岗位职责
- 负责构建新一代大模型推理引擎并主导性能优化，涵盖CUDA/Triton算子开发、vLLM/SGLang框架升级、分布式推理策略优化、量化/稀疏化等模型效能加速技术，优化多模态语音理解/语音生成等多模态生成大模型在GPU集群上的推理性能，实现低延迟、高吞吐的工业级部署；
- 研发GPU推理加速技术栈，设计最佳分布式通算结合方案，搭建PCIe通信与高并发推理架构；
- 负责高性能方案前瞻性建设，构建基于C++/Python研发的高性能推理系统；
- 与上下游部门深度合作，分析性能瓶颈，通过软硬结合提升模型训推效率，优化和部署语音大模型，支撑语音多模态场景下的性能优化需求并推动业务落地，支持AI工具链和技术生态建设，推动AI关键业务发展。
职位要求
- 精通Python，熟悉C++特性，具备高性能代码开发能力和算法相关经验；
- 至少具备以下一个领域经验：GPU编程（CUDA/Triton/AscendC/TileLang开发）、模型量化/稀疏化/蒸馏、基于vLLM的框架研发、并行计算通算结合（多卡/多机推理优化）；
- 符合以下条件者优先：拥有推理系统经验、具备vLLM/SGLang开发经验、Tilelang/Tritton开发经验，深入了解Transformer架构，有量化/稀疏化等相关技术落地或者论文发表等相关经验。
