# 顶尖应届-AI软硬融合研究工程师-芯片

外部公开机会：不能在 Agent觅聘 内申请，请前往官方渠道投递。

投递在官方渠道完成，完整外部回执留在本人工作区；已登录时，通过 CLI 明确记录的选择、本人自报投递和渠道观察三类最小事件默认上报平台。浏览或保存岗位不会触发上报，外部投递不会出现在“我的申请”里。

- 公司: 小米 (阶段未知)
- 地点: 上海
- 职能: 工程开发
- 前往官方投递: https://xiaomi.jobs.f.mioffice.cn/toptalent/position/7661961223089228059/detail

## 来源岗位原文

1. 深入理解自研芯片架构、指令集及性能瓶颈，开展面向业务场景的芯片亲和性算法设计与优化 。
2. 结合人车家等业务场景研究并实现前沿的模型优化、量化等技术 ，并针对目标芯片进行定制化适配与验证，并形成指导下一代芯片设计的算法输入 。
3. 探索并应用AI Agent等新范式开发与优化面向自研芯片的高性能AI Infra框架、编译器、算子库及运行时系统等系统软件。
4. 参与构建从算法模型到芯片部署的完整工具链、性能分析平台与自动化优化流程 。
任职要求
1. 算法与优化能力： 对主流神经网络模型（CNN, Transformer等）有深刻理解，有模型压缩（剪枝、量化、蒸馏）、神经网络架构搜索（NAS）或轻量化网络设计等研究或实践经验。
2.芯片与AI Infra能力： 熟悉至少一种处理器架构（CPU/GPU/NPU/DSP）的微架构特性，了解并行计算模型；具备AI编译器开发（如TVM, MLIR）、算子优化（如CUDA Kernel, Triton, TileLang等，有利用AI Agent新范式研发Kernel经验者将获特别青睐 ）、AI Infra框架开发或在特定硬件上进行深度性能调优的经验。
3. 系统与部署能力： 熟悉模型推理全流程（图优化、编译优化、内存管理等），有在边缘端或车载平台部署优化复杂模型的经验者优先。
4. 核心软性特质： 具备极强的好奇心、自驱力与跨界沟通能力 ，能够主动连接算法、AI Infra、芯片等多个领域的技术专家，高效协作推动复杂问题解决。
接口顶部原始条件（未做资格推断）
{"city_list": [{"code": "CT_125", "en_name": "Shanghai", "i18n_name": "上海", "location_type": 3, "mdm_code": "MDCY00000002", "name": "上海", "node_status": 1, "py_name": "shanghai"}], "job_post_info": {"HighlightList": [], "JobChannelPublishList": [], "address_list": [], "city_list": [], "correlation_job_list": [], "job_level_id_list": [], "job_post_object_value_map": {}, "job_post_process_time_list": [], "recruitment_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Regular", "i18n_name": "正式", "id": "201", "name": "正式", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}, "storefront_list": [], "tag_list": [], "target_major_list": []}, "process_type": 2, "project_type": 2, "recruit_type": {"active_status": 1, "children": [], "depth": 2, "en_name": "Regular", "i18n_name": "正式", "id": "201", "name": "正式", "parent": {"active_status": 1, "children": [], "depth": 1, "en_name": "Campus", "i18n_name": "校招", "id": "2", "name": "校招", "selectability": 1}, "selectability": 1}}

---
opening_id: 9eec44c2-c950-4ae5-8193-b140a1025f44

`anm openings save --id 9eec44c2-c950-4ae5-8193-b140a1025f44`