工作职责： 该实习生职位正在寻找一位对固件测试开发工作感兴趣的优秀在校学生。候选人预计将从事开发各种测试脚本，自动化，AI 测试等领域。 ● 能读懂软件固件架构以及质量控制要求，理解相关测试用例； ● 设计自动化脚本，或者负责无人值守测试的一个或多个管道开发， 提高测试自动化率； ● 维护基于AI的智能验证系统的开发和部署，以及自动化验证。 任职要求： ● 本科及以上学历，就读于计算机、电子工程等相关专业； ● C/C++或者嵌入式系统编程经验，熟悉一种或以上CPU架构如x86, ARM, RISC-V等; ● 有Python自动化开发经验者优先； ● 有软件固件测试开发或windows/Linux软件测试经验者优先； ● 熟悉生成式人工智能算法，有Agent、MCP等大模型应用使用部署经验，熟悉GPT、Claude等大模型应用； ● 良好的自我驱动以及团队合作精神。 每周至少能有3-4天工作时间并能持续半年以上。

我们正在招聘一名 AI 安全工程师实习生，参与基于 大语言模型（LLM）的 AI Agent 在安全工程领域的设计与开发。该岗位聚焦于使用 AI Agent 技术，提升安全分析和工程流程的自动化与智能化水平。 工作内容 ● 设计和开发面向安全工程的 AI Agents，支持以下场景： ● CVE 漏洞分析、分级与初步研判 ● 安全公告（Security Advisory）的整理与生成 ● SDL（安全开发生命周期）相关任务的自动化支持 ● 调研并实践最新的 AI Agent 技术与框架，包括但不限于：OpenClaw、OpenCode 等 ● 与安全工程师协作，将 AI Agent 能力集成到实际安全工具与流程中 任职要求 ● 计算机科学、网络安全、人工智能或相关专业在读（本科或硕士） ● 具备扎实的 Python 编程能力 ● 了解基本的软件安全概念，如：CVE / CWE，安全开发生命周期（SDL） ● 对大语言模型、Prompt 设计或 AI Agent 有学习兴趣和实践经验 ● 具备较强的学习，沟通能力和工程实践意愿 加分项 ● 使用过 AI Agent / Coding Agent 框架或工具 ● 有安全分析、自动化工具、或 AI 相关项目经验（GitHub / 项目展示加分） ● 了解 API 设计或 Agent 作为服务的使用方式 工作地点： 上海 实习周期： 6 个月，每周3天以上

我们是位于上海紫竹的英特尔亚太研发中心的芯片工程团队。我们团队主要负责全球芯片 Firmware（固件）的开发。在这里你将： - 参与芯片固件和系统软件的开发和测试，芯片功能的验证 - 使用芯片固件开发的工具 - 参与那些重要，复杂，且有趣的问题的分析与解决 - 基于前沿技术开发芯片的功能，提高我们的芯片的质量和性能 - 和全球各个国家的工程师一起工作，了解不同国家的文化。 - 以及学习如何系统化思考，如何进行软件质量管理，如何提高软件质量，如何设计软件开发流程等 - 以及了解intel的文化等 要求： - 良好的中英文沟通能力，并能独立学习，自主工作。 - 愿意学习新知识并能快速运用 - 基本的脚本及编程基础，比如C++, C, 汇编语言等 - 了解IA32和X64系统架构，操作系统，硬件架构基本知识 - 计算机，电子工程及相关专业研究生2年级的学生，每周至少能有3-4天工作时间并能持续半年以上。

