商汤IAG-端到端模型部署工程师/专家

1. 负责端到端自动驾驶模型在不同硬件平台上的部署与优化，参与模型评测； 2. 设计实现模型一致性评测工具链，确保跨平台一致性，识别并解决差异问题； 3. 参与软硬件协同优化设计。与硬件工程师协作，参与硬件设计和优化，提供模型在私有硬件平台的执行效率。

1、负责无图或轻图架构下基于多模态融合感知算法设计与部署、如地图元素检测、静态行驶规划等； 2、负责地图感知模块与多模态感知架构的融合、在统一的感知架构下实现地图重建、BEV动态障碍物检测、动态障碍物的速度预测与跟踪、Occupancy Network等； 3、负责轻图技术栈与端到端、VLA等下一代自动驾驶技术的融合。

1.负责智能驾驶感知系统的性能分析与优化，覆盖图像前处理、模型推理、后处理及局部 pipeline； 2.承担感知模型从 PyTorch / ONNX 到端侧推理引擎（TensorRT/Horizon/MDC） 的工程化落地与性能调优； 3.分析模型结构与计算特性，针对性能瓶颈进行 模型工程级优化，包括算子替换、拆分、融合与精度策略设计； 4.负责 TensorRT/HORIZON/MDC等平台Engine 构建、Dynamic Shape/Profile 配置及多模型并行部署优化； 5.针对关键算子或性能瓶颈，设计并实现 TensorRT Plugin 或 CUDA Kernel； 6.在多相机、多传感器和多模型并行场景下，优化模块级 latency、显存占用与稳定性； 7.使用 Nsight 等工具进行性能 Profiling，定位并解决推理耗时、显存抖动等问题； 8.支持量产项目性能问题排查，与算法、系统团队协作推动模型稳定上线；

1. 数据采集系统牵头设计与实施 (核心)： - 牵头自动驾驶数据采集系统的整体架构设计、技术选型与方案制定，涵盖传感器（摄像头、激光雷达、毫米波雷达、GNSS/IMU、CAN总线等）数据同步、采集、压缩、加密、上传等全链路。 - 制定并维护数据采集规范与策略，包括触发条件（场景触发、问题触发、定时触发）、采集频率、数据格式、存储周期、优先级等。 - 牵头解决数据采集过程中的技术难题和性能瓶颈（如带宽限制、存储空间、同步精度、丢帧问题）。 2. 数据管理体系构建与运维 (核心)： - 牵头设计、搭建和维护大规模、多模态自动驾驶数据存储与管理平台（如基于对象存储、分布式文件系统、数据库等）。 - 建立并主导执行数据的全生命周期管理策略，包括数据接入、清洗、标注（与标注团队协作）、存储、版本控制、归档、销毁等流程。 3. 跨团队协作与需求对接： - 作为数据平台的核心接口人，主动对接感知、规划控制、仿真、测试、地图等下游团队的数据需求，理解其业务场景（如特定Corner Case收集、模型训练数据需求、问题复现数据需求），并将其转化为数据采集和管理方案。 4. 工具链开发与流程规范： - 主导或参与开发内部数据管理工具和平台功能，提升数据操作效率（如数据检索、样本提取、质量检查工具）。 - 建立、维护和推广数据采集、存储、治理、使用的流程规范、操作手册和标准。