蔚来
校招Super Sparks-校招-高性能AI推理平台研究员/工程师
上海/圣何塞 · 校招 · 2027 届 · 硕士
长期有效
任职要求
- -硕士及以上学历，计算机、人工智能、自动化、车辆工程、电子信息等相关专业
- -深入理解深度学习原理与主流框架（PyTorch、TensorFlow、ONNX 等）
- -熟悉模型优化与部署技术（量化、剪枝、蒸馏、算子融合、边缘端推理优化等）
- -具备端侧/嵌入式 AI 推理经验（ARM A 核、DSP、NPU 等异构计算平台优先）
- -熟悉嵌入式 Linux、RTOS 或 QNX 等操作系统，具备 C/C++ 高性能编程能力
- -对 AI 推理引擎（如 TensorRT、llama.cpp、MNN、TNN 等）有实际优化经验者优先
- -有大模型（LLM/VLM/VLA）端侧部署与推理加速经验者优先
- -对具身智能、AI Agent 等前沿方向有热情，有相关项目或研究经验者优先
- -有顶会论文（MLSys、CVPR、ICRA、NeurIPS 等）或开源项目贡献者优先
- -具备较强的自驱力与创新能力，能够独立解决复杂技术问题。
岗位描述
AI 推理引擎与模型优化
-在车规级 SoC（含 NPU、DSP、GPU 等异构计算单元）上进行大模型（LLM/VLM/VLA）的推理部署与极致性能调优，包括低功耗优化、模型量化（INT4/INT8）、剪枝、蒸馏、算子融合等；
-针对 RTOS/Linux/QNX 等操作系统及中间件层深度优化 AI 推理引擎（如 TensorRT、ONNX Runtime、llama.cpp 等），提升端侧推理的实时性与稳定性；
-参与具身智能场景下的端到端模型推理链路设计，将 VLA 大模型的推理能力高效部署到车端嵌入式平台，支撑物理世界精准闭环操作。
AI 原生的车控与 SOA 场景
-将 AI 推理能力原生融入车控系统、车身控制等业务场景，设计 AI 驱动的智能控制策略；
-参与 SOA 架构下的 AI 原生智能服务开发，将算法模型封装为标准化的服务组件，支持多场景动态调度；
-探索 AI Agent 在车控场景中的应用，实现基于大模型的智能决策与实时控制闭环。
车云协同与数据智能
-设计并优化车云协同 AI 推理架构，包括端侧推理与云端大模型协同调度、通信协议优化、数据传输效率与安全性保障；
-参与车端数据上云后的 AI 智能分析与挖掘（如故障预测、驾驶行为分析、能耗优化等），构建数据驱动的 AI 模型持续迭代闭环。
前沿技术探索
-与操作系统、中间件、车云互联等团队紧密配合，推动 AI 推理技术在整车控制链路中的全面应用；
-跟踪 AI 与汽车电子领域的最新技术趋势（如端侧大模型、具身智能、AI Agent 等），开展前沿技术验证与落地。
你的简历匹配这个岗位吗？
上传简历，AI 会对照这份 JD 指出你的差距和需要补强的地方
该岗位可能会问的问题
基于 算法 岗位的常见面试问题整理
请解释 Transformer 模型的自注意力机制（Self-Attention）
查看答题思路
1. Self-Attention = 序列中每个 token 与所有 token 计算相关性权重 2. Q=Wq·x, K=Wk·x, V=Wv·x; Attention(Q,K,V)=softmax(QK^T/√d_k)V 3. 除以 √d_k 防止点积过大导致 softmax 梯度消失 4. 多头注意力：多组 QKV 并行，拼接后线性变换，捕获不同子空间特征 5. 对比 RNN：可并行计算，捕获长距离依赖
你做过的最有深度的算法/模型项目是什么
查看答题思路
1. 一句话说清任务：分类/生成/检索/推荐 2. 模型选型：为什么选这个而非那个 3. 数据：数据量、来源、清洗策略 4. 创新点：你做的改进是什么（不是调参） 5. 结果：核心指标提升（准确率/召回/延迟）
过拟合是什么？怎么判断和解决
查看答题思路
1. 过拟合=训练集表现好、验证集表现差，模型记住了噪声 2. 判断：train loss 持续下降而 val loss 上升 3. 解决：更多数据 / 正则化(L1/L2) / Dropout / 早停 / 数据增强 / 降低模型复杂度
解释梯度下降的原理，SGD 和 Adam 的区别
查看答题思路
1. 梯度下降：沿负梯度方向更新参数，使损失降低 2. SGD：每次用随机小批量估算梯度，引入随机性帮助跳出局部最优 3. Adam = Momentum + RMSProp：自适应学习率 + 动量加速 4. Adam 收敛快但可能泛化不如 SGD；CV 常用 SGD，NLP 多用 Adam
给你 10 万条未标注的文本数据，如何找出其中 10 个主题
查看答题思路
1. 预处理：分词、去停用词 2. 向量化：TF-IDF 或 Sentence Embedding 3. 聚类：K-Means（需指定 K=10）或 HDBSCAN（自动确定类数） 4. 或 LDA 主题模型直接输出主题-词分布 5. 评估：看每个簇的高频词判断主题合理性，迭代调整
更多面试题库功能即将上线
信息来源：企业官方招聘页。投递前请以官网信息为准。