职位描述1. **算法集成框架开发** - 参与机器人算法集成框架的设计与开发，抽象模型加载、内存管理、张量传递、多模型调度、前后处理等通用能力，让算法模块以标准化方式接入机器人系统。 - 打通「模型训练产出 → 模型转换/量化 → 推理引擎 → 机器人本体运行」的完整链路，降低算法上车的工程成本。 2. **端侧部署与极致性能优化** - 面向端侧计算平台（GPU / NPU / SoC）完成模型部署，围绕**延迟、吞吐、显存占用、功耗**做端到端优化。 - 使用 CUDA 等手段编写与优化高性能算子，进行算子融合、内存复用、零拷贝、流水并行、多流并发等优化。 - 实践量化、剪枝、蒸馏、图优化等模型压缩与加速方法，在精度可控的前提下换取性能收益。 3. **性能分析与工具建设** - 使用 Nsight Systems / Nsight Compute、perf 等工具做性能剖析，定位算子级与系统级瓶颈。 - 参与 Profiler、Benchmark、精度对齐与回归测试工具链的建设，让性能与精度变化可量化、可追溯。 4. **协同与落地** - 与算法团队协作完成模型上车前的工程适配，与嵌入式/系统团队协作解决跨层性能问题，把优化经验沉淀为框架能力和文档。 ## 技术背景要求 - 在读本科/硕士/博士，计算机、软件工程、自动化、电子信息、人工智能等相关专业；**每周可实习 4 天以上，可连续实习 3 个月以上**。 - **熟悉 C++**：掌握 C++11/14/17 常用特性，理解内存模型、指针与生命周期管理、多线程与并发，有良好的工程编码习惯。 - **熟悉 Python**：能独立完成脚本开发、模型转换与验证、自动化工具编写。 - **熟悉 CUDA**：理解 GPU 编程模型（线程/线程块/warp、global/shared memory、访存合并等），能读写并调试 CUDA Kernel，理解性能瓶颈的常见来源。 - 熟悉 Linux 开发环境，掌握 Git、CMake 等基础工程工具。 - 对性能优化有兴趣和敏感度，愿意通过数据（而不是猜测）定位问题。
