BEV感知算法量化部署工程师

一、 岗位职责 (Key Responsibilities)

前沿BEV感知算法研发：负责鸟瞰图（BEV）视角下端到端感知模型（如 Sparse4D、UniAD、VAD 等）的架构设计、算法优化与量产落地，推动多传感器融合感知方案在复杂场景中的高效应用。

模型量化与端侧部署：主导深度学习模型在车载端侧SoC上的定点化转换、量化感知训练（QAT）及算子优化，深入排查与解决量化精度损失、算子退化等难题，打通高 FPS、低延迟与高精度的平衡路线。

地平线J6平台深度适配：深入结合地平线 Horizon J6/J6B 硬件架构与 BPU 算子特性，打通编译工具链，负责算子对齐、模型结构重组及板端推理加速。

量产交付与长尾攻坚：参与从算法实验室设计到车规级量产交付的全生命周期管理，解决量产过程中的稳定性、实时性、边界长尾场景（Corner Cases），输出高质量规范化的工程代码与技术文档。

二、 任职要求 (Qualifications)

工作经验与学历：计算机、自动化、电子信息、软件工程或人工智能等相关专业本科及以上学历，具有 3 年及以上 智能驾驶或深度学习算法开发经验，有完整量产项目落地者优先。

精通BEV感知方案：深入理解 BEV 3D目标检测、车道线识别、占用网格（Occupancy Grid）及轨迹预测等核心算法，熟悉主流开源生态（PyTorch, OpenMMLab/MMDetection3D, PyTorch Lightning 等）。

精通模型量化技术：深刻理解模型量化原理（包括 PTQ、QAT、对称/非对称量化、Channel-wise 量化、混精度量化等），具备扎实的 Fake-Quant 节点调试、Scale/Zero-Point 参数校准经验。

核心硬性要求（J6经验）：必须具备地平线 Horizon J6 平台的实际量化部署与板端调优经验，熟悉地平线 BPU 架构限制、QAT 链条及平台化工具链使用。

工程基础与代码功底：精通 Python 和 C++，具备扎实的结构化编程、数据结构基础与良好的工程编码规范，熟练使用 Git, Docker, CUDA 等工具。

三、 优先加分项 (Preferred Qualifications)

硬件/芯片支持：熟悉 NVIDIA Orin、Horizon J5/J6、Qualcomm 8540 等主流车载 AI 芯片架构，具备 CUDA/TensorRT 手写算子优化或自定义 BPU 算子开发经验者优先。

大模型与端到端经验：有 Vision-Language Model (VLM)、Diffusion Model 或端到端驾驶大模型（SparseDrive / World Model）落地研究背景者优先。

功能安全与车规标准：了解 ISO 26262 功能安全体系，熟悉 UN R152 (AEBS)、UN R79 等欧洲/国际智驾法规体系者优先。

四、 职位亮点与福利 (Perks & Benefits)

技术前沿：核心主导行业最前沿的地平线 J6 平台与 BEV 端到端感知量产落地项目。

团队氛围：与顶尖智驾专家共事，研发资源充足，极具竞争力的薪酬激励及完善的职级晋升通道。

福利保障：六险一金（高比例公积金）、带薪年假、年度高端体检、餐补/交通补贴、灵活办公机制。