2027校招-算子开发工程师（上海/北京/成都） 上海、北京、成都 校招 正式 职位描述 岗位职责- 负责公司自研 AI 加速芯片上的 算子库设计与实现，覆盖训练与推理核心算子（如 GEMM/Conv/Attention/LayerNorm/Softmax/Reduce/Scatter-Gather 等）。- 基于芯片计算单元、片上存储（SRAM/Cache）、HBM 带宽、NoC 拓扑、DMA/异步拷贝能力，进行 算子性能建模与瓶颈分析（roofline、访存/计算比、流水并行），制定优化策略。- 设计并落地 kernel 调度与 tiling 策略：多级分块、数据布局（layout/packing）、向量化/张量化、双缓冲/多缓冲、算子融合（fusion）等。- 建设算子库工程化体系：算子接口规范、版本管理、性能回归、单测/对齐验证、精度与数值稳定性、跨平台兼容- 参与端到端模型性能优化：对接 PyTorch/TensorFlow/ONNX Runtime 等前端（或公司自研框架），完成算子覆盖、性能调优和线上问题定位（profiling/trace）。 职位要求 （优秀应届可放宽）。- 计算机/电子/自动化/数学等相关专业；- 熟悉深度学习常见算子与数值实现（GEMM/Conv/Attention/Norm/Reduce），理解训练/推理的差异（激活、梯度、混合精度、量化）。- 扎实的 C/C++ 能力，良好的工程习惯；能熟练使用性能分析工具（profiling、trace、perf、火焰图或自研工具）。- 熟悉至少一种加速器编程模型或并行体系（CUDA/OpenCL/ROCm/Metal/TVM/Triton/oneDNN/CUTLASS 等）并能迁移到自研 ISA/Runtime。- 具备系统级性能意识：理解存储层次、带宽/延迟、cache/预取、NUMA、DMA、并行同步等，对算子优化有方法论。加分项- 有自研芯片/FPGA/NPU/GPU
云端训推优化负责人 北京、深圳 全职 智能制造 / 工业互联网 / 工业自动化 职位描述 负责云端训练与推理优化团队整体建设和管理，对模型训推效率负责；负责大模型、VLM / VLA、机器人模型等训练任务的性能优化，包括：训练吞吐、GPU 利用率、Tensor Core 利用率、显存利用率、多机多卡扩展效率负责分布式训练优化，包括 Data Parallel、Tensor Parallel、Pipeline Parallel、FSDP / ZeRO 等方案设计与落地；负责模型推理优化，包括算子优化、KV Cache、Batching、量化、并行推理及服务化性能优化；针对模型结构和训练流程进行 Profiling，定位通信、计算、显存、IO 等性能瓶颈，并推动系统性优化；负责训练/推理框架和基础组件建设，沉淀可复用的性能优化能力；与模型算法团队协作，在保证模型效果的前提下优化模型结构、训练策略和推理方案；与智算平台团队协作，提升 GPU 集群整体资源利用率，降低单位训练与推理成本；建立训推性能指标体系和 Benchmark，持续跟踪不同模型、硬件和框架下的性能表现。 职位要求 5 年以上深度学习系统、训练加速、推理优化、AI Infra 或相关工作经验，有团队管理经验；熟悉 PyTorch 及主流深度学习训练框架，理解计算图、Autograd、CUDA 执行模型；熟悉大规模分布式训练，有 NCCL、FSDP、DeepSpeed、Megatron-LM
Company: Qualcomm China Job Area:Engineering Group, Engineering Group Machine Learning Engineering General Summary: About us: We are Qualcomm AI Research that are advancing AI to make its core capabilities – perception, reasoning, and action – ubiquitous
NVIDIA has been redefining computer graphics, PC gaming, and accelerated computing for more than 30 years. It’s a unique legacy of innovation that’s fueled by great technology—and amazing people. Today, we’re tapping into the unlimited potential
NVIDIA has been defining computer graphics, PC gaming, and accelerated computing for more than 25 years. With an outstanding legacy of innovation, driven by phenomenal technology, and extraordinary people, NVIDIA is looking for a strong technical
NVIDIA is currently seeking a Solutions Architect for High-Performance Databases! Would you enjoy researching new algorithms and memory management techniques to accelerate databases on modern computer architectures? Do you like investigating hardware and system bottlenecks, and
Minimum qualifications: Bachelors degree or equivalent practical experience. 10 years of experience with cloud native architecture in a customer-facing or support role. Experience in deployment planning, orchestration, or change management. Experience in programming languages, debugging, or
Work Your Magic with us! Ready to explore, break barriers, and discover more? We know you’ve got big plans – so do we! Our colleagues across the globe love innovating with science and technology to enrich
资深招聘 HR（海外）/ Senior Recruiter (International) Hangzhou, Beijing Experienced Full-time Responsibilities 1、负责海外岗位的招聘工作，覆盖需求沟通、人才画像、渠道拓展、主动寻访、面试协调、Offer 沟通及入职跟进等完整流程；2、根据业务发展需要，拓展海外招聘渠道，包括 LinkedIn、海外招聘平台、技术社区、行业社群、猎头及内部推荐等；3、负责海外人才 Mapping，关注 AI、3D、大模型、算法、产品及职能岗位的人才分布、流动趋势和市场情况；4、与海外业务负责人及国内 HR 团队协作，准确理解岗位需求，持续优化招聘策略和候选人体验；5、维护海外人才库和招聘数据，参与海外雇主品牌及人才吸引相关项目。1. Own the full-cycle recruitment process for international roles, including stakeholder alignment, candidate profiling, channel development, proactive sourcing, interview coordination, offer
By clicking the “Apply” button, I understand that my employment application process with Takeda will commence and that the information I provide in my application will be processed in line with Takeda’s Privacy Notice and Terms
我们正在寻找一位 全栈工程师，参与核心 AI Agent 产品从架构设计、能力建设到生产落地的完整过程。你将参与 Web 产品、API 服务、Agent 编排系统、后台任务系统、数据层和部署流程等多个环节，和团队一起构建面向真实生产环境的 AI Agent 产品。 你将深度参与 AI Agent 系统的工程化建设，包括 Agent Loop、工具调用、任务编排、多步骤执行、上下文管理、模型路由、异步任务处理、结果持久化、错误恢复、日志追踪与系统可观测性等关键模块。这个岗位不是简单调用大模型 API，而是需要将 LLM 能力、业务流程、前后端系统和用户体验结合起来，构建可稳定运行、可持续扩展的生产级 Agent 产品。 在这个角色中，你需要理解 Agent 如何接收用户目标、拆解任务、选择工具、执行动作、处理中间状态、根据反馈继续推理，并最终产出可靠结果。你也需要关注 Agent 执行过程中的实际工程问题，例如任务超时、工具失败、重试策略、状态一致性、成本控制、并发执行、队列调度、数据追踪以及生成结果的可复现性。 你会和产品、设计、前端、后端和基础设施团队紧密协作，把 AI 能力落到真实的产品体验中。我们希望你既能理解前端产品形态和用户交互，也能深入后端服务、数据模型、任务队列和 Agent 编排系统，帮助团队搭建长期可维护、可扩展、可观测的 AI Agent 工程体系。