动驾驶中的感知、控制、规划、Agent 任一算法链路的工程化接入经验;\n7、具备较强的问题定位能力,能够独立分析端侧模型性能、延迟、资源占用、稳定性等问题;\n8、具备良好的沟通能力,能够和算法、系统、中间件、产品团队协同推进项目落地。",
    "standard_classification": {
        "std_category_code": "T014",
        "std_aux_codes": [],
        "std_category_status": null,
        "std_taxonomy_version": "20261104"
    }
}