Infra开发工程师 上海 全职 职位描述 - 负责公司级AI Infra平台建设，为智能驾驶场景提供数据闭环、算力平台、AIOps等基础能力支持。 - 负责数据闭环的构建，建立高效的数据流转设施，搭建稳定的数据闭环链路 - 负责AI平台的设计与研发，建设GPU及异构加速卡的资源池化、任务调度与虚拟化能力。 - 负责向量检索、图数据库等AI基础能力的构建与性能优化。 - 探索并落地面向智能汽车行业的前沿AI Infra技术演进方案。 职位要求 - 具有计算机、人工智能、软件工程、电子信息等相关学科本科/硕士学历。 - 具备以下一项或多项经验： 1. 具备数据闭环、数据链路的开发经验；2. 大规模分布式训练/推理系统、AI平台、资源调度系统、向量检索或图数据库的设计与研发经验；3. 熟悉Linux环境下的Python与C++语言，具备良好的工程与代码规范；4. 熟悉PyTorch/TensorFlow等深度学习框架，具备底层优化或二次开发经验； - 具有良好的工作态度、团队合作精神、主观能动性和跨团队沟通能力。符合以下条件者优先： - 熟悉LLM、图像、多模态或VLA/VLM等模型的训练与推理优化； - 具备自动驾驶、机器人或智能汽车相关领域软件系统开发经验； - 有大模型预训练、RL训练或高性能推理引擎（如vLLM、TensorRT-LLM）的实战经验； - 具备高性能网络、分布式存储或集群调度系统经验。 投递...
优才-具身智能算法工程师（后训练 Infra 方向）-觅蜂子公司 上海 正式 职位描述 1. 负责具身智能后训练框架的设计与迭代，构建支撑真机强化学习的规模化训练能力。2. 深入理解强化学习、模仿学习、在线学习等后训练算法（PPO/SAC/DAgger/RLHF 等），基于算法特性设计高效的训练架构与数据流。3. 设计并实现云端多机多卡训练 + 边缘多机多本体 rollout 的分布式异步训练架构，支撑从单机到百台规模的扩展。4. 构建多种后训练算法的统一框架支撑，实现新算法低成本快速接入与验证。5. 负责云边通信体系设计（权重同步、数据回传、时延隐藏），保障大规模分布式训练的效率与稳定性。6. 跟进后训练领域前沿进展（π0.6 / RLT / flow matching RL 等），具备快速复现并工程化落地新算法的能力。 职位要求 1. 计算机、AI、机器人等相关专业硕士及以上学历。2. 具备扎实的 Python/C++ 编程能力，熟悉分布式系统设计与实现。3. 熟悉强化学习算法（PPO/SAC/DAgger 等），深入理解 on-policy / off-policy / online
优才-模型推理AI Infra开发工程师-中央研发部 上海、北京 正式 职位描述 1. 设计面向具身机器人本体亲和的轻量化、高性能推理框架，支持CNN、Transformer、Mamba、GNN等主流网络结构；2. 面向GPU/NPU的具身多模态算子开发与性能优化，实现内存复用、算子融合、数据排布优化、多流并行等通用加速策略;3.对模型推理过程进行时间、功耗、内存占用分析，定位瓶颈并设计软硬协同优化策略；4. 实现支持 PTQ/QAT 的量化工具链(INT8/INT4/FP8/MXFP8等浮点混合精度)；5. 跟进VLA、世界模型、空间智能等最新算法架构趋势，及时洞察捕捉低精度量化、AI KernelGen、投机推理等在具身本体上的模型高效推理适配技术 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. 深入理解至少一种推理引擎架构(如tensorrt/vllm/sglang/ktransformer/llama-cpp)推理框架架构；3. 熟悉模型量化原理(KL 散度、MinMax、LSQ、AWQ、GPTQ等)及相关工具链；4. 熟悉常见典型算子实现与优化(卷积、矩阵乘、激活、LayerNorm、Softmax、flashattention等)；5. 熟悉MLIR、IREE、Triton、TileLang等至少一中AI编译框架 投递...
