理想汽车硬件开发工程师（AI）
任职要求
1. 硕士及以上学历，电子信息工程、计算机科学与技术、通信工程、物理等相关专业； 2. 具有扎实的数字与模拟电路设计基础，熟悉嵌入式系统和硬件开发流程； 3. 研究生阶段有AI相关项目经历（如模型部署、硬件适配、AI加速芯片等），并具备跨界理解能力； 4. 掌握常见AI计算框架（如TensorFlow、PyTorch）在硬件平台上的运行需求和优化方法； 5. 熟悉高速通信接口及协议实现，具备硬件调试与性能优化经验； 6. 具备较强的分析与解决问题能力，能够在多学科、多团队的工作环境中高效协作； 7. 英文阅读能力良好，能够跟踪国际前沿技术与文献。
工作职责
1. 负责AI相关硬件系统的设计、开发与优化，包括芯片方案评估、板卡设计等； 2. 深入理解AI模型的运行机制及其在硬件上的部署需求，优化算力与能效的平衡； 3. 参与人工智能算法在硬件平台（如GPU、ASIC、嵌入式系统等）上的适配与性能调优； 4. 负责高速通信接口（如PCIe、Ethernet）设计、调试与相关协议的实现； 5. 协同算法、软件团队完成AI系统端到端性能优化和问题定位； 6. 跟踪AI硬件架构及通信技术的发展趋势，参与公司技术路线规划与方案评估； 7. 编写相关技术文档、硬件设计规范与测试验证报告。
1. 研究和开发新型散热材料，提升产品的散热性能； 2. 研究和开发新散热技术，为AI芯片、车载域控制器、服务器等产品提出散热解决方案； 3. 研究前瞻性的散热解决方案，并规划其实际应用的落地路线； 4. 对现有散热材料和散热技术进行分析和优化，提升其在产品中的应用效果和收益。
1. 协助汽车智能化硬件平台单元电路的设计工作； 2. 单元电路的调试，测试工作； 3. 负责指导和审核PCB Layout设计工作； 4. 负责编写各种技术文档，如硬件设计说明、HSI、DFMEA、WCCA、FMEDA等； 5. 负责支持SMT生产、ECU装车等工作； 6. 跟踪AI硬件架构及通信技术的发展趋势，参与公司技术路线规划与方案评估； 7. 编写相关技术文档、硬件设计规范与测试验证报告。
1、端侧机器人硬件全栈整合： 设计机器人"大脑"(决策中心)的高性能计算平台,支持复夏杂AI算法实时处理； 。构建"小脑"(运动控制)硬件系统,实现低延迟传感-控制闭环,确保运动精度与可靠性； 。推动大脑-小脑硬件协同架构设计,解决系统级通信、供电与热管理挑战； 2、前沿技术探索：跟踪AI硬件(存算一体、光互连等)、机器人灵巧控制、新新型传感器等前沿技术，主导技术预研与原型验证;承担高风险、高潜力创新项目,推动技术边界突破； 3.跨领域协同：与软件/算法团队协作，定义硬件-软件接口规范,优化系统级性能；指导硬件团队实现设计落地，解决量产过程中的工程问题。
1、创新应用和模型结构分析和建模：对新MoE模型，Transformer优化模型，非Transformer模型，语音模型，视觉模型进行计算特征，访存特征，通信特征分析建模； 2、推理系统优化技术：基于应用特征，自顶向下分析推理软件栈可优化手段，从推理调度，KV Cache管理，推理引擎，算子，并行切进行协同优化； 3、模型压缩：探索低精度损失的低比特量化（如INT4/INT2量化）或稀疏化等算法，缓解大模型推理计算与内存开销； 4、长序列优化：通过序列压缩、序列并行等算法，在有限的部署资源上（如单机）实现1M甚至10M长序列高效推理； 5、提供高性能轻量级AI推理引擎：分析当前CPU执行AI推理的性能瓶颈，通过先进AI算法技术（比如Sparsicity等）和编译优化技术（auto-tiling等)，结合BW芯片众核、大带宽、高矢量的架构特征，挑战性能天花板，推动AI4Compiler技术切实落地。 【课题名称】 大模型负载分析和推理系统优化。 【课题内容】 结合端侧设备的功耗、面积和实时性限制，探索自动优化方法研究，沉淀算子、模型及应用级优化方法，识别加速最优解决方案，并能够实施自动化化优化技术研究&应用。实现计算过程中的高效协同，发挥各类计算单元的有效算力；在算力墙、内存墙、通信墙等各维度平衡取舍发挥系统综合最优性能。