实习岗位概述 作为 I/O 性能优化与验证实习生，你将参与Intel Xeon 处理器平台级 I/O 性能工作，重点面向中国头部云服务提供商（CSP）的实际系统与工作负载。 在资深 PTP 工程师的指导下，你将参与 平台级 I/O 性能验证、基准测试、分析与优化支持工作，覆盖存储、网络与 AI 系统 I/O 路径，并接触 Xeon 产品开发流程中的关键阶段。 核心职责（实习生职责范围） 1. Xeon 平台级 I/O 性能支持 ● 参与 Xeon 平台级 I/O 性能验证与优化支持工作，涵盖： ● CPU / PCIe 设备 / 内存 / 系统拓扑 ● BIOS / 固件 / 操作系统 / 驱动栈 ● 执行既定测试用例，采集性能数据，协助分析性能差异和潜在瓶颈。 重点能力方向：I/O Benchmark 开发与分段性能评估 I/O 性能基准测试与评估能力（核心能力之一） 实习生将重点培养 I/O 性能基准（benchmark）设计、执行与分析能力，学习如何针对不同 I/O 细分场景进行性能评估。 你将逐步学习： ● 选择和使用 能够代表真实 CSP 工作负载的 I/O benchmarks ● 设计 结构化、可复现的测试方法 ● 从 不同 I/O 细分维度（segment） 理解系统行为，而非孤立解读性能结果 I/O 细分方向（以能力 exposure 为主，非强制专精） A. 存储 I/O（NVMe / 块存储） ● 支持 NVMe 与块存储系统 的性能测试与分析工作。 ● 参与评估以下不同维度下的存储性能表现： ● 随机 / 顺序 I/O ● 延迟敏感型 vs 吞吐型负载 ● 单设备 vs 多设备扩展场景 ● 协助分析 PCIe 拓扑、软件栈配置对存储性能的影响。 能力目标：理解存储性能数字背后的系统原因，而不仅是 IOPS 或带宽结果。 B. 网络 I/O（Ethernet / RDMA） ● 协助执行 网络 I/O 性能测试，支持评估： ● 吞吐、延迟与扩展性 ● 网络负载下的 CPU 使用效率 ● 学习从以下角度分析网络性能： ● 报文大小 ● 并发度与 CPU 绑定 ● NUMA / 系统拓扑影响 能力目标：理解 Xeon 平台特性对 CSP 网络 I/O 性能的影响方式。 C. AI 系统 I/O（CPU 为中心的 AI 平台） ● 参与 AI 系统中 I/O 性能特性的分析与评估支持，典型场景包括： ● Xeon 作为 AI Head Node ● Xeon 作为加速器系统的 Host CPU ● 协助分析： ● 数据移动效率 ● CPU‑设备 I/O 路径行为 ● 系统 I/O 平衡性 能力目标：理解系统 I/O 在 AI 平台整体性能中的作用。 Benchmark 分析与工程表达能力 在各 I/O 方向中，实习生将逐步掌握： ● 性能结果合理性检查（sanity check） ● 不同配置或软件栈下的对比分析 ● 以工程视角撰写 技术说明或测试总结 ● 向资深工程师清晰表达观察结果与疑问 基本要求 ● 在读 本科或硕士，专业包括但不限于： ● 计算机科学 ● 计算机工程 ● 电子 / 电气工程 ● 具备 I/O 相关基础背景（如操作系统、存储、网络、体系结构等）。 ● 熟悉 Linux 使用环境。 ● 具备一定编程或脚本能力（如 Python、Shell、C/C++）。 ● 对 系统级性能分析与优化具有强烈兴趣。 加分项（非必需） ● 有 I/O、系统、存储、网络或性能方向相关的 实习或项目经验。 ● 接触过性能测试、benchmark 或系统调试。 ● 对云计算或 AI 基础设施有一定认知。

职位描述 英特尔数据中心部门正在招聘一名软件验证实习生。在此岗位上，您将协助英特尔软件验证工程师或调试工程师创建测试用例并编写自动化脚本。我们希望您能有效地验证平台、定位问题根本原因并与跨职能团队协作。您还将开发AI解决方案，以促进脚本自动化、测试用例执行和问题调试。我们希望您能协助提高英特尔至强产品的质量。 任职资格 能够使用 Python、C++ 或其他编程语言之一编写高质量代码。 熟悉 Linux 和 Windows 的命令行操作以及 Shell 编程。 具备AI意识以及AI解决方案开发的实际经验。 具备专业的英文文档和规范读写能力。 拥有计算机科学或相关工程领域的硕士学位