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...
具身智能算法实习生（预训练 Infra 方向） 上海 实习 职位描述 1. 参与具身智能统一预训练框架的设计与迭代，支撑 VLA、大模型、世界模型、大小脑等多种模型架构的高效训练。2. 理解 VLA、多模态大模型、世界模型等前沿算法，参与基于算法特性的框架优化方案设计与实现。3. 参与多模态数据加载体系的开发，支持图片、视频、点云、触觉等多种数据格式的高效接入与预处理。4. 参与分布式并行策略（数据并行、模型并行、流水线并行等）的开发与测试。5. 参与数据全生命周期闭环能力建设，包括数据版本管理、质量筛选、配比策略等工具链开发。6. 跟进预训练领域前沿进展，参与新算法的复现与工程化验证。 职位要求 - 计算机、AI 等相关专业硕士在读或优秀本科生。- 熟悉 Python，熟练使用 PyTorch，有深度学习项目经验。- 对多模态模型（VLM/VLA）、视频生成、世界模型等方向有基础理解或强烈兴趣。- 具备良好的工程意识与代码规范，愿意深入理解底层原理。- 实习 3 个月以上优先，能长期实习更佳。加分项- 有分布式训练框架使用或开发经验（DeepSpeed / Megatron / FSDP 等）。- 有论文复现或相关研究经验。- 有开源项目贡献经历。 投递...
具身智能算法实习生（后训练 Infra 方向） 上海 实习 职位描述 1. 参与具身智能后训练框架的设计与迭代，构建支撑真机强化学习的规模化训练能力。2. 理解强化学习、模仿学习等后训练算法（PPO/SAC/DAgger 等），参与基于算法特性的训练架构设计与实现。3. 参与云端多机多卡训练 + 边缘多机多本体 rollout 的分布式异步训练系统开发。4. 参与多种后训练算法的框架侧适配与验证。5. 参与云边通信模块开发（权重同步、数据回传、时延隐藏）。6. 跟进后训练领域前沿进展，参与新算法的复现与工程化验证。 职位要求 - 计算机、AI、机器人等相关专业硕士在读或优秀本科生。- 熟悉 Python，熟练使用 PyTorch，有深度学习项目经验。- 对强化学习（PPO/SAC/DAgger 等）有基础理解或强烈兴趣。- 具备良好的工程意识与代码规范，愿意深入理解底层原理。- 实习 3 个月以上优先，能长期实习更佳。加分项- 有分布式系统或通信框架（RPC / gRPC / ZMQ 等）使用经验。- 有真机强化学习或仿真器（RoboSuite /
大模型平台 & Infra 工程师 深圳、北京、上海 全职 智能机器人板块 职位描述 负责大模型训练、推理和评测的基础设施研发，为算法团队提供高效稳定的工程底座。1、训练系统：设计和优化大规模分布式训练架构（Pretrain/SFT/RL），解决千卡级训练的通信、调度、容错问题；2、推理部署：基于 vLLM 等框架优化大模型推理性能，支撑 VLT/Omni 等模型在 XP5 端侧和云端的部署；3、评测平台：开发 DeepInsight 评测系统，支持 LLM/VLM/WBC/VLA 多类模型的自动化评测、报告生成和 CI/CD 集成；4、MLOps 工具链：构建模型版本管理、实验追踪、数据管理、资源调度等基础设施，提升研发效率；5、RL 训练环境：构建分布式强化学习训练系统，支持 Agent-环境大规模并行交互。 职位要求 1、本科及以上学历，计算机、软件工程等相关专业；2、 精通 Python，熟练掌握 C++/Go 至少一门；3、在以下至少一个方向有 2 年以上经验：- 分布式训练系统（Megatron-LM/DeepSpeed/FSDP）；- GPU 编程与高性能计算（CUDA/NCCL/RDMA）；- ML 平台开发（Kubernetes/Ray/Airflow）；- 模型推理优化（TensorRT/vLLM/量化部署）；4、理解大模型训练和
