负责如下一个或多个方向的存储系统算法技术研究与应用落地。 1、研发针对 LLM 训练与推理的 I/O 加速技术，通过高效的KV Cache卸载、异构算力加速与缓存技术提升大模型推理的并发处理能力，消除存储瓶颈提升GPU/NPU利用率； 2、设计支持EB级规模的分布式存储系统，优化文件系统元数据管理、数据索引及CXL/RDMA等网络协议栈，构建高吞吐低延迟的AI集群存储底座； 3、针对NVMe SSD、非易失内存等新型介质设计智能缓存、数据排布、FTL优化及编码算法，研发面向AI工作负载的自适应数据获取与调度策略,提升介质层数据读写性能。 1、计算机、电子、通信、自动化、数学、物理等相关专业，具备扎实的数学、算法基础； 2、具备AI大模型、近存计算、存算协同、硬件加速（GPU/NPU/FPGA）或分布式算法优化经验，有相关顶会论文或大型项目经验者优先； 3、熟悉分布式存储系统与网络架构,RDMA/RoCE 通信协议，有 SPDK、NVMe-oF 或 GPU Direct Storage (GDS) 等高性能存储技术实战经验者优先； 4、精通数据结构和算法，熟悉索引结构、元数据管理技术，熟练掌握C/C++、Python/Matlab等编程仿真工具，有Linux环境下开发经验； 5、深入理解存储介质特性（如SSD/HDD/SCM）及接口协议，熟悉SSD控制器技术（FTL、GC、IO流），有相关项目经验者优先； 6、同时具备独立工作能力、良好的沟通协作能力和自驱力。