高性能计算与 GPU 加速工程师（量化方向）

为量化研究中的相关性计算、拟合、特征生成、矩阵运算等高吞吐任务设计 GPU 加速方案。

基于 profiling 判断 CPU/GPU 计算、存储和通信瓶颈，设计端到端加速链路。

开发和优化 CUDA/C++ 高性能算子，提升显存访问效率、计算并行度及 kernel 融合效果。

优化 CPU-GPU 数据传输、批处理、分块、异步流水和多卡通信，减少不必要的数据搬运。

将高性能能力封装为稳定的 Python/C++ 接口，支持研究员快速调用与结果校验。

参与异构集群任务编排，平衡计算、显存、网络带宽和任务吞吐

计算机、电子、数学等相关专业，本科及以上学历。

熟练掌握 C++，具备 CUDA 开发与性能调优经验。

理解 GPU 架构、线程层级、warp 调度、显存层级、coalesced access、共享内存及 Tensor Core。

熟悉 PyTorch、CuPy、Numba、Triton 或 CUDA Python/C++ 扩展中的一种或多种。

熟悉 GPU 性能分析工具，如 Nsight Systems、Nsight Compute、PyTorch Profiler。

具备将研究/业务需求落地为可复用高性能组件的能力。

加分项

有 CUDA kernel、cuBLAS/cuSPARSE、NCCL、RDMA、NVLink 或多卡通信优化经验。

有数据密集型计算、图计算、科学计算或量化计算实习经验。

熟悉 CPU SIMD、NUMA 和存储 IO，能做 CPU/GPU 协同优化。

有 AI 训练推理优化实习经验，能从模型场景迁移到通用数据计算场景