加入英特尔技术赋能事业部（Technology Enablement Group, TEG）Client ADC 团队，担任 AI 软件工程实习生。在该岗位中，你将专注于在 AI PC 平台上开发与使能 Agentic AI 系统，支持下一代客户端 AI 体验。 你将参与构建 Agentic AI 工作流，在 AI PC 平台上搭建 AI 环境，探索与验证新的 AI 模型和应用，并使能预训模型调优。本岗位强调动手工程能力，覆盖 AI 基础设施、系统环境搭建，以及面向智能体的 AI 工作负载落地。 你的工作将助力 AI PC 的 Agentic AI 能力与技能栈建设，你的产出将直接支持英特尔客户端 AI 软件生态建设与未来产品就绪。 主要职责 ● 在 AI PC 平台上搭建并维护 AI 开发环境（操作系统、驱动、框架、工具链等）。 ● 开发并验证 Agentic AI 系统，包括多步推理、工具调用、记忆机制与任务编排等能力。 ● 探索并集成与 AI PC 使用场景相关的 新 AI 模型与应用。 ● 支持 预训练与微调方法落地，包括数据流水线、训练工作流与模型集成等。 ● 在客户端平台上评估 Agentic AI 工作负载的功能、性能与可用性。 ● 与跨职能团队协作，推进 AI 软件使能以及软硬件协同集成。 ● 记录实验过程、设计决策与最佳实践，支持知识共享与后续规模化推广。 基本要求 ● 计算机科学、计算机工程、电气工程或相关技术领域硕士在读。 ● 具备扎实的 AI / 深度学习基础，理解神经网络模型与训练相关概念。 ● Python 编程熟练。 ● 有使用 AI 框架（如 PyTorch 和/或 TensorFlow）的经验。 ● 了解基于 LLM 的工作流、AI 智能体或面向任务的 AI 系统。 ● 对在 客户端平台 / AI PC 上进行 AI 系统开发有兴趣。 加分项 ● 具备 Agentic AI 相关概念经验，例如多智能体系统、工具调用、规划、记忆机制或工作流编排。 ● 有大模型 预训练或微调 的实战经验。 ● 熟悉 AI 基础设施框架或内部智能体框架（例如 openclaw）。 ● 理解系统层相关概念，包括性能、资源利用率，或在本地设备上的部署与交付。 ● 具备较强的分析与问题解决能力。 ● 能在协作、跨职能的工程环境中高效工作。

加入英特尔技术赋能事业部（Technology Enablement Group, TEG）Client ADC 团队，担任 AI 软件工程实习生。在该岗位中，你将专注于在 AI PC 平台上开发与使能 Agentic AI 系统，支持下一代客户端 AI 体验。 你将参与构建 Agentic AI 工作流，在 AI PC 平台上搭建 AI 环境，探索与验证新的 AI 模型和应用，并使能预训模型调优。本岗位强调动手工程能力，覆盖 AI 基础设施、系统环境搭建，以及面向智能体的 AI 工作负载落地。 你的工作将助力 AI PC 的 Agentic AI 能力与技能栈建设，你的产出将直接支持英特尔客户端 AI 软件生态建设与未来产品就绪。 主要职责 ● 在 AI PC 平台上搭建并维护 AI 开发环境（操作系统、驱动、框架、工具链等）。 ● 开发并验证 Agentic AI 系统，包括多步推理、工具调用、记忆机制与任务编排等能力。 ● 探索并集成与 AI PC 使用场景相关的 新 AI 模型与应用。 ● 支持 预训练与微调方法落地，包括数据流水线、训练工作流与模型集成等。 ● 在客户端平台上评估 Agentic AI 工作负载的功能、性能与可用性。 ● 与跨职能团队协作，推进 AI 软件使能以及软硬件协同集成。 ● 记录实验过程、设计决策与最佳实践，支持知识共享与后续规模化推广。 基本要求 ● 计算机科学、计算机工程、电气工程或相关技术领域硕士在读。 ● 具备扎实的 AI / 深度学习基础，理解神经网络模型与训练相关概念。 ● Python 编程熟练。 ● 有使用 AI 框架（如 PyTorch 和/或 TensorFlow）的经验。 ● 了解基于 LLM 的工作流、AI 智能体或面向任务的 AI 系统。 ● 对在 客户端平台 / AI PC 上进行 AI 系统开发有兴趣。 加分项 ● 具备 Agentic AI 相关概念经验，例如多智能体系统、工具调用、规划、记忆机制或工作流编排。 ● 有大模型 预训练或微调 的实战经验。 ● 熟悉 AI 基础设施框架或内部智能体框架（例如 openclaw）。 ● 理解系统层相关概念，包括性能、资源利用率，或在本地设备上的部署与交付。 ● 具备较强的分析与问题解决能力。 ● 能在协作、跨职能的工程环境中高效工作。