AI infra架构师 上海 全职 芯片板块 职位描述 1. 基于新一代并行计算架构，负责设计、开发和优化底层算子库，以提升底层芯片的执行性能。2. 与芯片/架构团队紧密配合，持续优化算子性能，逐步完善软硬件架构。3. 分析算子/网络的性能瓶颈，提出性能优化策略，达成性能目标。4. 深入优化平台的性能和硬件资源使用效率，优化AI模型的存储和计算资源利用，包括GPU/TPU、内存、带宽、存储等，提升系统的可靠性、性能和扩展性。5. 持续关注并追踪学术成果和前沿技术，通过对业务需求的理解，推进并行计算架构在深度学习领域的应用。 职位要求 1. 具备优秀的工程实现能力，熟练掌握 C/C++、Python 等常用开发语言，编码规范与工程化意识良好。2. 熟悉主流深度学习框架（TensorFlow、PyTorch 等），具备实际项目开发与性能调优经验。3. 熟悉并行/异构计算体系结构，在 TPU/NPU/GPU 至少一种平台有 5 年及以上的开发与优化经验。4. 有业界常用高性能库（CUDA、cuDNN、TensorRT、OpenCV 等）的开发或性能优化经验者优先。5. 理解指令流水与计算机体系结构，具备面向性能的系统级思维与问题定位能力。6. 具备良好的团队协作与沟通能力，能够清晰表达技术方案，与跨团队成员高效配合推进项目落地。 投递...
【27届校招】AI Infra 工程师 北京、上海、广州 正式 研发 - 算法 通用智能板块 职位描述 1.负责自动驾驶系统基础设施的搭建与优化，包括模型训练、serving和数据挖掘等；2.与其他团队紧密协作，将机器学习方案部署到嵌入式或者云端测试平台；为自动驾驶算法和应用提供良好运行环境。配合算法工程师配置硬件和软件环境，解决算法运行中的基础设施相关问题；3.承担自动驾驶系统的数据闭环工作相关工作，提高数据的数量和质量；4.参与自动驾驶系统的集成与测试。配合其他工程师进行模块集成，确保系统兼容性，制定测试计划对基础设施进行性能和压力测试等；5.编写和维护相关技术文档，记录基础设施设计、搭建和优化过程，为团队成员提供参考。职位要求 职位要求 1.2027 届应届毕业生，计算机科学与技术、电子工程、通信工程、自动化等相关专业；2.具有扎实的计算机基础知识，包括操作系统、计算机网络、数据库等；3.熟悉至少一种编程语言，如 C/C++、Python 等，具备一定编程能力；4.了解云计算、大数据相关技术和概念，有实践经验者优先；5.对自动驾驶技术有浓厚兴趣和热情，愿意投身该领域基础设施建设工作；6.具备良好团队合作精神和沟通能力，能与不同专业背景人员协同工作；7.有较强学习能力和问题解决能力，能快速适应新技术新环境；8.注重细节，有责任心，具备良好抗压能力，能承担一定工作压力。 投递...
【27届校招】AI Infra 部署工程师 广州、北京、上海 正式 研发 - 算法 通用智能板块 职位描述 职位描述：设计、实现与维护自动驾驶软件系统框架，优化系统的性能、延时、稳定性与算法工程师合作，完成端到端大模型的转换与部署，以及模型的预处理/后处理等开发工作负责模型的KPI评测与对齐工作负责功能开发完成后的实车联调、测试及迭代优化等工作 职位要求 岗位要求：计算机、电子信息等相关专业的硕士或博士精通C++、Python，具有良好的代码书写规范和文档编写能力熟悉多线程编程，深入理解计算机体系结构和高性能计算有Linux系统性能优化经验，熟悉常用调试工具具备优秀的问题分析、沟通及协作能力 加分项：熟悉 CUDA 内核与 TensorRT有实际的深度学习模型部署、性能优化经验有自动驾驶或机器人行业相关经验 投递...
