岗位职责
- 主导大模型推理性能优化：通过算子优化、模型压缩/量化/稀疏化、推理引擎开发及分布式系统设计等技术手段，全面提升大模型在GPU/PPU等异构硬件上的推理速度、系统效率与部署性价比。
- 开展软硬协同的深度调优：针对不同架构和规模的AI加速硬件（如GPU、专用AI芯片），对KV Cache管理、内存调度、计算图优化等核心模块进行定制化性能调优，突破算力与访存瓶颈。
- 支撑多模态与前沿模型架构落地：参与大模型推理系统的核心模块研发，支持Transformer、MoE、Diffusion、LLM、VLM等多种架构的高性能推理，并与算法、产品及业务团队紧密协作，实现端到端场景优化。
- 构建高性能AI基础设施：基于软硬件协同理念，打造业界优秀的AI推理底座，通过融合模型算法与底层硬件特性，释放组合优化潜力，形成显著的性能与成本优势。
- 追踪和引领技术前沿：持续关注大模型推理领域的新研究成果与开源生态，推动技术创新与工程落地，发掘软硬结合的技术创新，强化技术壁垒与商业竞争力。
职位要求
- 扎实的专业基础与经验：计算机、人工智能或相关专业，5年以上AI大模型推理系统或性能优化方向工作经验，具备扎实的计算机体系结构知识和大模型技术理解。
- 出色的工程与编程能力：精通C++/Python，熟练使用主流推理框架（如vLLM、SGLang、TensorRT-LLM）及性能分析工具，具备独立完成高性能模块开发与调优的能力。
- 丰富的优化实战经验：在大模型推理、算子开发、模型压缩/量化、分布式部署与调度等方面有实际项目经验，熟悉GPU/AI加速库（如cuBLAS、cuDNN、Cutlass）及并行通信技术（如NVLink、模型/流水线并行）。
- 系统性技术认知：深入理解深度学习算法原理与AI部署全流程，掌握常见的性能瓶颈分析方法与加速优化策略，能从算法到硬件全栈思考问题。
- 创新与协作：具备快速学习与技术钻研和创新能力，拥有良好的沟通表达与跨团队协作能力，有开源项目贡献（如vLLM/SGLang）、高水平论文、专利者优先。
- 技术热情和自驱：有强烈技术热情和好奇心，自驱力和学习力强；具备良好的分析与解决问题的能力、沟通以及团队合作能力；喜欢挑战性的技术研发工作，善于攻坚克难，有创新热情，积极乐观，坚韧抗压，结果导向，能够持续推动问题的解决和突破。
- AI驱动：会使用AI专业工具，集成AI到个人工作流；有AI相关开发工具应用研发经验者优先，持有阿里云ACA/ACP/ACE认证证书者优先。
