自動運転・ADAS、車室内AI、車両ソフトウェア基盤において、生成AI／基盤モデルをクラウドではなく車載ECU上で動作させる要求が急速に高まっています。車載は電力・熱・メモリ帯域・コスト・機能安全の制約が厳しく、データセンタ向けの最適化手法をそのまま適用できません。制約下での最適化そのものが競争力の源泉であり、この領域を牽引する専門人材を募集します。
ご経験に応じて主担当領域を決定いたします。全領域の経験は必須ではありません。
① 軽量AIモデルアーキテクチャ：線形Attention・状態空間系、ハイブリッド構成、KVキャッシュ削減、投機的デコーディング、蒸留・枝刈り・NAS等による精度／レイテンシ／電力のトレードオフ設計
② 数値表現最適化：INT8/INT4、FP8/FP4、対数表現・ブロック浮動小数点等の数値形式選定と精度保証、PTQ／QAT、混合精度、キャリブレーションの設計・自動化
③ Sparse / MoE Runtime：MoEルーティング、エキスパートの配置・オフロード・プリフェッチ、スパース性を実機性能に結びつけるランタイム実装
④ Compiler / Kernel：MLIR／TVM／XLA等によるグラフ最適化・演算融合・タイリング、対象アクセラレータ向け高性能カーネルの実装・チューニング
⑤ Memory Planner：オンチップSRAM／DRAM階層を前提としたバッファ割当・再利用計画、DMA・データ移動スケジューリング、ピークメモリの静的見積り
⑥ 主要SoC／アクセラレータ：車載SoC／AIアクセラレータの技術評価・ベンチマーク、次世代SoCの要件定義、HW-SW協調設計
・スペシャリストであること（Depth）：①〜⑥のいずれか1領域以上で、技術的意思決定の根拠を社外に説明でき、実装まで自ら行える水準の専門性
・全体を理解できること（Breadth）：モデル構造→数値表現→コンパイラ／カーネル→メモリ→ハードウェアの因果を通しで捉え、真のボトルネックを切り分けられること。レイヤ横断でのトレードオフ判断、社内技術者・海外拠点・半導体サプライヤを巻き込んだ技術的合意形成をリードできること
＜MUST要件＞
• AI推論の高速化・省メモリ化・省電力化に関する実務経験5年以上（研究のみでなく、製品または本番環境への適用実績を含む）
• 業務内容①〜⑥のいずれかにおける、定量的成果を伴う深い専門性
• C++およびPythonによる実装能力。ハードウェア特性を意識した性能最適化の経験
• プロファイリングに基づくボトルネック分析と、仮説検証をやり切る力
• 英語での技術ドキュメント読解・作成、および技術討議が可能なレベル
＜WANT要件＞
• 組込み／エッジ環境（車載、スマートフォン、ロボティクス、産業機器）での量産適用経験
• 半導体ベンダとの仕様調整、SoC要件定義、またはアクセラレータ設計への関与経験
• 主要推論フレームワーク／コンパイラスタックへのOSSコントリビューション、または当該分野の査読付き論文・特許
• 機能安全（ISO 26262／ISO 21448）、AUTOSAR、リアルタイムOSに関する知見
• 技術組織のリード、または専門人材の育成経験
有期雇用契約：契約日より1年
更新有無：更新あり（成果に応じて判断、協議）
更新上限：3回（協議のうえ回数判断）
想定年収：1,000万円～
※給与は経験・能力を考慮の上決定します。
募集要項をご確認ください。
※将来的に、業務上の都合による転勤や駐在等の可能性があります。