加入 Intel，担任 AI 软件工程研究生实习生，参与推动人工智能技术的前沿发展。你将参与具有前瞻性的项目开发，打造变革性的用户体验和高性能计算解决方案。实习期间，你将获得设计与优化 AI 软件解决方案的实践经验，涵盖算法、框架和体系结构，并涉及计算机视觉、机器学习和深度学习等关键领域。本岗位支持 Intel 构建端到端 AI 生态系统的使命，致力于提供可扩展、高效率的解决方案，赋能全球客户。 主要职责： ● 针对新兴 AI 技术开展研究与验证，并在 Intel 平台上部署与优化概念验证项目。 ● 在 Intel 平台上对大语言模型（LLM）进行性能评估，开发测试工具相关功能模块，确保基准测试的有效性。 ● 分析性能测试结果，定位软件瓶颈（如算子延迟、内存使用等），并提出优化策略，以提升推理速度和资源利用效率。 ● 协助实现与调优 AI 模型，在性能与精度之间取得平衡，并确保软硬件的高效协同。 ● 与内部产品团队及外部合作伙伴协作，开发符合 Intel 业务目标的可扩展 AI 软件解决方案。 Job Qualifications: 基本任职资格： ● 计算机科学、计算机工程、软件工程或相关领域的硕士学位。 ● 熟练掌握至少一种编程语言，如 Python 或 C/C++。 ● 具备主流 AI 框架使用经验，包括 PyTorch 和 Hugging Face Transformers。 ● 具备大语言模型（LLM）和生成式 AI 的实践经验，并展现出较强的学习能力和快速适应能力 优先条件： ● 具备较强的问题解决能力和团队协作意识，有软件性能分析与优化经验者优先 ● 主动学习前沿 AI 技术，并能够参与创新性研究工作 ● 每周可工作 4–5 天，实习周期不少于连续 3 个月 把握机会，在充满活力、节奏快速的环境中，与优秀团队并肩工作，体验强调协作、创新与职业成长的氛围

将参与 CPU / GPU / SoC 平台上的 AI 与深度学习性能评测工作，通过运行大规模 Benchmark、搭建自动化测试与数据分析工具，完成性能、延迟及性能功耗比（Perf/Watt）的对比分析，为芯片设计与性能优化提供数据支持。我们期待具备 C/C++ / Python 编程能力，熟悉 Linux 与性能分析，了解深度学习模型并使用过 PyTorch / TensorFlow / TensorRT 等框架的在校学生；具备 CPU/GPU 架构基础、分布式训练或推理、以及 LLM/AIGC（如 LLama、Qwen、DeepSeek）经验者优先，每周至少可实习 3 天。

Job Description Supports technical sales by providing product expertise, assisting in solution design, and/or engaging with customers to address technical requirements. Collaborates with sales and engineering teams to develop demonstrations and respond to customer feedback and contributes to the promotion of Intel technologies across various industries. As an intern, learns and applies knowledge, builds skills, and explores future career opportunities through hands-on experience and projects that support Intel business goals in a collaborative environment Qualifications ● - CS or EE related majors ● - Solid Programming Skill ● - Familiar with Linux Development Environment ● - Responsible, Cooperative, and with good communication skills ● - Cloud Domain Knowledge is a big plus (Big Data and AI, etc) ● 4 days at office per week and 5 months internship at least

