AI Infra研发

在本岗位，您将有机会深入基础设施技术本质，同时驱动大模型与业务高效落地，具体将参与： 1. 大模型训练与推理基础设施研发：参与构建和优化面向大规模分布式训练/推理的Infra平台，支持文本、图像、视频、语音等多模态大模型、扩散模型的训练与推理。涵盖集群资源调度、训练框架优化、高性能通信、混合精度训练、显存优化等关键环节，确保模型的训练效率与系统稳定性。 2. 前沿Infra技术探索与创新：持续跟踪并攻关大模型基础设施领域的前沿方向（如：超大规模异构集群管理、更高效的并行策略、MoE训练/推理优化、量化与推理加速框架、多模态模型高效并行策略等），通过系统创新显著提升训练吞吐、降低推理成本、改善资源利用率。 3. 大模型基础设施应用落地与赋能：将先进的Infra能力与公司大模型业务场景深度结合，主导技术方案的设计与实现，具体支持方向包括但不限于： 。训练效率提升：支持Pretrain、SFT、RLHF等全流程训练任务，优化端到端训练性能； 。推理服务优化：构建高并发、低延迟的在线推理平台，支持多模态大模型的实时服务； 。成本与弹性优化：实现智能资源调度、Spot实例利用、自动扩缩容等，显著降低大模型训练与推理的算力成本； 。稳定性保障：打造高可用、故障自愈的分布式训练系统，确保7×24小时稳定运行； 4. 技术价值闭环：深度理解大模型训练与业务需求，利用平台海量算力与数据资源，推动Infra技术创新落地，并通过性能指标、成本指标、实验验证等科学方法衡量技术价值，最终为大模型研发提效、降本，并支撑业务增长。

1. 教育背景：2026.9-2027.8期间已获得或即将获得博士/硕士学位的同学，计算机科学、软件工程、电子信息、自动化等相关专业优先。 2. 技术根基： 。具备扎实的计算机系统基础（操作系统、计算机网络、分布式系统、编译原理等），出色的编程能力和工程实现能力（熟练掌握C/C++、Python，熟悉Go/Rust者优先） 。深入理解大规模分布式系统原理，熟悉至少一种主流大模型训练/推理框架（PyTorch、Megatron、DeepSpeed、vLLM、TVM等） 。有GPU/异构集群相关经验者优先，熟悉RDMA、NVLink、InfiniBand等高性能网络者优先 3. 创新与问题解决能力：具备极强的学习能力、主动性和系统性思维，能够独立分析和解决复杂工程与性能问题，对将系统优化技术应用于大模型场景充满热情。 4. 成果导向：在学术或工业项目中有突出表现者优先，例如但不限于： 。在系统/架构相关顶级会议/期刊发表过论文 。在ACM/ICPC、知名编程或系统竞赛中获奖 。主导或深度参与过高性能计算、分布式系统、大模型训练平台等具有较大技术影响力的项目