【27届校招】AI Infra 推理优化工程师 广州、北京、上海 正式 研发 - 算法 通用智能板块 职位描述 职位描述：我们正在寻找一名专注于模型推理与模型优化的机器学习工程师。你将从模型结构和算法层面出发，对大规模深度学习模型进行优化，使其能够高效部署在小鹏定制的 AI 加速器上。我们通过数据驱动的模型压缩与结构改造，在保证精度的前提下显著降低推理延迟和内存占用。从模型和算法层面对深度学习模型进行推理优化，支持其在小鹏定制 AI 加速器上的高效部署我们的使命是解决自动驾驶，具身职能这一世界级难题。你将与机器学习工程师、编译器工程师和研究科学家紧密合作，将前沿的大模型研究成果转化为可落地的工程方案。 职位要求 职位要求：CS/CE/EE硕士学位，或同等学历，行业经验精通 Python 和 PyTorch，具备良好的研究型和工程型代码能力。对大模型结构（如 Transformer 及其变体）有深入理解。对模型推理框架和工具（onnx，TensorRT, TRT-LLM等）有深入了解。扎实的深度学习基础和推理流程认知。具备模型优化经验，如量化、剪枝、稀疏化、蒸馏等。具备较强的自主学习和论文阅读能力，能够独立推动问题解决。对挑战性和不确定性问题有好奇心，责任感和执行力。 投递...
训练AI Infra系统优化工程师 上海 校招 正式 技术族 - 软件类 职位 ID：A46765 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...
模型推理AI Infra开发工程师 上海 校招 正式 技术族 - 算法类 职位 ID：A125373 职位描述 1. 设计面向具身机器人本体亲和的轻量化、高性能推理框架，支持CNN、Transformer、Mamba、GNN等主流网络结构；2. 面向GPU/NPU的具身多模态算子开发与性能优化，实现内存复用、算子融合、数据排布优化、多流并行等通用加速策略;3.对模型推理过程进行时间、功耗、内存占用分析，定位瓶颈并设计软硬协同优化策略；4. 实现支持 PTQ/QAT 的量化工具链(INT8/INT4/FP8/MXFP8等浮点混合精度)；5. 跟进VLA、世界模型、空间智能等最新算法架构趋势，及时洞察捕捉低精度量化、AI KernelGen、投机推理等在具身本体上的模型高效推理适配技术; 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. 深入理解至少一种推理引擎架构(如tensorrt/vllm/sglang/ktransformer/llama-cpp)推理框架架构；3. 熟悉模型量化原理(KL 散度、MinMax、LSQ、AWQ、GPTQ等)及相关工具链；4. 熟悉常见典型算子实现与优化(卷积、矩阵乘、激活、LayerNorm、Softmax、flashattention等)；5. 熟悉MLIR、IREE、Triton、TileLang等至少一中AI编译框架； 投递...
具身智能算法工程师（预训练 Infra 方向）-觅蜂子公司 上海 校招 正式 技术族 - 算法类 职位 ID：A97791 职位描述 觅蜂科技（Maniformer）是全球领先的一站式物理AI数据服务平台，致力于打造具身智能数据的 “平台型供给” 基础设施，实现数据的体系化、标准化、规模化供给。1. 负责具身智能统一预训练框架的设计与迭代，支撑 VLA、大模型、世界模型、大小脑等多种模型架构的高效训练。2. 深入理解 VLA、多模态大模型、世界模型、视频生成等前沿算法，基于算法特性设计框架层面的训练策略与优化方案。3. 设计并实现多模态数据加载体系，支持图片、视频、点云、触觉等多种数据格式的高效接入与预处理。4. 设计并实现多种分布式并行策略（数据并行、模型并行、流水线并行、混合并行等），适配从百亿到千亿级参数模型的训练需求。5. 构建数据全生命周期闭环能力，包括数据版本管理、质量筛选、配比策略，打通从数据采集到模型训练的完整链路。6. 跟进预训练领域前沿进展，具备快速复现并工程化落地新算法的能力。 职位要求 1. 计算机、AI 等相关专业硕士及以上学历。2. 具备扎实的 Python/C++ 编程能力，熟悉 PyTorch 内部机制（分布式训练、自动微分、算子调度等）。3. 对多模态模型（VLM/VLA）、视频生成模型、世界模型等有深入理解，熟悉其训练范式、数据需求与常见优化技巧。4. 熟悉主流训练框架及分布式训练技术（DeepSpeed / Megatron / FSDP