团队简介 我们是 Intel AI Framework 团队，致力于在 Intel CPU / XPU（GPU）平台 上提升主流 AI 框架与推理系统的性能和可扩展性。 团队长期参与并推动 SGLang、PyTorch 等开源项目 的上游协作，重点关注 大模型推理、算子性能、编译与运行时优化，让 AI 框架在 Intel 硬件上“跑得快、跑得稳、易规模化”。 加入我们，你将直接参与 真实生产级 AI 框架与算子优化工作，而不是停留在 demo 或 toy project。 实习方向 算子 / Kernel 优化 ● 参与高性能算子（如 GEMM、Attention、LayerNorm、MLP、多路算子融合等）的实现与优化 ● 利用 SIMD / AMX / oneDNN / XPU backend 等技术提升算子性能 ● 对接 PyTorch custom op、Inductor / Triton / SYCL 等技术栈 ● 利用LLM自动化算子优化迭代与生成 岗位要求 我们希望你具备以下背景（满足一部分即可）： ● 计算机、软件工程、电子工程、人工智能等相关专业在读本科 / 硕士 / 博士 ● 熟悉 C/C++ 或 Python，有较好的代码能力 ● 对 深度学习框架或系统性能优化 有强烈兴趣 ● 具备良好的问题分析能力和工程耐心，愿意深入底层定位性能问题 加分项（非必需，但非常欢迎）： ● 熟悉 PyTorch / SGLang / vLLM / Triton / oneDNN 中的一种或多种 ● 有性能优化经验：profiling、cache / vectorization / 并行优化 ● 了解 CPU / GPU 架构、SIMD、AMX、内存层级等系统知识 ● 有开源项目贡献经验（GitHub PR / issue / benchmark 等） 你将获得 ● 直接参与 主流 AI 框架和大模型推理系统 的核心优化工作 ● 与资深框架 / 性能工程师深度合作，系统性提升工程能力 ● 对真实工业级 workload 与 Intel 硬件平台的深入理解 ● 表现优秀者可获得 转正 / 推荐 / 长期合作机会

一、岗位职责 1. AI Agent 在软件系统中的研发与落地 参与 AI Agent 在复杂软件系统与工程流程中的研究与实践，探索智能体在多步骤任务中的自 主规划、决策与执行能力，推动 AI Agent 在提升工程效率与系统优化场景中的实际应用。 2. AI Agent 与底层技术体系的协同设计 探索 AI Agent 与现有模型、框架及工具链的协同工作方式，构建具备工程可用性的智能体系 统，提升其在复杂技术环境中的自动化水平与整体智能化能力。 二、岗位要求 （一）基本要求 1. 计算机科学、人工智能、软件工程或相关专业的在读硕士或博士研究生 2. 熟练使用 Python，具备良好的软件工程习惯和扎实的代码能力 3. 对 深度学习系统或大模型推理 至少一个方向有深入理解，包括但不限于： o PyTorch / TorchDynamo / FX / Inductor o 大语言模型推理流程（如 KV Cache、Prefill / Decode） 4. 对大语言模型（LLM）的理解不仅停留在 API 使用层面，能够理解其推理过程、性能瓶颈和工 程约束 5. 具备较强的问题拆解能力，能够将复杂工程问题抽象并建模为 AI Agent 可执行的任务结构 （二）加分项 • 具备大模型量化相关经验，如 GPTQ、AWQ、SmoothQuant、MXFP、FP8 等 • 熟悉主流模型推理加速或部署框架 • 了解或实践过高性能计算、底层算子或内核相关开发与优化 • 有 AI Agent 实际落地经验（不限学术背景），如 Agent 架构设计或工具调用实践 • 具备复杂工程系统的开发或维护经验，如自动化测试、评测、CI 或性能分析工具• 有开源项目贡献经验（模型、系统、编译、加速或 Agent 框架相关均可） • 可连续实习 4 个月及以上，每周线下到岗 4 天及以上

