小米自动驾驶 AI 部署工具链研发实习生

职位概览 我们正在寻找对端到端自动驾驶、多模态大模型（VLM/VLA）以及模型高效部署充满热情的同学。你将参与开发下一代智能驾驶算法，重点解决大参数量模型在车规级芯片上的实时运行难题，通过量化、剪枝及训练策略优化，让 AI 更好地理解物理世界并执行驾驶决策。 核心职责 大模型研发与优化：参与视觉语言模型（VLM）或视觉-语言-动作模型（VLA）在自动驾驶场景下的预训练、微调（SFT）及指令遵循能力优化。 量化算法实施：针对 Transformer/Diffusion 等架构，研究并落地先进的量化算法（如 PTQ、QAT、FP8/INT8/INT4 量化），确保模型在有限算力下保持精度。 算法端到端部署：配合工程团队，将复杂的感知或决策模型转化为高效的推理引擎，解决量化掉点、算子融合等实际问题。 前沿技术跟踪：调研并复现相关的顶会论文（CVPR, ICCV, NeurIPS 等），探索大模型在自动驾驶长尾场景（Corner Cases）中的应用。

团队介绍 我们致力于打造自动驾驶领域的下一代数据闭环系统。我们正在探索如何利用生成式AI重构物理世界，从海量路测数据中提取高保真、可交互的三维场景，构建大规模世界模型。我们寻找热衷于将前沿三维视觉技术转化为数据生产力的伙伴，共同攻克自动驾驶在复杂场景下的仿真与泛化难题。 负责优化前沿三维重建（如神经辐射场、高斯泼溅等技术体系）数据链路，提升数据链路自动化程度、稳定性、处理效率和吞吐量； 将三维重建技术应用于自动驾驶的数据合成、仿真环境构建、高精地图生成以及场景理解等领域，为自动驾驶的研发与测试提供核心工具与数据支撑； 跟进学术界与工业界最新进展，能够将创新技术进行工程化落地，并与感知、规划、仿真等团队协作，推动技术方案在实际业务中的部署与应用。

1. 负责自动驾驶算法的车端部署和优化 2. 基于车载异构计算硬件对自动驾驶算法进行性能测评、加速 3. 参与模型部署优化工具链的设计与研发，如模型转换、图优化、量化等

1. 负责自动驾驶算法的车端部署和优化 2. 基于车载异构计算硬件对自动驾驶算法进行性能测评、加速 3. 参与模型部署优化工具链的设计与研发，如模型转换、图优化、量化等