具身智能算法工程师（后训练 Infra 方向）-觅蜂子公司 上海 校招 正式 技术族 - 算法类 职位 ID：A176440 职位描述 觅蜂科技（Maniformer）是全球领先的一站式物理AI数据服务平台，致力于打造具身智能数据的 “平台型供给” 基础设施，实现数据的体系化、标准化、规模化供给。1. 负责具身智能后训练框架的设计与迭代，构建支撑真机强化学习的规模化训练能力。2. 深入理解强化学习、模仿学习、在线学习等后训练算法（PPO/SAC/DAgger/RLHF 等），基于算法特性设计高效的训练架构与数据流。3. 设计并实现云端多机多卡训练 + 边缘多机多本体 rollout 的分布式异步训练架构，支撑从单机到百台规模的扩展。4. 构建多种后训练算法的统一框架支撑，实现新算法低成本快速接入与验证。5. 负责云边通信体系设计（权重同步、数据回传、时延隐藏），保障大规模分布式训练的效率与稳定性。6. 跟进后训练领域前沿进展（π0.6 / RLT / flow matching RL 等），具备快速复现并工程化落地新算法的能力。 职位要求 1. 计算机、AI、机器人等相关专业硕士及以上学历。2. 具备扎实的
系统研发实习生—AI Infra（工单智能化方向） 上海 校招 实习 研发 - 后端开发 职位描述 加入 AI 基础设施团队，你将在导师指导下参与工单系统的迁移、建设与智能化升级，并逐步承担系统的日常研发和维护工作。1、工单迁移与数据治理： 参与历史工单及相关流程从旧系统向新系统迁移，完成数据清洗、字段映射、校验、回滚方案和迁移工具开发，保障数据完整性与业务连续性；2、工单系统建设： 参与工单系统前后端功能、流程引擎、权限、通知及数据看板等模块的开发、测试、上线和维护，持续改善稳定性与使用体验；3、工单智能化： 基于历史和新增工单，参与数据集构建、知识整理、模型评测，并探索小模型、RAG 或 Agent 在工单分类、摘要、分派、相似案例检索、解决方案推荐和自动跟进等场景的应用；4、工作流优化： 分析工单流转数据和实际处理过程，识别重复操作与效率瓶颈，将有效方案沉淀为可配置、可观测、可持续迭代的自动化工作流；5、系统长期负责： 在导师和团队支持下，逐步负责工单系统的需求对接、技术方案、开发交付、监控告警、问题排查和文档沉淀，建立对系统全生命周期的理解；6、跨团队协作： 与算法、调度、运维及其他基础设施团队协作，理解 AI Infra 场景中的资源与服务流程，推动实际需求落地。你将收获：1、完整参与工业级工单系统从数据迁移、功能建设到智能化升级的全过程，而不只是完成单一功能；2、在真实业务数据和场景中实践 LLM、小模型、RAG、Agent 与评测体系，理解 AI 能力如何可靠地进入生产工作流；3、提升 Go / Python / TypeScript 等工程能力，并积累微服务、数据库、数据治理、可观测性和系统稳定性经验；4、在导师指导下逐步建立系统 owner 意识，锻炼需求分析、方案设计、项目推进和跨团队协作能力。 职位要求 1、在读学生： 本科或硕士在读，计算机、软件工程、人工智能、数据科学等相关专业；能够稳定实习
端云协同 AI Infra 专家 / 工程师 上海 社招 全职 技术 - 基础架构 职位 ID：A41424 职位描述 1. 负责端云协同 AI 架构设计，明确云侧模型、私有化服务、边缘节点、端侧设备之间的职责边界、数据流、控制流和安全边界。2. 围绕面壁miniCPM等系列产品，面向运营商营业厅、客服坐席、现场运维、企业办公终端、边缘网关等场景，建设端云协同的数字员工能力。3. 与 Infra 团队协作，打通云侧模型服务、RAG、Workflow、权限审计、日志监控和端侧运行环境。4. 负责端侧资源约束下的性能优化，包括量化、KV Cache、批处理、缓存策略、网络降级、异构算力调度和功耗控制。5. 沉淀端云协同部署规范、设备适配清单、性能 benchmark、故障排查手册和行业交付模板。 职位要求 1. 本科及以上学历，计算机、电子信息、自动化、通信、人工智能等相关专业。2. 3 年以上端侧 AI、边缘计算、推理优化、嵌入式系统、客户端基础架构或云边端协同系统经验。3. 熟悉 C/C++、Python，了解端侧或边缘设备上的性能调优、资源管理和系统问题排查。4. 熟悉至少一种推理框架或部署工具，如 llama.cpp、ONNX Runtime、TensorRT、SGLang 等。5.
