主分类：AI训练推理与计算优化
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": "新业务部—AI算法加速优化与部署工程师/专家",
"job_level": "专家",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京、上海、西安",
"work_mode": "未披露",AI生成
"job_category": "算法研发"AI生成
},
"company": {
"company_name": "小米集团",
"company_industry": "消费电子 / 智能制造 / 物联网",
"company_size": "10000人以上",
"company_website": "xiaomi.com",
"company_description": "小米是一家消费电子和智能制造企业，以智能手机、智能硬件和物联网平台为核心。"
},
"compensation": {
"salary_range": {
"min": "",
"max": "",
"currency": "未披露",
"cycle": "未披露"
},
"benefits": "未披露"
},
"requirements": {
"working_years": "",
"degree": "计算机科学、电子信息、模式识别、计算机视觉、人工智能或相关专业硕士或博士学历",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "1. 进行多模态大模型、AIGC模型、感知模型、图像画质模型等算法端侧加速优化算法的优化加速与部署：\n a.模型的训练调优、量化（PTQ/QAT）、剪枝、小型化、稀疏优化、投机推理、专用加速、结构搜索（NAS）等；\n b.模型的优化部署：瓶颈分析，异构调度，自研芯片的定向优化等\n2. 帮助算法在自研芯片上进行模型加速优化、部署及交付。",
"requirements_text": "1. 计算机科学、电子信息、模式识别、计算机视觉、人工智能或相关专业硕士或博士学历；\n2. 对AI算法（尤其是大模型、AIGC、感知算法、图像画质算法）的量化剪枝、网络结构搜索、稀疏化、性能效果优化和训练调参等有丰富开发调试经验；\n3. 精通transfomers，diffuser，pytorch，tensorrt等框架或平台；\n4. 参加过完整芯片算法联合优化特性的设计和商用落地者优先；\n5. 有异构平台如GPU\\NPU\\DSP的算法加速优化的经验者优先；\n6. 有大模型/AIGC/AD算法加速优化项目经验者或在相关领域发表过学术论文或有开源项目者优先。",
"skills": [AI生成
"PyTorch",
"计算机视觉",
"大语言模型"
],
"preferred_qualifications": "4. 参加过完整芯片算法联合优化特性的设计和商用落地者优先；5. 有异构平台如GPU\\NPU\\DSP的算法加速优化的经验者优先；6. 有大模型/AIGC/AD算法加速优化项目经验者或在相关领域发表过学术论文或有开源项目者优先",
"job_highlights": "未披露"
},
"contact": {
"recruiter_name": "未披露",
"contact_methods": [
{
"type": "apply_link",
"value": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7518973499428995181/detail"
}
]
},
"posting": {
"posting_id": "7518973499428995181",
"post_date": "2025-06-23",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/index/m/position/7518973499428995181/detail"
},
"fulltext": "新业务部—AI算法加速优化与部署工程师/专家\n职位描述\n1. 进行多模态大模型、AIGC模型、感知模型、图像画质模型等算法端侧加速优化算法的优化加速与部署：\n a.模型的训练调优、量化（PTQ/QAT）、剪枝、小型化、稀疏优化、投机推理、专用加速、结构搜索（NAS）等；\n b.模型的优化部署：瓶颈分析，异构调度，自研芯片的定向优化等\n2. 帮助算法在自研芯片上进行模型加速优化、部署及交付。\n\n职位要求\n1. 计算机科学、电子信息、模式识别、计算机视觉、人工智能或相关专业硕士或博士学历；\n2. 对AI算法（尤其是大模型、AIGC、感知算法、图像画质算法）的量化剪枝、网络结构搜索、稀疏化、性能效果优化和训练调参等有丰富开发调试经验；\n3. 精通transfomers，diffuser，pytorch，tensorrt等框架或平台；\n4. 参加过完整芯片算法联合优化特性的设计和商用落地者优先；\n5. 有异构平台如GPU\\NPU\\DSP的算法加速优化的经验者优先；\n6. 有大模型/AIGC/AD算法加速优化项目经验者或在相关领域发表过学术论文或有开源项目者优先。\n1. 进行多模态大模型、AIGC模型、感知模型、图像画质模型等算法端侧加速优化算法的优化加速与部署：\n a.模型的训练调优、量化（PTQ/QAT）、剪枝、小型化、稀疏优化、投机推理、专用加速、结构搜索（NAS）等；\n b.模型的优化部署：瓶颈分析，异构调度，自研芯片的定向优化等\n2. 帮助算法在自研芯片上进行模型加速优化、部署及交付。\n1. 计算机科学、电子信息、模式识别、计算机视觉、人工智能或相关专业硕士或博士学历；\n2. 对AI算法（尤其是大模型、AIGC、感知算法、图像画质算法）的量化剪枝、网络结构搜索、稀疏化、性能效果优化和训练调参等有丰富开发调试经验；\n3. 精通transfomers，diffuser，pytorch，tensorrt等框架或平台；\n4. 参加过完整芯片算法联合优化特性的设计和商用落地者优先；\n5. 有异构平台如GPU\\NPU\\DSP的算法加速优化的经验者优先；\n6. 有大模型/AIGC/AD算法加速优化项目经验者或在相关领域发表过学术论文或有开源项目者优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}