岗位职责
- 作为阿里星顶尖人才计划的一员，你将直面极具挑战性的 AI 计算问题，与硬件架构和芯片设计团队并肩，参与并推动 AI 软硬件协同生态的演进方向，打造一流的 AI 加速引擎。
- 深入研究 Attention、MoE、GEMM、Conv 等模型架构与核心计算模式，设计并实现极致性能的计算内核，支撑大语言模型、自动驾驶、具身智能等核心场景的高效推理与训练；
- 深入分析 AI 芯片硬件底层微架构特性，通过软硬协同设计榨干芯片每一份性能潜力；
- 深度参与主流推理与训练框架（如 PyTorch、vLLM、SGLang）的性能优化，面向超节点、万卡集群等场景探索通算融合等前沿优化技术，落实 Qwen、DeepSeek 等千亿级参数模型的极速部署；
- 追踪 AI 领域前沿的加速技术方案，与芯片架构团队紧密协作，共同定义下一代 AI 芯片的计算原语与编程模型，推动软硬一体的技术演进；
- 探索并落地基于Agent 智能体的研发范式，将性能分析、代码生成与验证反馈串联为可迭代的自动化工作流，重新定义高性能计算研发的效率上限。
职位要求
- 计算机、电子、微电子等相关专业博士/硕士学历；
- 科研经历出色：在高性能计算、AI 系统、计算机体系结构或相关领域有深入的研究积累，具备独立开展前沿课题研究的能力；
- 精通 C/C++，对数据结构与算法、操作系统、计算机体系结构有深刻理解，具备扎实的系统级思维和工程落地能力；
- 对软硬结合的技术方向有强烈热情——理解硬件约束如何驱动软件设计，乐于在芯片与算法的交叉地带寻找高效解；
- 具备良好的学术写作与英文沟通能力，能独立撰写高质量论文并与国际同行进行技术交流。 加分项：
- 熟悉 CUDA / GPU 开发，有高性能计算（HPC）或深度学习等领域 kernel 开发优化实战经验；
- 有 PyTorch / vLLM / SGLang / CUTLASS / Triton 等主流开源项目的核心代码贡献经历；
- 熟悉大模型相关加速技术（如量化、KV Cache 管理、MoE 负载均衡、Speculative Decoding 等），并有对应的研究成果；
- 有 Agent 智能体进行代码生成、自动化调优或工作流编排的实践经验；
- 在 ACM-ICPC、数学建模或各类 AI 性能挑战赛中取得过优异成绩。