AI院-推理Infra工程师（量化算法研究/推理框架优化/GPU优化） 北京、上海 全职 互联网 / 电子 / 网游 职位描述 【方向一】量化算法研究员-职位描述通过前沿的模型量化、压缩与推理加速技术，显著降低大语言模型及多模态模型的存储占用与计算成本，推动 LLM 的大规模部署。-工作内容1、研发及改进 PTQ（训练后量化）、QAT（量化感知训练）、混合精度量化等核心算法，针对LLM/VLM（大语言模型/视觉语言模型）设计定制化量化方案，持续优化模型精度与推理效率的平衡；2、探索并实践低比特量化（如INT8/INT4/FP8/FP4）、权重稀疏化、知识蒸馏等协同压缩技术，提升压缩率同时控制精度损失；3、开发及优化量化工具链，完成对 GLM 系列模型的转换、量化校准及部署集成；4、 跟踪学术界与工业界前沿量化技术，通过论文复现、实验对比推动技术迭代。-职位要求1、计算机科学、电子工程、数学等相关专业硕士及以上学历，3 年以上模型量化或推理加速经验；或优秀本科生具备扎实项目履历；2、深入理解 Transformer 架构及 LLM 推理流程，精通 Python，熟悉常见的开源 LLM 推理框架（sglang/vllm/trtllm 等）；3、掌握量化原理（校准策略、量化粒度、误差分析）及主流算法（如GPTQ、AWQ）；4、具有 CUDA/Triton 编程经验，能自主实现高性能算子或优化内核计算加分。【方向二】推理框架优化工程师-职位描述1、高性能算子开发与优化：负责AI模型（尤其是大语言模型及多模态模型）在GPU上的核心算子（Kernel）的设计、开发与极致性能优化，支撑训练和推理场景的高效运行。2、性能分析与调优：深入分析GPU应用程序的性能瓶颈，通过优化内存访问模式、线程调度、执行效率等手段，显著提升计算密集型任务的吞吐量和降低延迟。3、技术集成与应用：研究并应用业界前沿的优化技术（如模型量化QAT/PTQ、算子融合、动态形状支持、FlashAttention等），并将其集成至推理/训练引擎。-职位要求1、编程能力：具备3年及以上GPU编程与高性能计算优化经验，深入理解GPU架构、并行计算原理、计算机体系结构，具备高性能计算内核的开发与优化经验。2、精通C/C++，具备扎实的编程基础、良好的编程风格和丰富的调试经验；熟练掌握Python；熟悉Linux开发环境。3、性能优化经验：能够熟练使用Nsight Compute、Nsight Systems等GPU性能分析工具，有实际的性能优化案例和成果，能独立定位和解决复杂的性能问题。4、算法基础：熟悉基础数学函数、线性代数、矩阵运算、数值计算等数学库相关算法，了解深度学习常见算子的计算方式。【方向三】GPU优化工程师-职位描述利用对 cuda 生态软件和底层体系结构的了解，帮助团队优化训练和推理的计算效率。-工作内容1、高性能算子开发与优化：负责AI模型（尤其是大语言模型及多模态模型）在GPU上的核心算子（Kernel）的设计、开发与极致性能优化，支撑训练和推理场景的高效运行。2、性能分析与调优：深入分析GPU应用程序的性能瓶颈，通过优化内存访问模式、线程调度、执行效率、多流并行协同等手段，显著提升计算密集型任务的吞吐量和降低延迟。