职位描述
我们正在寻找一位模型部署工程师，负责将世界模型、VLA、运动控制算法等前沿模型高效落地端侧平台上，打通从训练到生产推理的“最后一公里”。
工作职责
1. 负责世界模型、VLA、运动控制算法等前沿模型在端侧平台的部署与深度调优，覆盖数据中心 GPU 与 Orin/Thor 等边缘设备，熟练搭建 TensorRT、TensorRT-LLM、Triton 推理链路。
2. 主导模型压缩与推理加速，包括但不限于多精度量化（FP16/BF16/INT8/FP8，PTQ/QAT）、知识蒸馏、算子融合、KV Cache 优化、投机解码、张量并行与流水线并行等，在精度允许范围内最大化吞吐、最小化延迟。
3. 建设部署工具链，负责模型格式转换（ONNX 等）、自动化精度回归流程、性能基准测试与剖析（使用 Nsight 等工具），形成可复用的优化方法论。
4. 与算法团队紧密协作，从模型结构设计阶段即评估部署友好性（关注自定义算子、动态形状、时序结构等），将硬件约束反哺到训练侧，提升最终部署效率。
5. 跟踪端侧推理技术栈与硬件演进，主动评估并引入新框架、新特性，保持在推理加速领域的技术领先性。任职要求
1. 计算机或相关专业本科及以上学历，拥有 3 年以上模型部署或推理优化实战经验。
2. 对 NVIDIA 推理栈（TensorRT / TensorRT-LLM / Triton 等）有深入实践，具备从 0 到 1 完整交付真实项目的经历。
3. 模型基础扎实，深刻理解 Transformer 与扩散架构，熟悉注意力、采样器等核心算子的计算特性。
4. 精通 PyTorch，对 ONNX 导出及其常见陷阱（动态 shape、自定义算子、控制流）有丰富处理经验。
5. 能熟练运用 Nsight Systems/Compute 等工具进行性能剖析，精准区分计算受限、访存受限、发射延迟等瓶颈，并给出针对性优化方案。
6. 具备 C++/CUDA 开发能力，有自定义算子编写或 kernel 性能调优的实操经验。
7. 拥有严谨的精度验证方法论，能够进行量化/半精度改造后的逐层对齐与端到端指标回归。
加分项
· 直接参与过世界模型、VLA、视频生成、VLM 等任一方向的部署落地，理解此类模型的特殊挑战：长序列时序建模、多模态输入、自回归与扩散混合架构、动作输出头对极低延迟的苛刻要求等。
· 有机器人/具身智能场景的边缘侧部署经验，深刻理解实时控制链路对推理延迟与抖动的严苛约束。
