岗位职责： 【工作职责】 1. 全局 AI 架构设计： 负责从 0 到 1 构建机器人的感知（语音/视觉）、认知（LLM/记忆）到决策（移动/交互）的全栈 AI 架构，确保低延迟、高可靠的端云协同体验。 2. 多模态模型融合： 领导 VLM（端侧视觉模型）与 LLM（大语言模型）的深度集成，实现“看到即懂、懂即反馈”的实时交互逻辑（如：视觉主动触发对话、基于环境的情感理解）。 3. 端侧部署与性能优化： 负责模型在端侧上的量化、剪枝与加速，在有限的功耗和算力下实现 流畅运行。 4. 全链路语音工程： 构建涵盖前端降噪、ASR（语音识别）、TTS（情感化语音合成）的闭环，重点突破嘈杂家庭环境下的唤醒与多轮对话。 5. 数据飞轮与自动驾驶： 搭建数据闭环系统（Data Loop），利用测试家庭反馈进行模型 SFT（精调）与 RLHF，提升机器人的个性化记忆与长线陪伴能力。 6. 安全与隐私架构： 设计端侧边缘计算方案，确保儿童视频/语音数据的绝对隐私安全，符合全球最严苛的合规标准。 【任职资格】—— 硬核与全栈 1. 学术与工程背景： 计算机、人工智能或机器人相关专业硕士/博士，5 年以上 AI 算法工程经验，至少完整主导过一款智能硬件的 AI 系统设计。 2. 大模型实战： 深谙 Transformer 架构，有 LLM（如 Qwen, Llama）精调与 RAG（检索增强生成）经验。熟悉多模态学习，有 VLM 落地经验者优先。 3. 端侧落地能力： 深度调优端侧 NPU/GPU/DSP，利用模型量化、算子融合等手段，在有限的硬件资源下榨取最大 AI 算力，解决发热与降频对 AI 体验的影响。 4. 全栈技术栈： * 精通 Python/C++，熟悉 PyTorch/TensorFlow 框架； o 熟悉常用语音处理流程（STT/TTS/NLP）； o 熟悉计算机视觉常见任务（人脸/骨骼/行为/物体识别）。 5. 系统工程思维： 具备深厚的分布式系统、中间件或实时通信（RTC）架构经验，能解决 AI 模块与其他硬件控制模块的协同开销问题。