3、技术选型：对 GPU 领域相关的 DSL/编译器（例如 triton/cuteDSL/tilelang）等进行尝试和了解，确定团队内的 DSL/编译器的技术选型，为未来的迭代做好技术储备。-职位要求1、编程能力：具备3年及以上GPU编程与高性能计算优化经验，深入理解GPU架构、并行计算原理、计算机体系结构，具备高性能计算内核的开发与优化经验。2、精通C/C++，具备扎实的编程基础、良好的编程风格和丰富的调试经验；熟练掌握Python；熟悉Linux开发环境。3、性能优化经验：能够熟练使用Nsight Compute、Nsight Systems等GPU性能分析工具，有实际的性能优化案例和成果，能独立定位和解决复杂的性能问题。4、算法基础：熟悉基础数学函数、线性代数、矩阵运算、数值计算等数学库相关算法，了解深度学习常见算子的计算方式。 职位要求 -
AI院-训练Infra工程师 北京、上海 全职 互联网 / 电子 / 网游 职位描述 1、负责大规模预训练框架的研发、优化和维护，根据业务需求持续改进训练框架和策略，提升模型训练效率2、分析和定位训练中的性能瓶颈，实施针对性优化措施，提升训练效率和稳定性3、跟进业界技术进展，不断同步与集成最新训练优化策略 职位要求 1、对自然语言处理、计算机视觉和多模态算法有深入理解，熟悉主流的 LLM 和 VLM 模型架构，有分布式训练经验2、精通 Python 编程语言，熟悉 PyTorch 深度学习框架和 Megatron 分布式训练框架3、有大规模预训练优化 / MoE 训练优化经验的优先考虑加分项：1、在ACM、NOI、IOI、超算比赛中有获奖经历者优先2、具有 cuda 算子优化/profiling 能力者优先 投递...
Data Infra Tech Lead 北京、上海、苏州 全职 研发 - 高级技术职位 职位描述 1、负责自动驾驶 & 通用大模型双赛道的数据底层基建全链路架构设计与研发，搭建支撑 VLM 大模型、视频生成、自动驾驶世界模型、端到端智驾模型训练的高性能、高可扩展数据生产平台；2、打通图像、视频、激光雷达点云、多传感器时序数据全生命周期链路，构建行业领先的数据治理体系，用 AI 工程化能力反哺数据生产全流程，持续驱动模型迭代效率与数据质量上限。 职位要求 1、经验门槛：具备扎实的大规模分布式系统架构设计、底层数据平台基建开发经验，具备完整复杂系统从 0 到 1 架构搭建与迭代优化经验；2、编程能力：精通 Python，熟练掌握 Go/C++ 至少一门主力开发语言，具备优秀的工程化设计、代码架构与性能调优能力；3、大数据基建功底：深度精通分布式数据处理技术，拥有TB/PB 级海量多模态数据存储、计算、调度、流水线开发经验，熟悉湖仓一体、对象存储、分布式计算生态技术栈；4、大模型全流程认知：深度熟悉大模型训练全流程，完整了解预训练、SFT 微调、RLHF 对齐全链路，理解大模型训练对数据体系、数据质量、数据供给链路的核心诉求。加分项：1、具备自动驾驶领域数据基建经验优先，熟悉激光雷达点云、车载多传感器融合数据处理、智驾场景数据挖掘、自动驾驶世界模型 / 端到端大模型数据体系建设经验优先；2、有长视频数据处理、3D 数据基建、大规模预训练数据集构建经验优先。 投递...