小米新业务部-AI大模型加速优化算法工程师

1、参与多模态大模型的结构设计、预训练任务、模型训练和推理加速等工作，包括但不限于多模态预训练、跨模态检索等； 2、参与多模态大模型的应用构建，结合现有相关业务和开源技术，对多模态大模型的特定能力进行针对性优化； 3、研究未来生活中的端侧创新应用场景，例如个性化的手机助手、个人知识库，探索技术边界； 4、撰写技术报告和论文，积极参与公司内外部的技术交流与合作，推动团队在多模态大模型技术水平和业务落地能力上的提升，增强团队在行业内的影响力和知名度。

1. 推理引擎应用与优化： 负责AI模型的性能优化与部署，应用业界主流推理框架（如vLLM、SGLang、TensorRT、ONNX Runtime、 TVM、OpenVINO等）对模型进行加速 2. 模型性能深度分析与调优： 针对公司业务场景，对各类AI模型（包括但不限于大语言模型LLM、VL、ASR、TTS等）在不同硬件平台（GPU、PPU、昇腾、海光等）上进行深度性能分析、定位瓶颈并制定优化方案 3. 模型轻量化技术实践： 熟练运用模型量化（PTQ/QAT）、剪枝、蒸馏等技术，在满足业务精度要求的前提下，最大化提升模型推理速度、降低资源消耗 4. 自动化部署与MLOps流程建设： 建立并完善模型部署、监控和迭代的自动化流程（CI/CD、MLOps），确保模型稳定、高效地服务内外部客户 5. 前沿技术跟进与引入： 持续跟进行业前沿的AI推理加速技术，探索并引入新的优化方案、工具及硬件（如LLM推理优化库、新型AI芯片等），持续提升业务模型的部署效率和运行性能

1、 负责头部高增长KA客户的维护及商机持续挖掘，推动行业/区域高潜新客户的商机拓展与目标达成： -主动洞察所在区域/市场，识别出关键/潜在客户，并主动找到关键决策链，识别客户真实需求，构建立体的客户沟通界面； -协同SA（解决方案架构师）、产研等资源，挖掘客户向全栈AI转型的需求（如AI算力、大模型部署、智能体等），形成有效商机，明确销售及解决方案策略，设计合作路径并沟通执行； -持续开拓新老客户的高层关系，通过沟通和影响力、资源整合等策略的运用，提高call high技能，主导关键项目谈判，推动技术方案与客户需求的精准匹配，推进客户的AI全栈和云平台建设落地转化，达成业绩； -与内部电销团队配合，联合挖掘商机并关单，并Coach电销团队，提升关联团队的整体能力和市场嗅觉；   2、 AI全栈产品和技术价值传递： -深入理解AI全栈产品，深刻洞察客户业务需求，基于行业和客户需求洞察，帮助客户理解大模型、AI算力、云产品核心方案的技术价值，思考并设计与友商的差异化竞争优势，传递阿里云端到端的客户价值； -针对客户对AI算力、大模型应用场景落地等需求，通过标杆案例及场景化演示，向客户高层展示阿里云AI全栈产品的竞争优势，确保技术方案与客户业务目标深度绑定；   3、 商务运作和业务支持： -完成Leads to Cash销售全流程的执行和跟踪，支撑复杂项目运作，参与招投标流程管理、项目管理、风险管理，协同产研、TAM交付和SA等资源，及时发现并解决项目交付问题，支撑客户业务目标达成； -将客户使用中遇到的影响客户体验的问题，反向推动内部产品解决方案和流程体系的改进； -积极发掘并推进与云、AI领域全方位合作伙伴和市场推广渠道，构建可持续的行业合作生态。

1. 基于深度学习的Low Level算法（如降噪、Demosaic、超分辨率、插帧等）、High Level算法（如目标检测、语义分割、显著性检测、深度估计等）、大模型技术（LLM、AIGC、多模态等）的研发与探索 2. 上述方向的模型优化工作，包括但不限于模型量化、剪枝、稀疏化、结构搜索（NAS） 3. 负责效果，功能原型设计，并支撑算法在各应用场景的商用落地； 4. 与系统架构，软件，IC设计/验证，调试工程师共同完成相应多媒体IP 实现方案的开发工作；