岗位简介 加入英特尔服务器平台应用与固件工程（PAE FW）团队，参与服务器以及平台固件开发与验证，获得真实产品级、系统级工程实践经验。 岗位职责 ● 参与服务器平台相关模块的设计、开发与调试 ● 参与固件设计、开发、验证与问题定位（BIOS / 嵌入式固件） ● 在受限系统环境下进行问题分析与性能调优 ● 配合硬件设计与系统架构，支持软硬件协同集成 ● 使用 C/C++ 及 Python / Shell 脚本提升开发与调试效率 ● 分析和解决固件问题，支持系统稳定性与质量提升 任职要求 ● 计算机、电子工程等相关专业硕士在读 ● 熟悉 C/C++，了解 Python 或 Shell ● 具备计算机体系结构、操作系统或底层软件基础 ● 具备良好的学习能力、分析能力与团队协作意识 加分项 ● 有固件、嵌入式或服务器平台相关经验 ● 对底层系统与新技术有浓厚兴趣 在英特尔，你将参与真实产品级项目，为未来从事服务器平台与固件工程打下坚实基础

职位描述 英特尔数据中心部门正在招聘一名软件验证实习生。在此岗位上，您将协助英特尔软件验证工程师或调试工程师创建测试用例并编写自动化脚本。我们希望您能有效地验证平台、定位问题根本原因并与跨职能团队协作。您还将开发AI解决方案，以促进脚本自动化、测试用例执行和问题调试。我们希望您能协助提高英特尔至强产品的质量。 任职资格 能够使用 Python、C++ 或其他编程语言之一编写高质量代码。 熟悉 Linux 和 Windows 的命令行操作以及 Shell 编程。 具备AI意识以及AI解决方案开发的实际经验。 具备专业的英文文档和规范读写能力。 拥有计算机科学或相关工程领域的硕士学位。

岗位概述 英特尔 DCG 中国正在招聘一名研究实习生，参与面向 KV Cache 中心化系统 的 Scale‑up 协议与内存池化（Memory Pooling） 技术研究。该岗位将聚焦新一代 AI 超节点（Supernode）架构，在系统性能、成本效率及规模化部署方面开展前沿探索，支持大规模 AI 推理与训练场景。 工作职责 ● 解耦式超节点架构的系统创新与成本优化 ● 研究解耦式（Disaggregated）AI 超节点架构设计中的关键技术与系统级权衡 ● 分析不同架构方案在性能、扩展性以及 BOM 成本方面的影响 ● 支持架构方案从 NPI（新产品导入）到 HVM（规模化量产）的可扩展性评估 ● GPU 互连协议与内存池化技术研究 ● 研究并实现基于以太网的 GPU 互连协议原型 ● 探索面向大规模 AI 推理与训练集群的分布式内存池化机制 ● 支持 KV Cache 等关键数据路径的系统级优化 任职要求 ● 电气工程、计算机工程、计算机科学或相关专业硕士在读 ● 熟悉 RDMA 核心机制，包括单边读/写、Send/Receive verbs、QP 管理以及内存注册 ● 具备 Mellanox ConnectX‑7 相关测试与调试经验，熟悉 perftest、ibstat、mlnx_tuning 及 OFED 工具集 ● 了解大语言模型（LLM）推理性能评测方法及常用指标（如 TTFT、TBT、token/s），并具有使用 vLLM、lm‑evaluation‑harness 或同类框架的经验

我们诚邀您加入我们，共同探索、创新、开发并交付最前沿的人工智能解决方案。作为AI框架工程师实习生，您将与高水平的工程团队合作，参与端到端AI解决方案开发与优化的全生命周期，包括技术设计、实现、质量保证以及性能调优。 工作职责： ● 在英特尔产品上设计和开发优化的AI框架（vLLM）。 ● 测试、分析并优化关键AI模型在英特尔平台上的性能。 任职资格： ● 计算机科学、软件工程或相关专业硕士在读。 ● 扎实的计算机体系结构、操作系统、数据结构与算法以及AI框架知识。 ● 具备Python和C/C++编程经验。 ● 可以实习6个月以上，每周至少4天。 ● 有开源软件开发和贡献经验优先。 ● 熟悉PyTorch框架开发、模型性能分析与优化者优先。 ● 熟悉Transformer、vLLM架构，或有相关经验优先 ● 具备良好的沟通能力，英语听说读写熟练。 责任心强，学习能力快，具备优秀的问题解决能力

