vivo系统AI软件架构师
任职要求
1、计算机科学、人工智能等相关专业，5年及以上Android应用深度开发经验，至少2年及以上AI领域的研发工作优先； 2、熟悉Java和Kotlin，具备深厚的代码功底，对Android SDK及各版本操作系统的底层原理、机制有深入理解，能够灵活应对各种系统兼容性和性能优化挑战； 3、熟练掌握主流AI框架和库，如TensorFlow、PyTorch、MLKit等，对Gemini、GPT等主流大模型方案在端侧及云端的优化策略有深入研究和实践经验，能够根据实际场景灵活选用并优化技术方案； 4、深刻理解机器学习和深度学习的核心原理，熟悉其在移动平台上的应用场景和技术瓶颈，能够熟练运用Android Studio和Git等版本控制工具，高效进行项目开发和代码管理； 5、具备卓越的跨部门沟通协调能力，能够在多团队协作中准确传达技术理念，推动项目高效进展，有在Android设备上成功部署AI模型经验者、在开源AI项目中有突出贡献或作为相关技术论文主要作者优先考虑。
工作职责
1、深度剖析AIOS及手机AI agent应用场景，设计构建基于Android平台的AI应用创新性解决方案，优化用户交互体验，把控代码审查流程，确保代码质量； 2、与多领域跨职能团队紧密协作，将前沿AI技术融入Android应用程序与服务之中，评估并集成第三方AI库和API，确保技术融合的高效性与稳定性； 3、全面梳理现有系统架构，制定切实可行的优化方案，为系统未来在AI技术快速发展背景下的可扩展性和易维护性制定长期战略规划，保障系统的持续进化能力； 4、与产品团队深度绑定，从技术视角出发，协同定义产品功能特性、整体架构框架以及清晰明确的技术路线图，确保产品在AI技术赋能下实现差异化竞争优势； 5、遵循行业标准和法规要求，确保AI解决方案在数据安全、用户隐私保护以及合规性等方面安全，构建用户信任的AI应用生态。
1、深度剖析AIOS及手机AI agent应用场景，设计构建基于Android平台的AI应用创新性解决方案，优化用户交互体验，把控代码审查流程，确保代码质量； 2、与多领域跨职能团队紧密协作，将前沿AI技术融入Android应用程序与服务之中，评估并集成第三方AI库和API，确保技术融合的高效性与稳定性； 3、全面梳理现有系统架构，制定切实可行的优化方案，为系统未来在AI技术快速发展背景下的可扩展性和易维护性制定长期战略规划，保障系统的持续进化能力； 4、与产品团队深度绑定，从技术视角出发，协同定义产品功能特性、整体架构框架以及清晰明确的技术路线图，确保产品在AI技术赋能下实现差异化竞争优势； 5、遵循行业标准和法规要求，确保AI解决方案在数据安全、用户隐私保护以及合规性等方面安全，构建用户信任的AI应用生态。
1、深度剖析AIOS及手机AI agent应用场景，设计构建基于Android平台的AI应用创新性解决方案，优化用户交互体验，把控代码审查流程，确保代码质量； 2、与多领域跨职能团队紧密协作，将前沿AI技术融入Android应用程序与服务之中，评估并集成第三方AI库和API，确保技术融合的高效性与稳定性； 3、全面梳理现有系统架构，制定切实可行的优化方案，为系统未来在AI技术快速发展背景下的可扩展性和易维护性制定长期战略规划，保障系统的持续进化能力； 4、与产品团队深度绑定，从技术视角出发，协同定义产品功能特性、整体架构框架以及清晰明确的技术路线图，确保产品在AI技术赋能下实现差异化竞争优势； 5、遵循行业标准和法规要求，确保AI解决方案在数据安全、用户隐私保护以及合规性等方面安全，构建用户信任的AI应用生态。
1、设计和构建Android平台上的AI应用解决方案，以提升应用性能和用户体验，提供技术领导力和指导，参与代码审查流程； 2、与跨职能团队合作，将AI技术与Android应用程序和服务集成，包括在合适的场景下集成机器学习、深度学习、自然语言处理和计算机视觉技术，以及评估和集成第三方AI库和API； 3、梳理现有系统架构优化方案，并为未来的可扩展性和维护性制定策略； 4、与产品团队紧密合作，定义产品功能、架构以及技术路线图； 5、确保AI解决方案的安全性、隐私性和合规性。
1、全栈AI系统架构设计 -主导AI软件栈（编译工具链、Runtime、编程模型、驱动）与硬件（ARM/GPU/NPU等）的协同设计，优化模型推理性能与能效。 -在芯片或产品架构定义阶段，将软件需求前置化，提出硬件可编程性、指令集扩展等关键设计建议。 2、技术规划与方案落地 -制定AI技术中长期路线图，评估新兴技术（如稀疏计算、量化编译、异构加速）在业务场景中的可行性。 -推动跨团队（算法、芯片、OS）协作，解决从模型到硬件的部署瓶颈（如算子适配、内存优化）。 3、算法-硬件协同优化 -结合模型结构（如Transformer/CNN）和目标硬件特性（ARM多核/向量指令集），设计定制化加速方案。 -参与前沿算法研究（如轻量化模型设计），确保其与底层硬件的高效匹配。 4、性能调优与工具链开发 -主导AI编译器（如MLIR、TVM）或Runtime的深度优化，提升跨平台部署效率。 -开发性能分析工具，定位系统级瓶颈（如DDR带宽、Cache命中率）。 。