职责描述：1. 基于异构计算平台，重点优化和部署自动驾驶领域相关的神经网络模型，特别是在边缘计算设备上的量化实现；2. 负责神经网络模型的量化算法精度评估与实践，包括QAT（Quantization-Aware Training）和PTQ（Post-Training Quantization）等，确保模型在资源受限环境中的高效运行；3. 评估并实施神经网络模型的压缩算法，如剪枝、蒸馏等，提升模型在异构平台上的推理速度与性能。任职要求：基本要求: 1. 具有在边缘计算设备中部署神经网络模型的经验，熟悉CNN、Transformer、LSTM等常见神经网络模型架构；2. 有丰富的量化模型优化经验，熟悉QAT、PTQ等常见的量化技术，并能有效应用于自动驾驶相关场景；3. 主动学习、良好的沟通能力和团队合作精神；加分项：1. 有作为主要贡献者参与并落地交付过自动驾驶项目的经验；2. 熟悉BEV感知、图像感知、Lidar感知、时空融合、轨迹预测等神经网络模型，特别是这些模型的量化与压缩；3. 从事过AI相关软件开发，包括AI编译器、AI算子库及AI推理/训练框架，具备模型量化与推理加速的经验；4. 有使用或开发过PPQ量化框架的经验，能够在实际项目中灵活应用该工具进行模型量化与优化；5. 在AI领域的顶会或期刊发表过有关模型量化、优化的论文。

黑芝麻智能科技有限公司是优势的车规级智能汽车计算芯片及基于芯片的解决方案供应商。黑芝麻智能成立于2016年，于2024年正式在香港交易所主板挂牌上市，股票代码2533.HK。公司从用于自动驾驶的华山系列高算力芯片开始，2023年推出了武当系列跨域计算芯片，以满足对智能汽车先进功能的更多样化及复杂需求，同时开始拓展更多应用领域。公司自有的车规级产品及技术为智能汽车配备关键任务能力，包括自动驾驶、智能座舱、先进成像及互联等。通过由公司自行研发的IP核、算法和支持软件驱动的SoC和基于SoC的解决方案，提供全栈式自动驾驶能力以满足客户的广泛需求。