工作职责： 1. AI算法工程化落地与FDE前向交付：负责AI算法的工程化适配与底层性能优化，结合推理引擎、分布式训练等AI Infra技术栈，保障模型线上推理的极致性能与高可用投产；同时深入客户现场或业务一线，完成需求拆解、方案设计、PoC验证、上线护航与验收交付，快速诊断现场推理性能、服务稳定性等问题并推动交付闭环，沉淀可复用的部署文档、调优指南与行业交付方案。 2. 推理引擎加速与优化：掌握vLLM、TensorRT-LLM、SGLang等主流推理引擎，开展算子加速、显存管理（KV Cache优化、量化）等工作，降低推理延迟与单位Token的计算成本，并结合客户实际硬件与流量特征完成参数调优与成本性能平衡。 3. 分布式训练基础设施：搭建并优化分布式训练集群，熟悉PyTorch DDP、DeepSpeed等分布式训练框架，保障大规模模型训练的高效性与稳定性，支持客户侧或业务侧的微调、增量训练需求与训练环境交付。 4. 高并发服务部署与运维：设计并实现大模型的高并发推理服务架构，构建全链路监控与可观测性（Observability）系统，保障线上服务的低延迟、高吞吐与故障自愈，并面向客户生产环境制定SLA/SLO、告警策略与容灾预案。 5. 国产化算力适配：负责AI模型在国产化算力环境下的迁移与适配，基于厂商提供的适配框架与工具链完成模型部署、精度对齐、性能压测与调优，解决环境兼容性与稳定性问题，确保功能一致与性能达标，并完成客户现场的端到端验证与交付验收。 任职资格： 1. 学历与专业背景：硕士及以上学历，计算机、软件工程等相关专业；具备扎实的计算机系统、并行计算与深度学习基础。 2. 推理引擎掌握：熟悉vLLM、TensorRT-LLM、NVIDIA Triton等主流推理引擎，有算子开发、CUDA/OpenAI Triton编程或推理优化实战经验者优先。 3. 工程化与交付能力：熟练掌握Python/C++，熟悉Linux系统编程，具备高并发服务部署与性能调优经验；具备良好的客户沟通与需求抽象能力，能独立完成现场部署、问题诊断与交付闭环，有To B/To G项目交付经验者优先；了解Go者优先。 4. 加分项：有AI Infra开源项目贡献经验；熟悉LLMOps全链路；有国产化算力适配经验；有大规模智算集群调度与运维经验者优先。