AI Infra软硬件结合开发工程师

在这里，你将成为大模型技术落地的“硬核引擎缔造者”。你将参与构建 AI Infra计算基础设施过程，从GPU单卡到多卡、超节点、万卡集群，通过软硬件协同优化技术，近距离与大模型设计者协同设计，通过融合算子设计、多卡分布式并行、计算通信融合、计算存储融合、通信存储融合、异构计算加速等软硬件结合优化技术，让每一个GPU发挥出极致性能，让大模型在训练、推理、调度全链路中的表现出卓越性能。你的代码将直接决定大模型训练的效率、推理的响应速度以及集群资源的利用率，为 AI 时代的算力底座注入核心动力。

1. 01

   软硬件协同优化 •负责软硬件协同设计，优化计算性能、能耗效率和系统稳定性； •针对特定应用场景（如AI推理、分布式存储、实时计算等），设计并实现高效的软硬件解决方案。

2. 02

   基于FPGA/ASIC芯片的设计与开发 •参与FPGA/ASIC芯片的RTL设计与验证，包括C-Model、算法映射、硬件架构设计和性能调优； •开发硬件抽象层（HAL）和相关工具链，支持硬件加速器与上层软件的无缝集成； •参与硬件加速器及系统仿真模型的开发和调试。

3. 03

   计算平台软硬件结合技术开发和优化 •研发基于CPU、GPU、FPGA、ASIC等硬件的计算平台，实现计算加速、计算算子、融合算子等开发优化，提升AI训练和推理等业务的计算性能； •基于自研芯片服务器，实现超节点ScaleUp互连管控、分布式并行计算研发、多卡高效通信与加速，实现AI和通用计算的超节点高效运行。

4. 04

   操作系统与固件开发 •优化Linux内核、设备驱动和固件，提升硬件资源利用率和系统响应速度； •开发针对特定硬件的定制化操作系统模块，满足高性能计算需求。

5. 05

   开发者工具与生态建设 •开发软硬件结合的开发者工具链（如SDK、CLI、IDE插件），降低开发门槛； •构建开放的技术生态，推动软硬件一体化解决方案的广泛应用。

1. 01

   快速学习与创新能力 •具备快速学习新技术的能力，能够不断突破软硬件结合领域的技术瓶颈； •对前沿技术保持敏感，勇于探索未知领域，随时准备好迎接新挑战；

2. 02

   扎实的软硬件基础 •熟悉计算机体系结构、操作系统原理、网络协议和分布式系统； •具备硬件设计经验（如FPGA、ASIC）或嵌入式开发经验，熟悉Verilog/VHDL等硬件描述语言；

3. 03

   编程能力 •精通至少一种编程语言（如C/C++、Python、Go），具备良好的代码风格和工程实践能力； •熟悉底层开发（如驱动开发、固件开发）和高性能分布式并行计算开发，熟悉CUDA kernel开发；

4. 04

   广阔的技术视野 •在软硬件结合领域有实际项目经验，能够从系统层面分析和解决问题； •熟悉云计算及相关产品，熟悉数据中心计算，存储，网络相关的技术； •了解前沿的AI技术，对AI所需的硬件系统有比较好的了解；

5. 05

   团队协作与沟通能力 •具备良好的沟通能力和团队协作精神，能够在跨团队项目中高效合作； •能够清晰表达技术方案，并推动复杂项目的落地实施。

【加分项】

1. 01

   有AI应用或Agent实际落地经验：包括不限于RAG系统、多智能体编排、结合MCP、Skill等的Agent项目，有可展示的项目/实习成果者优先；

2. 02

   开源贡献或技术影响力：在Github上有高质量AI项目、技术博客或社区影响力；

3. 03

   对AI Infra有基本理解：了解vLLM、Ollama等推理框架原理，理解延迟优化、KV cache优化、流式输出等工程全景视角；

4. 04

   在 CV（计算机视觉）或 NLP（自然语言处理）方向有扎实的理论基础，有实际业务场景模型训练(SFT、RL)等经验的优先。