AI Infra实习生-2027届校招项目

你将参与到训练与推理引擎的底层性能优化工作中，直面算子计算、显存管理、并行策略及执行链路等核心环节。具体可能涉及： • 基于 CUDA / Triton / TileLang 等技术，参与高性能算子（如 Attention、GEMM 等）的设计与实现，涵盖 FP16 / BF16 / FP8 / INT8 等多精度类型；

• 针对 PyTorch 训练与推理场景进行性能分析与优化，解决长序列 Attention 等典型痛点问题；

• 借助 Nsight Compute / Nsight Systems 等工具，对算子进行精细化的性能剖析与调优；

• 参与分布式并行（CP / DP）场景下的算子与通信协同优化。 我们不会要求你立刻上手全部内容，但希望你对未知领域有强烈的好奇心和快速进入的能力

• 2027届 本科及以上学历在读，来自计算机、电子工程、计算数学、工程优化等相关理工科专业；

• 具备扎实的 C++ 编程能力，对底层系统有天然的亲近感；

• 对 GPU 编程模型（CUDA / Triton / TileLang 之一）有基本了解，或愿意在短时间内系统性补齐；

• 拥有算子开发或任意领域性能优化相关的课程项目 / 实习 / 个人实践经历——哪怕是小型实验，只要是你亲手从问题定义到实现跑通的，我们都欢迎；

• 具备良好的工程习惯和问题拆解能力，遇到复杂问题时善于分层分析、逐步推进；

• 表达清晰，乐于沟通，能够在技术讨论中把自己的思路讲明白。 加分项（非必需，但如果你有，请务必告诉我们）： • ACM、编程比较获奖经历；

• 有开源项目、技术博客或技术分享经历，我们喜欢愿意输出的人。 相比“你已经会什么”，我们更看重 “你能多快学会不会的” 。 我们改变传统的技术栈匹配式招聘，更加关注你的 底层素质，比如 ： • 抽象与建模能力 ——面对一段复杂的现实描述或一篇晦涩的论文，快速地在脑中建立起精确的逻辑模型；

• 问题拆解与分治能力 ——遇到一个庞杂、无头绪的大问题，本能地把大问题切分成可执行的小块；

• 第一性原理思考 ——习惯性地回归物理极限，如显存带宽，来判断可行性，而不是仅凭经验估算；

• 不确定性耐受与探索欲 ——在没有标准答案、没有教程、甚至没有前人的领域，保持兴奋。驱动力不是是“完成任务”，而是“搞懂真相”；

• 符号与逻辑的直觉 ——对指针偏移、内存地址、位运算、并发竞态条件有极强的“直觉预警”，写代码前已经能预判此处可能炸显存或死锁