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
About A1 There are over 5 billion users using basic applications today such email, notes, tasks that are not AI-native. Our mission is to build a proactive smart assistant for everyday users to bring intelligence to
About A1 There are over 5 billion users using basic applications today such email, notes, tasks that are not AI-native. Our mission is to build a proactive smart assistant for everyday users to bring intelligence to
大模型infra工程师 (VLM训练) 北京 全职 互联网 / 电子 / 网游 职位描述 负责支撑百亿/千亿级 VLM 从零开始的预训练。直面万卡级集群的通信瓶颈与显存墙，深入分布式训练内核，从第一性原理出发设计并落地业界领先的并行策略与通信调度方案。1. 分布式并行架构设计与演进：主导设计并持续优化 4D 并行（DP/PP/TP/CP）策略。深入理解并落地 DeepEP、Dual Pipe、ZeRO 等核心机制，在多机多卡环境下实现通信与计算的高度重叠，逼近集群线性加速比。2. 集群通信效率极致优化：从拓扑亲和性与通信原语调度层面，对分布式训练中的集体通信模式进行深度调优。通过计算通信重叠、通信分组优化等手段，将集群通信效率逼近硬件带宽上限。3. 显存与算力利用率的极致压榨：围绕 MFU（Model FLOPS Utilization） 和显存利用率两大核心指标，持续进行系统级调优。结合 Context Parallelism 等并行策略，在多卡环境下实现显存、带宽、算力三者之间的最优平衡。4. 训练稳定性与全链路 Profiling：建立系统级性能看护体系，通过端到端 Profiling 精准定位慢节点、通信拥塞及负载不均等系统性瓶颈。从集群调度、存储 I/O 到计算图执行进行全链路分析，保障数月级长稳训练及故障快速恢复。 职位要求 1. 原理级认知：对分布式训练有极深的理解。不仅熟悉主流并行策略的工程实现，更能从数学与系统层面推导通信量、显存峰值与算力之间的制约关系，具备从第一性原理出发设计或改造并行方案的能力。2. 工程实战：精读过
大模型infra工程师 (VLM推理) 北京 全职 互联网 / 电子 / 网游 职位描述 负责 VLM（视觉-语言模型）大规模推理服务的基础设施设计与优化。以极致吞吐与极致成本为核心目标，从服务架构到底层 Kernel 进行全栈压榨，在既定算力预算下支撑尽可能大的业务流量。1. 推理服务架构设计与优化：主导 VLM 在线推理服务的架构设计与持续演进，深度定制 SGLang 推理框架，针对 VLM 特点（长视觉序列、Prefill/Decode 异构计算）进行系统级适配与优化。持续提升服务吞吐上限，降低单 Token 推理成本。2. 显存管理与 KV Cache 极致压榨：针对 VLM 多图/长视频场景下 KV Cache 巨大的问题，设计高效的显存管理方案。深入理解并优化 SGLang 的 RadixAttention（前缀缓存）机制，结合
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
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
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
About Kuoni Tumlare: At Kuoni Tumlare, we deliver truly inspiring and innovative solutions and experiences that create value both for our Partners and Society at large. Our wide portfolio of products and solutions is built on
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。