岗位职责 ● 研究大语言模型（LLM）及文生图等生成模型的量化与压缩技术； ● 参与并支持 Intel Neural Compressor、Intel/auto-round 等工具的开发与优化； ● 跟踪并探索模型高效部署与推理加速等前沿方向。 岗位要求 ● 熟悉深度学习或大语言模型（LLM）的基本原理与应用； ● 掌握模型压缩相关技术（如量化、剪枝等）； ● 熟练使用 Python 或其他深度学习开发语言。 加分项 ● 具备较强的自我驱动与问题解决能力； ● 对技术创新和工程实用性充满热情，具备持续探索与突破的动力； ● 有模型微调、推理优化或相关工具开发经验者优先。

工作描述： 人工智能（AI）正在改变我们的生活，并且无处不在。我们INTTEL公司是这场AI革命的一部分。INTEL提供的软件栈可以无缝集成到客户的框架中，数百万终端用户使用这些框架。 随着我们在Shanghai的AI工程团队的壮大，我们正在寻找一位充满激情的毕业技术实习生，帮助我们为客户提供高性能和高质量的深度学习解决方案。我们的团队工作包括： · 优化关键用例/模型的性能，调试和修复精度和内存管理等问题 · 设计和开发模型部署架构，如应用vLLM上的新功能加速推理 · 为INTEL的加速器开发和调试高性能Kernel · 与直接同事、协作同事和架构师沟通，讨论问题、解决方案，提供状态更新并获取反馈 · 将新的创新想法应用到产品中 任职要求： 计算机科学、人工智能、软件工程或相关领域的在读硕士或博士研究生 具备良好的C++和Python编程技能 了解深度学习理论基础并有一定的实践经验 有LLM, Multi modal,或Agent经验并对模型结构有深刻理解者优先 有PyTorch、vLLM经验者优先 有GPU Kernel开发经验者优先 每周至少工作4天，能够承诺实习持续半年以上

岗位描述： 英特尔 DCG 中国正在寻找一名充满热情、积极主动且具有才华的研究实习生，参与面向超大规模场景的机密 AI 系统以及 Agent-CC 解决方案的研究工作。理想候选人应在科研方面有突出的表现，并对推动大语言模型（LLMs）、AI 系统和/或微架构相关技术的发展具有浓厚兴趣。 关键资质与兴趣： ● 在科研方面表现突出，并对推进大语言模型（LLMs）和 AI 系统相关技术有浓厚兴趣。 ● 对计算机系统、微架构以及高速 I/O 具有扎实的理解。 ● 对 Agent AI 及面向机密计算的系统解决方案设计感兴趣。 ● 热衷于利用快速演进的技术解决行业挑战。 优先考虑条件： ● 熟练掌握动手编程能力（如 C、Python、Rust、JavaScript 等），并具备 Agent AI 工作流相关经验。 具备 AI 数据隐私、数据安全或机密计算相关的研究经验者优先

部门介绍： Intel CAE（Intel Compilers and AI Libraries Engineering）团队负责为Intel芯片(CPU, GPU)开发和维护编译器（Compiler）和人工智能库（AI Libraries）相关产品，帮助Intel最大程度发挥芯片的性能，从而为客户带来最佳体验和最大价值。CAE 寻求编程极客和高手加入团队，从事编译器（Compiler）和人工智能库（AI Libraries）的软件开发和测试。 职位描述： 负责基于英特尔GPU产品的人工智能算子的设计、开发、测试和性能调优；工作内容将涵盖AI 应用、算法研究、算子开发、中间件、框架、操作系统、驱动程序等 职位要求： 计算机科学及相关专业的在校大学生或者研究生 至少熟悉一门语言的开发和调试：C/C++/Assembly/Java/Python 良好的书面和语言沟通能力，能够主动发现并解决技术问题 了解主流深度学习框架，例如 TensorFlow、PyTorch 等 加分项： 熟悉操作系统内核（OS internals），计算机体系结构（Architecture），x86指令集（Instruction Set） 熟悉编译原理以及语言运行时管理软件 了解并行计算（例如CUDA, SYCL, OpenCL） 了解深度学习工作负载或高性能计算工作负载的性能分析和优化