岗位职责
- 针对整机柜超节点服务器，全面赋能计算、互联、监控、故障及性能诊断等核心能力；
- 梳理适配超节点异构服务器产品的业务场景，开展对应的昆仑组件设计与开发，涵盖性能评测分析、容器镜像等关键模块；
- 基于整机柜硬件架构及典型业务落地场景，构建典型故障与异常案例库，并设计相应的故障诊断方案；
- 负责跟踪与研究主流GPU架构设计技术，参与下一代AI Infra的规划与设计；
- 结合业务画像，构建面向异构硬件与系统的全链路量化分析模型，形成数据驱动的决策数据库，有效推动异构服务器产品的规划与规模化落地。
职位要求
- 具备5年以上异构计算软硬件结合开发经验，熟悉GPU/AI ASIC部件的硬件设计、芯片架构以及对应的服务器系统设计；熟悉至少一种主流GPU架构（NVIDIA GPU、AMD GPU等）者优先；
- 具有 GPGPU 微架构分析的实践经验，具有 AI 芯片设计及相关软硬件技术研究成果者优先；
- 熟悉 GPU 满载运行过程中常见的 RAS（可靠性、可用性、可维护性）质量稳定性问题，以及软硬件协同性能profiling等相关技术问题，并具备实际解决问题的能力；
- 熟悉python、C++及Linux开发环境 ，熟练掌握CUDA编程技术；具备Cutlass、Triton等开发调优经验者优先；掌握常用profiling工具的使用和分析能力；
- 熟练掌握基础AI框架（如PyTorch、TensorFlow），大模型训练框架（如Megatron、DeepSpeed）和大模型推理框架（如SGLang、vLLM）；
- 深入理解常见大模型结构及算法原理，掌握训练推理的主流工程优化技术；
- 掌握AI基础知识，掌握基础提示词工程，会使用Al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。
- 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。
