小米小米汽车-AI系统优化与应用工程师实习生
任职要求
1. 计算机相关专业硕士及以上学历，熟练掌握python等编程语言 2. 熟悉PyTorch/TensorFlow等框架，了解CNN、ViT、YOLO等模型，有训练调优经验 3. 了解…
工作职责
1. 模型优化与部署落地 - 独立使用YOLO系列完成目标检测任务，进行精度/速度调优 - 基于TensorRT/OpenVINO优化模型推理性能，并独立完成在现有系统中的部署接入 2. 大模型分析与报告生成 - 调用主流大模型API（如GPT、Qwen等），独立设计并实现数据自动分析与周期报告生成功能 - 对模型效果进行对比分析，自主选择最优模型方案并落地到业务中 3. 系统功能迭代与体验优化 - 具备基础前后端开发能力，能基于现有代码独立进行功能修改、样式调整与交互优化 - 独立完成模型到系统功能的闭环，包括接口封装、性能调优、异常处理，确保系统稳定运行与用户体验流畅
1. 性能优化： - 诊断大规模训练任务中的系统瓶颈（GPU 利用率、显存开销、通信延迟、I/O 等）。 - 使用分布式优化技术（如数据并行、模型并行或混合并行），提升资源利用效率。 - 研究并实现显存优化技术（如梯度检查点、ZeRO 优化器、多精度训练等）。 - 构建高效的数据加载/预处理流水线（支持多线程与分布式 I/O）。 2. 系统监控与诊断： - 开发或集成性能分析工具（如 NVIDIA Nsight、PyTorch Profiler），监测 GPU/CPU 使用情况和通信开销。 - 提供性能分析报告，评估系统各模块的优化效果。 - 优化大规模模型的训练效率与显存利用，权衡资源成本与性能。
AI 技术落地与优化 - 车规级SoC上进行AI模型部署、推理优化和性能调优（包括低功耗优化、量化、剪枝等）。 - 针对操作系统和中间件层优化AI推理引擎，提升实时性与稳定性。 车控与SOA场景智能化 - 将AI技术应用于车控系统、车身控制等业务场景。 - 参与SOA架构下的智能服务开发与算法组件封装。 车云协同与数据智能 - 设计并优化车云通信协议和数据处理链路，提升数据传输效率与安全性。 - 参与车端数据上云后的智能分析与挖掘（如故障预测、驾驶行为分析、能耗优化等）。 跨团队协作与技术前瞻研究 - 与操作系统、中间件、车云互联等团队紧密配合，推动AI技术在整车控制链路中的应用。 - 跟踪AI与汽车电子领域的最新技术趋势，开展前沿技术验证与落地。
1. 负责灵骏集群的AI系统性能分析与优化，支持客户多个AI作业场景在不同平台芯片和多种集群规模下的适配和性能调优，能快速且以工具/产品化方式识别性能瓶颈并提出解决方案； 2. 针对主流深度学习框架、分布式训练和模型部署场景等，进行性能调优，优化算子性能、通信性能、内存利用率等关键指标，提升集群整体运行效率； 3. 对AI系统进行性能建模与仿真，建立Roofline模型等性能分析工具。通过仿真结果辅助系统设计和资源分配，为集群建设提供数据支持；同时推荐最佳训练和模型部署配置，辅助用户拿到最佳性能实践； 4. 负责开发和维护性能分析工具，支持系统性能监控、瓶颈定位和优化效果评估，提供性能分析报告，为团队和客户提供性能优化建议。
核心职责： 围绕 AI 场景的系统瓶颈和能力短板，结合存储/DPU/CPU/GPU 的软硬件特性设计全栈协同优化，提升 OS 对 AI Infra 服务的有效可用时长，优化系统吞吐和延迟表现，提高 AI Infra 的综合性价比。 1、技术方案设计：收集和分析客户业务场景需求，转化为研发需求输入，确定技术方案的目标、范围和交付成果。 2、技术实现：熟悉存储/DPU/CPU/GPU 技术栈，负责操作系统 AI 存储方向的优化项目，承担从需求交流与分析，设计开发，以及线上维护等全流程研发工作；并能指导团队成员，攻克复杂技术难题，通过合理的团队分工和代码评审，确保工程化落地。 3、稳定性和性能优化：具备 AI 存储领域的线上问题兜底能力，保障客户业务线上稳定性运行；能运用产品化技术和方法，分析并优化客户业务的存储性能。 4、技术规划：了解业界 AI Infra 存储方向的发展趋势，结合 AI 训练和推理对存储的诉求，形成操作系统 AI 存储方向的技术规划。