（先加微信：duke-simon 拿项目手册，画像精准再做单-带图咨询）1. 模型量化与精度恢复 - 负责将高精度浮点模型（Float32/16）转换为低精度整型模型（Int8/Int4）。 - 应用PTQ（训练后量化）和QAT（量化感知训练技术），解决量化过程中的精度损失问题，确保机器人在复杂场景下的操作准确性。 - 针对特定硬件架构（如英伟达Jetson系列、地平线、华为昇腾等）进行定制化量化适配。 2. 推理引擎优化与算子开发 - 基于TensorRT、ONNX Runtime或自研推理框架，优化模型推理性能。 - 开发自定义高性能算子，解决带宽瓶颈和显存限制，提升吞吐量（Tokens/s或FPS）。 - 利用性能分析工具定位计算瓶颈，实施延迟优化。 3. 模型轻量化与架构改进 - 跟进学界前沿，对现有模型结构进行剪枝、蒸馏等轻量化改造。 - 探索稀疏化技术，以适应机器人端侧有限的算力与功耗约束。 4. 全链路工程落地协同 - 打通从云端训练到端侧部署的全流程链路，配合嵌入式与芯片工程师完成真机验证。 - 构建数据闭环，通过分析Bad Case反向指导数据清洗与增强策略，提升模型泛化能力。

（先加微信：duke-simon 拿项目手册，画像精准再做单-带图咨询）1. 计算机科学、人工智能、自动化、电子工程等相关专业本科及以上学历。 2. 精通C/C++（高性能计算核心），熟练掌握Python（算法原型与数据处理）。 3. 深入理解PTQ/QAT原理，熟悉主流量化库（如TensorRT, OpenVINO, TFLite, MindSpore Lite等）。 4. 熟悉至少一种端侧加速硬件（NVIDIA GPU/Jetson, Huawei Ascend, Horizon Journey, Qualcomm Snapdragon等）的软件栈与底层指令集。 5. 熟悉Transformer、CNN、RNN等基础架构，特别关注Vision-Language-Action (VLA) 模型、Diffusion Policy及强化学习模型的部署特性。 6. 拥有3-5年以上AI模型部署经验，有机器人、自动驾驶或边缘计算领域量产项目经验者优先。 7. 具备极强的Debug能力，能独立解决跨平台兼容性、内存泄漏及实时性抖动等工程难题。