理想汽车AI系统架构师
任职要求
1.在一流IT或智能汽车企业中，具备5年以上操作系统、芯片或核心软件或AI算法等数个关键技术领域的研发经验，3年团队管理或架构师经验。 2.洞察并探索前沿技术趋势: 能够判断并定义深度学习算法基础设施领域的技术演进趋势，具备前瞻性技术眼光；擅长做技术突破，具有一定高度的技术前瞻视野，能够挖掘技术增值点。 3.对业务的理解和抽象能力：能够把握业务的关键问题和核心逻辑，并从产品价值出发确定机器学习技术层面的抽象以及对应的技术匹配，在做完技术匹配再往下能做具体的模型选型，具备构建AI产品的思维，能设计并高效实现合理的AI系统工程落地方案。 4.深度学习基础设施架构设计能力： 在深度学习、计算机视觉、自然语言处理等领域拥有丰富的理论和实践经验，能够设计和开发高效、可扩展、易用的深度学习训练框架和工具，包括分布式训练、自动调参等功能，熟练掌握主流的深度学习模型算法和网络结构；具备机器学习基础理论和数学知识，熟悉数值优化算法和自动微分技术。
工作职责
1.关注AI软硬件系统的应用场景以及AI支撑技术联动的演进趋势； 2.参与下一代AI软硬件系统在业务中的应用场景的定义，并驱动基于产品价值和技术边界的系统设计和探索性研究； 3.配合承接公司在AI软硬件系统产品领域的战略规划，横向拉通各技术部门，推动协同规划，推动预研项目的立项以及目标达成。
1.关注AI软硬件系统的应用场景以及AI支撑技术联动的演进趋势； 2.参与下一代AI软硬件系统在业务中的应用场景的定义，并驱动基于产品价值和技术边界的系统设计和探索性研究； 3.配合承接公司在AI软硬件系统产品领域的战略规划，横向拉通各技术部门，推动协同规划,推动预研项目的立项以及目标达成。
1、深度对接客户需求，结合智能座舱、车载交互等场景，主导大模型技术方案的设计与论证，制定涵盖算法选型、系统架构、工程化部署的全链路技术方案，确保方案契合业务目标与技术可行性； 2、与客户技术团队紧密协作，参与需求评审与方案研讨，将业务需求转化为可落地的技术架构，同步协调内部产品研发资源推进方案落地； 3、主导智能座舱大模型系统的整体架构设计，涵盖多模态交互（语音/视觉/推荐）、RAG技术体系、端云协同框架等，平衡性能、延迟与资源消耗，确保架构支持高并发车载场景； 4、统筹大模型项目交付的技术实施路径，规划里程碑节点，协调算法、开发、测试等主线资源，确保技术方案按计划落地，把控项目质量与风险； 5、跟踪AI大模型领域前沿技术（如多模态模型、智能体协作、边缘计算），结合业务场景引入创新技术，构建技术护城河，保证产品在市场上处于领先地位。
1、跟踪行业最新技术动态，为公司的AI芯片技术发展提供前瞻性的建议和技术储备； 2、跟踪GPGPU/NPU行业最新动态、产品与技术架构，分析公司内外部业务系统需求，结合自研芯片架构，输出系统软硬件协同设计方案； 3、负责组织硬件平台、软件平台、生态平台等AI组件的SE专家，一起协同工作交付有竞争力的AI整体系统方案，并指导开发团队完成方案的开发交付落地； 4、推理基础设施方案设计，针对产品业务场景，优化模型在边缘设备（自研芯片平台、Jetson、机器人嵌入式系统）的部署性能，实现模型量化、动态计算图裁剪、异构硬件（GPU/NPU/FPGA）适配等关键技术；
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）。 。