职位概述
我们正在开发革命性的AI Native硬件设计平台，致力于通过文生电路布局图等前沿技术实现端到端的智能硬件设计。本岗位需要参与或带领算法突破技术难点，推动产品核心能力实现。
核心挑战与目标
技术突破：解决文本到电路布局图生成的核心技术难题
精度提升：实现高精度的电路元件识别、布局和连接关系生成
领域适配：将通用文生图模型成功适配到专业硬件设计领域
产品落地：确保模型在实际产品中的稳定性和实用性
一、岗位职责
核心技术研发
1. 文生图模型创新：
- 主导文本到电路布局图生成模型的设计和优化
- 研究并改进Diffusion、GAN、Transformer等生成模型架构
- 解决电路图生成中的拓扑约束、物理规则和美学布局等复杂问题
2. 多模态模型开发：
- 设计文本-图像-结构化数据的多模态融合架构
- 开发支持自然语言描述到精确电路规格转换的模型
- 实现电路设计意图理解和视觉呈现的端到端优化
3. 领域专业化适配：
- 构建电子工程领域的专业知识图谱和约束规则
- 开发针对PCB设计、电路仿真的专用生成模型
- 研究硬件设计规范在AI模型中的嵌入和应用
算法研究与创新
4. 前沿技术探索：
- 跟踪AIGC、多模态生成、条件生成等前沿研究
- 研究ControlNet、LoRA、Adapter等模型控制和适配技术
- 探索Agent-based生成、强化学习优化等新兴方法
5. 性能优化与工程化：
- 优化模型推理速度和资源消耗，满足实时交互需求
- 研究模型压缩、量化、蒸馏等部署优化技术
- 建立模型版本管理和持续优化机制
数据与训练体系
6. 专业数据构建：
- 设计电路图-文本描述的大规模数据集构建策略
- 建立数据质量评估和清洗的自动化流程
- 研究数据增强、合成数据生成等技术
7. 训练策略优化：
- 设计渐进式训练、多任务学习等高效训练策略
- 研究few-shot、zero-shot等少样本学习方法
- 建立模型评估指标体系和自动化测试框架
产品集成与落地
8. 系统架构设计：
- 设计可扩展的模型服务架构，支持高并发推理
- 与前端、后端团队协作，确保模型能力的完整释放
- 建立模型监控、A/B测试和持续改进机制
任职要求
核心专业能力
1、学术背景：计算机科学、人工智能、机器学习等相关专业博士学位，或硕士学位+5年以上相关经验
2、文生图专精：在Stable Diffusion、DALL-E、Midjourney等文生图模型有深入研究和实践经验
3、多模态经验：具备CLIP、BLIP、GPT-4V、GPT-4o等多模态模型的开发和应用经验
4、生成模型专家：深度理解Diffusion Models、VAE、GAN等生成模型原理和优化方法
技术深度要求
1、框架精通：熟练掌握PyTorch、TensorFlow，有大规模模型训练和分布式计算经验
2、工程能力：熟悉Transformers、Diffusers、ComfyUI等开源框架，能快速原型验证
3、部署经验：了解TensorRT、ONNX、TorchScript等模型优化和部署技术
4、硬件优化：有GPU集群、TPU等高性能计算平台的使用经验
研究与创新能力
1、论文发表：在CVPR、ICCV、NeurIPS、ICML等会议发表过相关论文（加分项）
2、开源贡献、：有知名开源项目贡献经验，活跃在AI研究社区（加分项）
3、技术洞察、：对AIGC技术发展趋势有深刻理解，能预判技术方向
4、问题解决：具备从0到1突破技术难题的能力和经验
领域理解加分项
1、电子工程背景：有电路设计、PCB布局、EDA工具使用经验
2、CAD/设计工具：了解AutoCAD、Altium Designer等专业设计软件
3、工程应用：有将AI技术应用到专业工具或垂直领域的成功案例
4、产品思维：理解AI技术的产品化路径和商业化挑战
工作环境与发展
技术资源
- 充足的GPU算力资源，支持大规模模型训练和实验
- 前沿的技术栈和工具链，与国际先进水平同步
- 与AI研究机构和高校的合作机会
- 参与国际会议和技术交流的机会
团队协作
- 与产品、设计、工程团队的深度协作
- 跨学科团队（AI+电子工程+产品设计）的创新环境
- 扁平化管理，充分的技术决策权和创新空间
- 定期的技术分享和学术交流活动
发展前景
- 参与构建全球AI Native硬件设计平台
- 在AIGC+专业工具领域建立技术领导地位
- 推动AI技术在硬件设计行业的革命性应用
- 有机会将研究成果发表在学术会议
福利待遇
- 竞争力的薪资和股权激励
- 充足的研发经费和设备支持
- 灵活的工作安排，支持远程协作
- 完善的技术培训和学术交流机会
- 优质的医疗保险和福利保障
我们寻找真正的技术专家，能够在AI前沿技术与专业应用之间架起桥梁，共同突破技术边界，重新定义硬件设计的未来！