让 AI 运行在
每一台设备上

我们希望你

• ▸拥有工程背景
• ▸深刻理解边缘 AI 格局——云端与端侧的权衡、隐私优先设计、以用户为中心的 AI
• ▸热爱阅读——持续关注 AI 研究和行业趋势
• ▸至少阅读过 30 篇 AI 论文（1998 年以后出生的需要 100+ 篇）
• ▸能将前沿研究转化为实际产品路线图
• ▸热衷于让 AI 变得可及、私密、对所有人免费

技术栈

工作方向

• ▸模型压缩：量化（FP16→INT8→INT4）、结构化/非结构化剪枝和知识蒸馏。
• ▸设计针对边缘部署优化的高效模型架构（1B–4B 参数）。
• ▸在消费级硬件（Apple Silicon、Snapdragon 等）上进行推理性能基准测试。
• ▸复现和改进深度学习文献中的最先进方法。
• ▸发表研究成果并为开源项目做贡献。

理想经验

• ▸深入理解 Transformer 架构和大语言模型。
• ▸具有模型压缩技术的实践经验（量化、剪枝、蒸馏）。
• ▸熟悉高效架构：MobileLLM、Phi、Gemma 等。
• ▸资源受限设备上的性能分析和优化。
• ▸有开源贡献记录或已发表研究成果。

技术栈

工作方向

• ▸优化 MLX 框架内部实现，在 M 系列芯片上实现最佳性能。
• ▸内存优化：mmap 加速、零拷贝模型加载、统一内存利用。
• ▸将 MLX 与 Apple 框架（Core ML、Metal Performance Shaders）集成。
• ▸在 Apple Silicon 上分析和调试 ML 工作负载。
• ▸构建端侧 LLM、VLM 和 TTS 模型的推理管线。

理想经验

• ▸有 MLX 框架的实践开发经验。
• ▸Apple 硬件（M1–M5）上的底层性能优化。
• ▸使用 Metal 或类似计算 API 的 GPU 编程。
• ▸内存管理和系统级优化。
• ▸为开源 ML 框架做过贡献。

技术栈

工作方向

• ▸构建原生消费级应用：端侧翻译、多模态金融、食品分析等。
• ▸将端侧 ML 模型（LLM、VLM、TTS）集成到生产级 iOS/macOS 应用中。
• ▸优化 AI 工作负载下的应用性能、内存占用和电池效率。
• ▸设计利用 AI 能力的出色用户体验。
• ▸在 App Store 上发布和迭代产品。

理想经验

• ▸使用 Swift 和 SwiftUI 构建并发布过精良的 iOS/macOS 应用。
• ▸将 Core ML 或 MLX 模型集成到原生应用中。
• ▸移动端/桌面端性能优化：内存、CPU、GPU 使用。
• ▸强烈的产品意识——有构建面向消费者产品的经验。
• ▸熟悉端侧 ML 推理工作流。

技术栈

工作方向

• ▸构建内部研究工具、基准测试仪表盘和模型评估平台。
• ▸开发和维护 AtomGradient 的网站和文档站点。
• ▸为开源社区创建面向开发者的工具。
• ▸从后端服务到前端界面的端到端应用开发。

理想经验

• ▸使用 React 和 TypeScript 构建专业级 Web 应用。
• ▸使用 Rust 或 Python 进行后端服务开发。
• ▸有开发者工具、文档系统或开源项目基础设施的经验。
• ▸部署和监控生产级 Web 应用。
• ▸对 AI/ML 和开发者体验有兴趣。