职位描述：
1. 模型转换与适配：
12 将多模态大模型（如视觉-语言模型）转换为端侧兼容格式（高通、MTK、Nvidia平台），解决算子不支持、精度损失等问题；
12 针对端侧硬件特性（如低算力、低内存），调整模型结构或引入轻量化组件。
2. 模型端侧优化：
12 与算法团队协作，应用模型压缩技术（量化、剪枝）并验证精度-效率平衡；
12 设计动态推理策略（如条件计算、级联模型），提升端侧实时性。
3. 硬件适配与加速：
12 对接硬件加速单元（NPU/GPU），实现模型关键算子的高效实现；
12 优化模型数据流与内存布局，降低端侧资源占用。
4. 工具与流程建设：
12 开发模型端侧适配的自动化工具（如自动量化校准、异构调度）；
12 沉淀模型端侧部署的实践文档与案例库。
职位要求：
61 技术能力：
12 熟悉PyTorch/TensorFlow模型导出与转换工具（ONNX、TorchScript）；
12 熟悉高通QNN工具链。
12 掌握模型轻量化技术（量化训练、动态剪枝），了解端侧推理框架限制；
12 具备基础硬件知识（内存带宽、缓存机制），能结合硬件特性优化模型；
61 加分项：
12 有端侧AIGC应用（如Lamma、Stable Diffusion移动端部署）经验；
12 熟悉端侧AI框架或模型加密技术。