计算机、软件工程、人工智能等相关专业，具备扎实的 计算机体系结构、操作系统、数据结构与算法 基础；理解 并行与分布式系统、GPU 架构、SIMD / SIMT、Memory Hierarchy等基本概念。 掌握深度学习基本原理，熟悉 Transformer、Attention、MoE 等主流大模型结构，对大模型推理过程和基本性能瓶颈有一定理解。了解常见大模型并行策略 TP / EP / CP / DP 等的基本原理，并可结合模型特点、硬件信息等进行宏观性能分析。 具备良好的 C++ / Python 编程能力，有 CUDA / Triton 或其他算子开发、GPU 编程相关实践经验。 具备一定的模型性能 Profiling、分析和优化 能力，能够从计算、显存/内存带宽、Kernel 执行等角度分析程序性能瓶颈。 具备较强的学习能力、问题分析能力和工程实践能力，对 大模型、推理系统、GPU 性能优化 等方向有浓厚兴趣。