【我们正在寻找】能够将复杂的深度学习模型“塞进”微控制器（MCU）里的极限优化大师。如果你对在几百KB内存的芯片上跑通AI模型感到兴奋，请联系我们。

【岗位职责】

全链路模型开发：负责计算机视觉（检测/分割）、语音处理（KWS）、时序预测等轻量级模型的训练、调优与评估。

极限推理优化：针对资源受限的嵌入式设备（如ESP32/STM32），进行模型量化（Int8/Int16）、剪枝、蒸馏及算子优化，将推理延迟从秒级降低至毫秒级。

部署与落地：使用TFLiteMicro/ONNX等工具链，将Python训练好的模型转换为C++推理代码，并解决实际部署中的精度损失与内存溢出问题。

前沿算法预研：探索FOMO、MobileOne等最新的轻量级网络架构，并验证其在低算力硬件上的可行性。

【任职要求】

基础扎实：计算机、通信、电子或数学相关专业，硕士或优秀本科生。熟悉PyTorch或TensorFlow框架。

多模态能力：

必须具备扎实的CNN基础（了解DepthwiseConvolution原理）。

加分：熟悉DSP信号处理（FFT/Spectrogram），有处理音频或传感器时序数据（1D-CNN/GRU）的经验。

优化经验（核心）：必须了解模型量化原理（PTQ/QAT），有将浮点模型转为定点模型（Int8）的实际操作经验。

工程落地：具备良好的Python/C++编程能力，了解嵌入式开发流程者优先。

【加分项】

有ESP-DL、TFLiteMicro或EdgeImpulse使用经验。

在GitHub上有开源的嵌入式AI项目或相关比赛获奖经历。

岗位二：全栈开发工程师实习生(AI工具流方向)

【我们正在寻找】一位“AINative”的开发者。我们不看重你是否背诵八股文，我们看重你是否能熟练驾驭Cursor、Claude、GPT等AI工具，以10倍的效率解决复杂的工程问题。

【岗位职责】

系统架构开发：参与公司核心物联网平台的后端开发，设计并实现基于Docker的容器化服务。

高并发任务调度：设计并维护基于消息队列(Redis/RabbitMQ)的异步任务系统，处理大规模的并发计算请求，保证系统的稳定性与低延迟。

前后端交互：负责Web端与底层算法引擎的接口对接，优化数据传输效率（WebSocket/HTTP）。

AI辅助编程实践：强制要求在日常开发中深度使用AI编程工具（如GitHubCopilot,Cursor,ClaudeCode等）进行代码生成、重构与测试，建立高效的开发工作流。

【任职要求】

全栈技能：

后端：精通Python(Flask/FastAPI)或Node.js，熟悉RESTfulAPI设计。

前端：熟悉Vue3或React，能独立完成高质量的界面交互开发。

工程化思维：

熟练使用Docker/DockerCompose进行环境部署。

理解消息队列原理，有异步任务处理（如Celery）的实际经验。

熟悉Linux常用命令及Git工作流。

AI工具流（关键）：

日常习惯使用AI辅助写代码，能够通过精准的Prompt让AI生成高质量、可运行的复杂逻辑代码。

面试时将包含“使用AI工具现场解决代码问题”的环节。

【加分项】

有从零搭建完整Web项目（前后端+数据库+部署）的经验。

对