模型量化工程师

岗位定位

聚焦VLA（视觉-语言-动作）具身智能大模型端侧落地，负责模型量化压缩、推理优化、算子适配与性能调优，打通VLA模型从训练原型到硬件量产部署的全链路，平衡模型精度、推理速度、显存/内存占用与功耗，支撑机器人、智能终端、自动驾驶等具身智能业务落地。

岗位职责

VLA模型专项量化优化：负责端到端VLA具身模型、多模态Transformer模型的量化落地，主导INT4/INT8/FP8混合精度量化、PTQ后量化、QAT量化感知训练工作，解决量化精度掉点、模态对齐、动作预测偏差等核心问题，保障视觉、语言、控制多分支推理稳定性。

模型压缩与推理加速：针对VLA模型长序列推理、KV Cache显存占用过高、实时性差等痛点，落地剪枝、蒸馏、稀疏化、算子融合、层优化等轻量化方案，优化模型并行、异步推理逻辑，提升端侧推理帧率与响应速度。

多硬件平台适配调优：基于GPU、NPU、边缘芯片等硬件平台，完成VLA模型的格式转换、算子适配、推理引擎适配（TensorRT、ONNX Runtime、自研推理框架等），针对不同芯片架构做定制化性能调优，适配量产硬件算力约束。

问题排查与性能迭代：负责量化后模型精度、速度、功耗、稳定性的全维度评测，定位量化误差、算子瓶颈、显存泄漏、推理卡顿等问题，输出优化方案并持续迭代，建立VLA模型量化评测标准与基线体系。

工具链与流程建设：参与搭建VLA专属模型量化、压缩、部署自动化流水线，沉淀可复用的量化策略、优化脚本与工具组件，提升算法模型量产落地效率。

算法协同落地：配合VLA算法研发、业务落地团队，对接模型迭代需求，支撑具身智能控制、环境感知、指令理解等核心业务场景的模型落地与量产交付。

任职要求

硬性要求

本科及以上学历，计算机、人工智能、电子信息、自动化、软件工程等相关专业，1-3年大模型/多模态模型量化部署相关工作经验。

扎实的深度学习基础，精通Transformer架构，熟悉VLA/VLM多模态模型、具身智能模型的结构与推理逻辑。

熟练掌握主流量化技术，精通INT4/INT8/FP8量化、PTQ、QAT核心原理与落地流程，具备大模型混合精度量化实战经验。

熟练使用PyTorch框架，熟悉模型剪枝、蒸馏、稀疏化等模型压缩算法，掌握KV Cache优化、序列推理加速等专项技术。

熟悉主流推理引擎与模型部署流程，掌握ONNX、TensorRT、NPU推理框架等工具，具备端侧模型性能调优、精度对齐实战能力。

优先加分项

有VLA具身智能、机器人控制、自动驾驶多模态模型量化部署落地经验者优先。

熟悉边缘端芯片架构，有NPU/GPU算子开发、算子定制、硬件适配优化经验者优先。

精通C++/CUDA，具备推理性能底层优化、自定义算子开发能力者优先。

有大模型量化工具链搭建、自动化部署流水线建设经验者优先。

熟悉具身智能数据集、模型对齐、动作预测优化相关经验者优先。