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": "AI 模型加速优化算法工程师",
"job_level": "校招",AI生成
"work_category": "全职",AI生成
"department": "未披露",
"location": "北京",
"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": "未披露",
"language": "未披露",AI生成
"visa_support": "未披露",
"responsibilities": "岗位职责\n1、负责大模型、多模态大模型、AIGC、自动驾驶、多媒体/ISP 等 AI 模型端侧加速优化算法的研发与探索；\n2、负责模型训练调优及压缩优化，包括但不限于量化、剪枝、蒸馏、稀疏化、小型化、NAS、推理加速等技术研发；\n3、与芯片团队协同开展算法-芯片联合设计与优化，提供面向自研芯片的模型加速解决方案；\n4、支持业务模型在自研芯片上的训练优化、部署交付及性能持续优化。",
"requirements_text": "岗位要求\n1、在大模型、AIGC、自动驾驶、多媒体/ISP、AI 芯片等方向上具有相关项目或实习经验；\n2、熟悉模型量化、剪枝、蒸馏、稀疏化、训练调优及性能优化等模型压缩与加速技术；\n3、熟练使用 PyTorch，熟悉 Transformer、Diffusion 等模型，掌握 TensorRT、ONNX Runtime、TVM 等至少一种部署或优化框架；\n4、有芯片算法联合优化、端侧 AI 部署或模型加速项目经验者优先；\n5、有大模型/AIGC/自动驾驶/多媒体 ISP 模型优化经验，或相关论文、专利、开源项目者优先。",
"skills": [AI生成
"PyTorch",
"性能优化",
"大语言模型"
],
"preferred_qualifications": "4、有芯片算法联合优化、端侧 AI 部署或模型加速项目经验者优先；5、有大模型/AIGC/自动驾驶/多媒体 ISP 模型优化经验，或相关论文、专利、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/campus/m/position/7670907317923252490/detail"
}
]
},
"posting": {
"posting_id": "7670907317923252490",
"post_date": "2026-08-06",
"hire_time": "未披露",
"update_date": "20260917",
"job_url": "https://xiaomi.jobs.f.mioffice.cn/campus/m/position/7670907317923252490/detail"
},
"fulltext": "AI 模型加速优化算法工程师\n职位描述\n岗位职责\n1、负责大模型、多模态大模型、AIGC、自动驾驶、多媒体/ISP 等 AI 模型端侧加速优化算法的研发与探索；\n2、负责模型训练调优及压缩优化，包括但不限于量化、剪枝、蒸馏、稀疏化、小型化、NAS、推理加速等技术研发；\n3、与芯片团队协同开展算法-芯片联合设计与优化，提供面向自研芯片的模型加速解决方案；\n4、支持业务模型在自研芯片上的训练优化、部署交付及性能持续优化。\n\n职位要求\n岗位要求\n1、在大模型、AIGC、自动驾驶、多媒体/ISP、AI 芯片等方向上具有相关项目或实习经验；\n2、熟悉模型量化、剪枝、蒸馏、稀疏化、训练调优及性能优化等模型压缩与加速技术；\n3、熟练使用 PyTorch，熟悉 Transformer、Diffusion 等模型，掌握 TensorRT、ONNX Runtime、TVM 等至少一种部署或优化框架；\n4、有芯片算法联合优化、端侧 AI 部署或模型加速项目经验者优先；\n5、有大模型/AIGC/自动驾驶/多媒体 ISP 模型优化经验，或相关论文、专利、开源项目者优先。\n岗位职责\n1、负责大模型、多模态大模型、AIGC、自动驾驶、多媒体/ISP 等 AI 模型端侧加速优化算法的研发与探索；\n2、负责模型训练调优及压缩优化，包括但不限于量化、剪枝、蒸馏、稀疏化、小型化、NAS、推理加速等技术研发；\n3、与芯片团队协同开展算法-芯片联合设计与优化，提供面向自研芯片的模型加速解决方案；\n4、支持业务模型在自研芯片上的训练优化、部署交付及性能持续优化。\n岗位要求\n1、在大模型、AIGC、自动驾驶、多媒体/ISP、AI 芯片等方向上具有相关项目或实习经验；\n2、熟悉模型量化、剪枝、蒸馏、稀疏化、训练调优及性能优化等模型压缩与加速技术；\n3、熟练使用 PyTorch，熟悉 Transformer、Diffusion 等模型，掌握 TensorRT、ONNX Runtime、TVM 等至少一种部署或优化框架；\n4、有芯片算法联合优化、端侧 AI 部署或模型加速项目经验者优先；\n5、有大模型/AIGC/自动驾驶/多媒体 ISP 模型优化经验，或相关论文、专利、开源项目者优先。",
"standard_classification": {
"std_category_code": "T014",
"std_aux_codes": [],
"std_category_status": null,
"std_taxonomy_version": "20261104"
}
}