最先端の自動運転向け深層学習モデル開発から、車載エッジ実装までを牽引するAIエンジニア

フィックスターズは、マルチコア黎明期より培ってきた並列処理技術、x86/ARM/GPU/FPGAといった各アーキテクチャ向け最適化技術、深層学習や機械学習といった最新技術も含めたアルゴリズム開発を通して、車載・産業機器・金融・医療など様々な分野でソフトウェアを高速化しています。
また、さらなる事業成長を目指すべく、これまで蓄積したユニークな技術やノウハウを活かしSaaS事業にも取り組んでおり、最近では新たにLLM (大規模言語モデル)の事業を発足しました。当社の強みである「高速化技術」を活かし、企業が自社向けLLMを世界最高レベルの短時間・高いコストパフォーマンスで開発できるプラットフォームの開発を進めています。

■プログラミングが好きなエンジニアが多数在籍
創業以来、優秀なエンジニア採用に注力してきた当社は、全社員の90%がエンジニアで構成されています。
そのうち、学位取得率は博士17%、修士57%となっており(2025年9月末現在)、プロコン優績者やHPCベンチマークで世界一の技術者といったコンピュータサイエンスに精通するエンジニアの他にも、天文学や流体力学など、様々な学問領域を専攻しているバックグラウンドの異なるエンジニアが切磋琢磨するユニークな組織です。

■AI/IoT社会を支える技術を仕事を通じて学べる
自動運転、医療機器、スマートファクトリー、スマートシティなど様々な業界の顧客と関わり、画像処理/信号処理/リアルタイム制御/人工知能などあらゆるソフトウェア開発の経験を積むことができます。また、SoC/組み込み/PC/大規模クラスタなどあらゆるプラットフォーム、CPU/GPU/FPGAや最新のAIチップ、量子コンピュータなどあらゆるアクセラレータに仕事を通じて触れる機会があります。
本格的なAI/IoT社会の到来とともにデータ量は爆発的に増加していきます。それらを限られた時間内に限られたコンピュータ資源で効率的に処理するための技術を習得することができます。

■ソフトウェア高速化に領域特化した事業戦略で、ユニークなソフトウェア開発に携われる
これまで「高速化」というキーワードを軸にあらゆる顧客のあらゆるソフトウェアを様々な技術で高速化して参りました。「高速化」の領域に特化することで圧倒的な競争力を構築し、独立行政法人や、大手電機メーカ、医療・車載等の産業機器メーカ、大手金融機関から、他では受けられないようなR&D部門の開発プロジェクトや、競争力の源泉となるコア領域のソフトウェア開発を支援しています。

【概要】
自動運転向け車載AIモデル開発

カメラ、LiDAR、レーダーなどから得られるマルチモーダルなセンサー情報を統合し、
周辺環境の3次元認識、他車の行動予測、自車の経路計画までをリアルタイムに行う最先端のAIモデルの開発を行っています。
現在は、次世代車載SoCへの実装を見据えた次世代モデル（BEV(Bird's Eye View)、Transformer、End-to-Endモデルなど）の開発を強化しています。
限られたリソース内で認識・予測精度を最大化するため、学習アルゴリズムの改良と、実機（エッジ）制約を考慮した量子化・最適化プロセスをシームレスにつなぐチームの体制構築を進めています。

【具体的な職務内容】
・自動運転向け深層学習モデル（認識・予測・計画など）の設計・開発・学習
　　最新の論文（CVPR、ICCV、NeurIPS等）ベースのアルゴリズム調査、プロトタイプ実装、評価
　　マルチモーダル（カメラ・LiDAR等）なデータを用いた大規模モデルの学習およびアーキテクチャ最適化
・車載エッジ実用化に向けた精度改善・モデル軽量化
　　知識蒸留（Knowledge Distillation）やネットワーク剪定（Pruning）を用いた、精度を維持した状態でのモデル軽量化
　　誤認識パターンやエッジケース（夜間、悪天候、稀な障害物など）のデータ分析と、それに基づく学習方法の改良・精度向上
・車載SoCをターゲットとした量子化（Quantization）技術の適用と評価
　　学習フレームワーク（PyTorch等）から車載向け推論環境（TensorRT等）への最適なモデルエクスポート・変換手法の確立
・MLOpsパイプラインの構築・改善
　　データ管理、学習、評価、量子化、デプロイまでを一気通貫で行うCI/CD・CT（継続的学習）パイプラインの設計・運用
　　開発チーム全体が効率的に精度改善のサイクルを回せるような、共通ライブラリやツールの整備・提供

・最先端AIへの挑戦：BEVやTransformerなど、自動運転・コンピュータビジョン領域の最先端技術にリアルタイムで触れることができる。
・フルレイヤへの関与：モデル設計（上流）から、車載エッジへのデプロイ・MLOps（下流）まで一気通貫で開発に携われる。
・充実した開発環境：大規模データの学習をストレスなく高速で回せる、豊富なGPUリソース（最先端GPUクラスタ）を利用可能。