Purpose: 岗位工作地点在青岛， 项目建设期间参与生产部的前期设计，建造，调试和确认等工作，作为用户代表一员支持项目组实现青岛pMDI工厂的建设。通过精益标准化和专业技能持续标准化与改善如SOP/工作指导以确保项目期间的知识，技能和经验能够传承以支持未来的商业化生产，并在项目早期就注重工艺/设备/操作等的持续改善工作。 进入商业化生产期间，高质量地实现所有设定的生产目标，包括设备的操作和基本维护，生产线的清场，及技能的发展等。 This role is based in Qingdao. During project phase involved in product department Design, Construction, Commissioning and Qualification. As an end user to support Global engineering team/Project team to deliver Qingdao pMDI
优才-训练AI Infra系统优化工程师-中央研发部 上海、北京 正式 职位描述 1. 大规模分布式训练系统：在千卡级GPU/NPU集群上构建稳定、高效的分布式训练系统，支持VLA、WM等具身大模型的预训练与微调；2. 训练数据加载流水线：构建从存储到GPU/NPU显存的高吞吐数据流水线，实现高效的数据预取、采样与加载，消除训练过程中的I/O Stall；3. 训练稳定性保障：解决大规模训练中的故障恢复、Checkpoint 管理、梯度异常等问题，确保长时间训练任务的稳定运行。 职位要求 1.熟练掌握C/C++/Python/Go至少一种编程语言，具备CUDA/OpenCL/CANN优化经验； 2. 熟悉PyTorch 分布式训练机制(DDP/FSDP)，熟悉DeepSpeed或Megatron-LM等大规模训练框架的原理与使用；3. 熟悉并行策略：深入理解 多维并行(DP/TP/PP/EP/CP等)的实现原理与适用场景，能够根据模型特点设计最优并行策略；4. 具备性能分析与调优能力：熟练使用 PyTorch Profiler、NVIDIA Nsight 等工具进行性能分析，能够定位并解决计算、通信、I/O 瓶颈；5. 深刻理解典型预训练、持续训练、RL训练等算法原理以及在技术实现时软硬件系统层面挑战 投递...
