算力研究员

【岗位职责】
1.开展超大规模智算集群技术体系研究，制定高性能计算、无损网络、分布式存储、DPU/智能网卡、资管平台等存算网一体化技术方案，支撑构建可支持超大模型分布式训推、可提供VM/Container/BM全算力服务形态的智算底座；
2.开展异构算力池化技术体系研究，攻关算力抽象、跨架构编译、自适应运行、池化调度、非均匀切分框架、异构集合通信等关键技术，开展异构池化平台系统研发，实现模型跨厂商、跨架构异构混推混训；
3.研究大模型推理优化系列技术、高性能编译优化与集合通信技术，提升模型并行计算过程中的计算与通信效率；
4.研究算法平台与MLOps技术，建设训练作业管理、资源调度、实验追踪、模型注册及版本血缘管理能力，支撑模型研发与运行管理；
5.研究跨域智算集群统一调度和算力并网相关技术和方案，支持跨域异属异构智算资源的统一接入、调度与交易；
6.参与相关技术标准制定与修订，申请发明专利，撰写技术研究报告、白皮书等，产出高质量学术论文。
【任职资格】
1.硕士研究生及以上学历，电子信息、计算机、人工智能、高性能计算等相关专业；
2.具备扎实的智能计算体系结构、基础软件系统、资源管理平台、分布式计算框架、智算网络优化等基础，熟悉GPU架构；
3.熟悉大模型、智能体技术，对智能网卡、DPU等软硬协同加速技术有深入理解者优先；
4.熟悉DeepSpeed、Megatron、SGLang等训推框架，有大规模训/推智算集群或系统研究、研发、落地经历者优先；
5.熟悉算力抽象、异构池化、编译优化或高速通信技术，有跨架构基础软件开发、Triton/MLIR优化、RDMA或NCCL调优经历者优先；
6.熟悉OpenStack、容器与Kubernetes生态，了解资源调度、实验追踪、模型版本管理及自动化流水线，有MLflow、Kubeflow等MLOps工具实践者优先；
7.具备良好的系统分析、技术研究与团队协作能力，有异构算力池化、国产算力适配、高性能系统研发、论文专利、标准研制或开源贡献者优先；
8.能够通过吞吐量、时延、显存占用或资源利用率等指标验证优化效果；有CUDA/Triton、PyTorch分布式、SGLang、Kubernetes或MLflow等相关实践者优先。